You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
261 lines
6.9 KiB
261 lines
6.9 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "a64d8afa22ffcc2016bb239188d6acb1",
|
|
"translation_date": "2025-10-03T15:19:15+00:00",
|
|
"source_file": "INSTALLATION.md",
|
|
"language_code": "pt"
|
|
}
|
|
-->
|
|
# Guia de Instalação
|
|
|
|
Este guia irá ajudá-lo a configurar o seu ambiente para trabalhar com o currículo de Ciência de Dados para Iniciantes.
|
|
|
|
## Índice
|
|
|
|
- [Pré-requisitos](../..)
|
|
- [Opções de Início Rápido](../..)
|
|
- [Instalação Local](../..)
|
|
- [Verificar a Instalação](../..)
|
|
|
|
## Pré-requisitos
|
|
|
|
Antes de começar, deve ter:
|
|
|
|
- Familiaridade básica com linha de comandos/terminal
|
|
- Uma conta GitHub (gratuita)
|
|
- Conexão estável à internet para a configuração inicial
|
|
|
|
## Opções de Início Rápido
|
|
|
|
### Opção 1: GitHub Codespaces (Recomendado para Iniciantes)
|
|
|
|
A forma mais fácil de começar é com o GitHub Codespaces, que fornece um ambiente de desenvolvimento completo no seu navegador.
|
|
|
|
1. Navegue até ao [repositório](https://github.com/microsoft/Data-Science-For-Beginners)
|
|
2. Clique no menu suspenso **Code**
|
|
3. Selecione o separador **Codespaces**
|
|
4. Clique em **Create codespace on main**
|
|
5. Aguarde enquanto o ambiente é inicializado (2-3 minutos)
|
|
|
|
O seu ambiente está agora pronto com todas as dependências pré-instaladas!
|
|
|
|
### Opção 2: Desenvolvimento Local
|
|
|
|
Para trabalhar no seu próprio computador, siga as instruções detalhadas abaixo.
|
|
|
|
## Instalação Local
|
|
|
|
### Passo 1: Instalar Git
|
|
|
|
O Git é necessário para clonar o repositório e acompanhar as suas alterações.
|
|
|
|
**Windows:**
|
|
- Faça o download em [git-scm.com](https://git-scm.com/download/win)
|
|
- Execute o instalador com as configurações padrão
|
|
|
|
**macOS:**
|
|
- Instale via Homebrew: `brew install git`
|
|
- Ou faça o download em [git-scm.com](https://git-scm.com/download/mac)
|
|
|
|
**Linux:**
|
|
```bash
|
|
# Debian/Ubuntu
|
|
sudo apt-get update
|
|
sudo apt-get install git
|
|
|
|
# Fedora
|
|
sudo dnf install git
|
|
|
|
# Arch
|
|
sudo pacman -S git
|
|
```
|
|
|
|
### Passo 2: Clonar o Repositório
|
|
|
|
```bash
|
|
# Clone the repository
|
|
git clone https://github.com/microsoft/Data-Science-For-Beginners.git
|
|
|
|
# Navigate to the directory
|
|
cd Data-Science-For-Beginners
|
|
```
|
|
|
|
### Passo 3: Instalar Python e Jupyter
|
|
|
|
É necessário Python 3.7 ou superior para as lições de ciência de dados.
|
|
|
|
**Windows:**
|
|
1. Faça o download do Python em [python.org](https://www.python.org/downloads/)
|
|
2. Durante a instalação, marque "Add Python to PATH"
|
|
3. Verifique a instalação:
|
|
```bash
|
|
python --version
|
|
```
|
|
|
|
**macOS:**
|
|
```bash
|
|
# Using Homebrew
|
|
brew install python3
|
|
|
|
# Verify installation
|
|
python3 --version
|
|
```
|
|
|
|
**Linux:**
|
|
```bash
|
|
# Most Linux distributions come with Python pre-installed
|
|
python3 --version
|
|
|
|
# If not installed:
|
|
# Debian/Ubuntu
|
|
sudo apt-get install python3 python3-pip
|
|
|
|
# Fedora
|
|
sudo dnf install python3 python3-pip
|
|
```
|
|
|
|
### Passo 4: Configurar o Ambiente Python
|
|
|
|
Recomenda-se usar um ambiente virtual para manter as dependências isoladas.
|
|
|
|
```bash
|
|
# Create a virtual environment
|
|
python -m venv venv
|
|
|
|
# Activate the virtual environment
|
|
# On Windows:
|
|
venv\Scripts\activate
|
|
|
|
# On macOS/Linux:
|
|
source venv/bin/activate
|
|
```
|
|
|
|
### Passo 5: Instalar Pacotes Python
|
|
|
|
Instale as bibliotecas necessárias para ciência de dados:
|
|
|
|
```bash
|
|
pip install jupyter pandas numpy matplotlib seaborn scikit-learn
|
|
```
|
|
|
|
### Passo 6: Instalar Node.js e npm (Para a Aplicação de Questionários)
|
|
|
|
A aplicação de questionários requer Node.js e npm.
|
|
|
|
**Windows/macOS:**
|
|
- Faça o download em [nodejs.org](https://nodejs.org/) (recomenda-se a versão LTS)
|
|
- Execute o instalador
|
|
|
|
**Linux:**
|
|
```bash
|
|
# Debian/Ubuntu
|
|
# WARNING: Piping scripts from the internet directly into bash can be a security risk.
|
|
# It is recommended to review the script before running it:
|
|
# curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x
|
|
# less setup_lts.x
|
|
# Then run:
|
|
# sudo -E bash setup_lts.x
|
|
#
|
|
# Alternatively, you can use the one-liner below at your own risk:
|
|
curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash -
|
|
sudo apt-get install -y nodejs
|
|
|
|
# Fedora
|
|
sudo dnf install nodejs
|
|
|
|
# Verify installation
|
|
node --version
|
|
npm --version
|
|
```
|
|
|
|
### Passo 7: Instalar Dependências da Aplicação de Questionários
|
|
|
|
```bash
|
|
# Navigate to quiz app directory
|
|
cd quiz-app
|
|
|
|
# Install dependencies
|
|
npm install
|
|
|
|
# Return to root directory
|
|
cd ..
|
|
```
|
|
|
|
### Passo 8: Instalar Docsify (Opcional)
|
|
|
|
Para acesso offline à documentação:
|
|
|
|
```bash
|
|
npm install -g docsify-cli
|
|
```
|
|
|
|
## Verificar a Instalação
|
|
|
|
### Testar Python e Jupyter
|
|
|
|
```bash
|
|
# Activate your virtual environment if not already activated
|
|
# On Windows:
|
|
venv\Scripts\activate
|
|
# On macOS/Linux:
|
|
source venv/bin/activate
|
|
|
|
# Start Jupyter Notebook
|
|
jupyter notebook
|
|
```
|
|
|
|
O seu navegador deve abrir com a interface do Jupyter. Agora pode navegar até ao ficheiro `.ipynb` de qualquer lição.
|
|
|
|
### Testar a Aplicação de Questionários
|
|
|
|
```bash
|
|
# Navigate to quiz app
|
|
cd quiz-app
|
|
|
|
# Start development server
|
|
npm run serve
|
|
```
|
|
|
|
A aplicação de questionários deve estar disponível em `http://localhost:8080` (ou outro porto, caso o 8080 esteja ocupado).
|
|
|
|
### Testar o Servidor de Documentação
|
|
|
|
```bash
|
|
# From the root directory of the repository
|
|
docsify serve
|
|
```
|
|
|
|
A documentação deve estar disponível em `http://localhost:3000`.
|
|
|
|
## Usar Contêineres de Desenvolvimento do VS Code
|
|
|
|
Se tiver o Docker instalado, pode usar os Contêineres de Desenvolvimento do VS Code:
|
|
|
|
1. Instale o [Docker Desktop](https://www.docker.com/products/docker-desktop)
|
|
2. Instale o [Visual Studio Code](https://code.visualstudio.com/)
|
|
3. Instale a extensão [Remote - Containers](https://marketplace.visualstudio.com/items?itemName=ms-vscode-remote.remote-containers)
|
|
4. Abra o repositório no VS Code
|
|
5. Pressione `F1` e selecione "Remote-Containers: Reopen in Container"
|
|
6. Aguarde enquanto o contêiner é construído (apenas na primeira vez)
|
|
|
|
## Próximos Passos
|
|
|
|
- Explore o [README.md](README.md) para uma visão geral do currículo
|
|
- Leia o [USAGE.md](USAGE.md) para fluxos de trabalho e exemplos comuns
|
|
- Consulte o [TROUBLESHOOTING.md](TROUBLESHOOTING.md) se encontrar problemas
|
|
- Revise o [CONTRIBUTING.md](CONTRIBUTING.md) se quiser contribuir
|
|
|
|
## Obter Ajuda
|
|
|
|
Se encontrar problemas:
|
|
|
|
1. Consulte o guia [TROUBLESHOOTING.md](TROUBLESHOOTING.md)
|
|
2. Pesquise problemas existentes no [GitHub Issues](https://github.com/microsoft/Data-Science-For-Beginners/issues)
|
|
3. Junte-se à nossa [comunidade no Discord](https://aka.ms/ds4beginners/discord)
|
|
4. Crie um novo problema com informações detalhadas sobre o seu problema
|
|
|
|
---
|
|
|
|
**Aviso Legal**:
|
|
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. |