Essa unidade oferece uma introdução essencial à Ciência de Dados, abordando tópicos como a definição de Ciência de Dados e Data Analytics, tipos de armazenamento e consulta em Bancos de Dados, Ciência da Decisão, além de explorar a aplicação prática desses conceitos no mercado de trabalho.

Os temas incluem a descrição das carreiras em Ciências de Dados, delineamento das etapas de um projeto de Ciência de Dados, análise de casos reais de Data Science e Machine Learning, e uma reflexão sobre a ética no campo da Ciência de Dados.

Essa unidade serve como base para uma compreensão abrangente dos princípios fundamentais e das aplicações práticas da Ciência de Dados.

Esta unidade concentra-se na introdução ao Python como linguagem fundamental para Ciências de Dados. Aborda desde conceitos básicos, como variáveis, operações aritméticas, lógicas e manipulação de strings, até estruturas mais avançadas, como listas, tuplas, sets e dicionários.

As condicionais e o tratamento de exceções são explorados em detalhes, oferecendo uma base sólida para a programação em Python. A unidade também inclui exercícios práticos para reforçar o aprendizado.

Além disso, introduz o Numpy, uma biblioteca crucial para manipulação numérica em Python, dividido em várias partes para compreensão progressiva. A unidade culmina em uma atividade prática, consolidando o conhecimento adquirido e preparando os alunos para os desafios futuros no curso.

Nesta unidade, a ênfase recai sobre o Pandas, uma poderosa biblioteca para manipulação e análise de dados em Python. Dividida em cinco partes, a unidade explora desde conceitos fundamentais até tópicos mais avançados, proporcionando uma compreensão abrangente do Pandas.

Integrado ao aprendizado prático, a unidade apresenta um estudo de caso dividido em três partes, permitindo aos alunos aplicar os conhecimentos adquiridos na manipulação real de conjuntos de dados. O curso culmina em uma atividade prática, desafiando os alunos a utilizar as habilidades do Pandas para resolver problemas do mundo real.

Essa unidade prepara os alunos para uma profunda compreensão da manipulação de dados com o Pandas e a aplicação dessas habilidades em cenários práticos de Ciências de Dados.

Nesta unidade, os alunos mergulham na prática da Ciência de Dados, explorando os fundamentos da Análise Exploratória de Dados (AED). O curso abrange tipos de variáveis, desde categóricas até numéricas e não-numéricas, fornecendo uma visão abrangente para uma compreensão mais profunda dos conjuntos de dados.

A análise univariada é abordada em detalhes, incluindo técnicas para analisar variáveis categóricas e explorar correlações através de coeficientes, com foco especial na Correlação de Pearson.

A parte principal da unidade, a Análise Multivariada, apresenta várias técnicas, como Análise de Componentes Principais (PCA), Análise por Cluster, Regressão Linear Simples Multivariada, e métodos de seleção de variáveis. Além disso, a unidade explora a utilização da biblioteca YData Profiling para aprofundar ainda mais a avaliação de dados.

A unidade conclui com uma Avaliação Final, proporcionando aos alunos a oportunidade de aplicar seus conhecimentos recém-adquiridos em um contexto prático.