# Exemplos de Ciência de Dados para Iniciantes Bem-vindo ao diretório de exemplos! Esta coleção de exemplos simples e bem comentados foi criada para ajudar-te a começar com ciência de dados, mesmo que sejas um completo principiante. ## 📚 O Que Vais Encontrar Aqui Cada exemplo é autónomo e inclui: - **Comentários claros** explicando cada passo - **Código simples e legível** que demonstra um conceito de cada vez - **Contexto do mundo real** para ajudar-te a entender quando e por que usar estas técnicas - **Saída esperada** para saberes o que procurar ## 🚀 Começar ### Pré-requisitos Antes de executares estes exemplos, certifica-te de que tens: - Python 3.7 ou superior instalado - Compreensão básica de como executar scripts em Python ### Instalar Bibliotecas Necessárias ```bash pip install pandas numpy matplotlib ``` ## 📖 Visão Geral dos Exemplos ### 1. Hello World - Estilo Ciência de Dados **Ficheiro:** `01_hello_world_data_science.py` O teu primeiro programa de ciência de dados! Aprende a: - Carregar um conjunto de dados simples - Exibir informações básicas sobre os teus dados - Imprimir a tua primeira saída de ciência de dados Perfeito para principiantes absolutos que querem ver o seu primeiro programa de ciência de dados em ação. --- ### 2. Carregar e Explorar Dados **Ficheiro:** `02_loading_data.py` Aprende os fundamentos de trabalhar com dados: - Ler dados de ficheiros CSV - Visualizar as primeiras linhas do teu conjunto de dados - Obter estatísticas básicas sobre os teus dados - Compreender os tipos de dados Este é frequentemente o primeiro passo em qualquer projeto de ciência de dados! --- ### 3. Análise Simples de Dados **Ficheiro:** `03_simple_analysis.py` Realiza a tua primeira análise de dados: - Calcular estatísticas básicas (média, mediana, moda) - Encontrar valores máximos e mínimos - Contar ocorrências de valores - Filtrar dados com base em condições Descobre como responder a perguntas simples sobre os teus dados. --- ### 4. Noções Básicas de Visualização de Dados **Ficheiro:** `04_basic_visualization.py` Cria as tuas primeiras visualizações: - Fazer um gráfico de barras simples - Criar um gráfico de linhas - Gerar um gráfico de pizza - Guardar as tuas visualizações como imagens Aprende a comunicar as tuas descobertas visualmente! --- ### 5. Trabalhar com Dados Reais **Ficheiro:** `05_real_world_example.py` Coloca tudo em prática com um exemplo completo: - Carregar dados reais do repositório - Limpar e preparar os dados - Realizar análises - Criar visualizações significativas - Tirar conclusões Este exemplo mostra-te um fluxo de trabalho completo do início ao fim. --- ## 🎯 Como Usar Estes Exemplos 1. **Começa pelo início**: Os exemplos estão numerados por ordem de dificuldade. Começa com `01_hello_world_data_science.py` e avança gradualmente. 2. **Lê os comentários**: Cada ficheiro tem comentários detalhados explicando o que o código faz e porquê. Lê-os com atenção! 3. **Experimenta**: Tenta modificar o código. O que acontece se mudares um valor? Faz alterações e corrige-as - é assim que se aprende! 4. **Executa o código**: Executa cada exemplo e observa a saída. Compara com o que esperavas. 5. **Constrói sobre isso**: Quando entenderes um exemplo, tenta expandi-lo com as tuas próprias ideias. ## 💡 Dicas para Iniciantes - **Não tenhas pressa**: Dedica tempo para entender cada exemplo antes de passar para o próximo - **Escreve o código tu mesmo**: Não copies e coles apenas. Escrever ajuda-te a aprender e a memorizar - **Procura conceitos desconhecidos**: Se vires algo que não entendes, pesquisa online ou nas lições principais - **Faz perguntas**: Junta-te ao [fórum de discussão](https://github.com/microsoft/Data-Science-For-Beginners/discussions) se precisares de ajuda - **Pratica regularmente**: Tenta programar um pouco todos os dias em vez de sessões longas uma vez por semana ## 🔗 Próximos Passos Depois de completares estes exemplos, estás pronto para: - Trabalhar nas lições principais do currículo - Experimentar os exercícios em cada pasta de lições - Explorar os Jupyter notebooks para um aprendizado mais aprofundado - Criar os teus próprios projetos de ciência de dados ## 📚 Recursos Adicionais - [Currículo Principal](../README.md) - O curso completo de 20 lições - [Para Professores](../for-teachers.md) - Usar este currículo na tua sala de aula - [Microsoft Learn](https://docs.microsoft.com/learn/) - Recursos de aprendizagem online gratuitos - [Documentação do Python](https://docs.python.org/3/) - Referência oficial do Python ## 🤝 Contribuir Encontraste um erro ou tens uma ideia para um novo exemplo? Aceitamos contribuições! Consulta o nosso [Guia de Contribuição](../CONTRIBUTING.md). --- **Boa Aprendizagem! 🎉** Lembra-te: Todo especialista já foi um principiante. Dá um passo de cada vez e não tenhas medo de cometer erros - eles fazem parte do processo de aprendizagem! --- **Aviso**: Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos pela precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.