Bem-vindo ao seu manual definitivo para desbravar o universo da Ciência de Dados! Este repositório foi criado pela comunidade e para a comunidade. Aqui, compartilhamos todo o conhecimento que muitas vezes se perde em drives e arquivos. Portando, se você está pronto para embarcar nessa jornada, vamos às dicas essenciais para se tornar um cientista de dados.
Sumário
Recomendações
Abaixo estão algumas dicas sobre o que estudar:
Iniciante
- Python (com a biblioteca Pandas) ou R (R Studio)
- SQL
- Jupyter Notebook
- Estatística Descritiva
- Ferramentas básicas de desenvolvimento
Intermediário
- Cálculo
- Álgebra Linear
- Machine Learning
- Deep Learning
- Visualização de Dados
- Processamento de Linguagem Natural
Grandes projetos (big data)
- NoSQL
- Scala
- Spark
- Estatística Bayesiana
- Hive
- Hadoop
- Julia
- Computação distribuída com AWS e Google Cloud
Vídeos
Estudos
- Lista de cursos online by KDnuggets
- Playlist de Treinamento by Edureka!
- Curso de análise de dados em Python para iniciantes by LabHacker Câmara dos Deputados
Webcasts e Webinars
- Lista dos próximos by KDnuggets
Datasets
- Datasets for Machine Learning
- Datasets for Data Mining and Data Science
- Datasets – Kaggle
- UCI Machine Learning Repository
- data.world
Metodologias ágeis
Dados em Imagens
Como o aprendizado funciona na Ciência de Dados
Imagine que você é um chef que precisa preparar um banquete. Assim como você organiza seus ingredientes e métodos, o mesmo acontece na ciência de dados. Você coleta seus dados (ingredientes) e, conforme vai cozinhando (analisando), usa diferentes temperos (métodos analíticos e algoritmos) para criar seus pratos (insights e previsões). Cada prato habilmente preparado tem o potencial de encantar seus convidados (audience). Com a prática, você vai se tornando um chef (cientista de dados) experiente, capaz de lidar melhor com ingredientes complexos e receitas desafiadoras.
Resolvendo Problemas Durante sua Jornada
Durante seu aprendizado, você pode encontrar algumas dificuldades. Aqui estão algumas sugestões:
- Se a biblioteca que você instalou não funcionar, verifique se você a instalou corretamente e se é compatível com sua versão do Python ou R.
- Para problemas com o Jupyter Notebook, tente atualizar seu navegador ou usar um navegador diferente.
- Experimente reinstalar pacotes ou acessar fóruns como Stack Overflow para encontrar respostas a perguntas frequentes.
For more insights, updates, or to collaborate on AI development projects, stay connected with fxis.ai.
At fxis.ai, we believe that such advancements are crucial for the future of AI, as they enable more comprehensive and effective solutions. Our team is continually exploring new methodologies to push the envelope in artificial intelligence, ensuring that our clients benefit from the latest technological innovations.