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.
140 lines
5.5 KiB
140 lines
5.5 KiB
# 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 você a começar com ciência de dados, mesmo que seja um completo iniciante.
|
|
|
|
## 📚 O Que Você Vai Encontrar Aqui
|
|
|
|
Cada exemplo é independente e inclui:
|
|
- **Comentários claros** explicando cada etapa
|
|
- **Código simples e legível** que demonstra um conceito de cada vez
|
|
- **Contexto do mundo real** para ajudar você a entender quando e por que usar essas técnicas
|
|
- **Saída esperada** para que você saiba o que procurar
|
|
|
|
## 🚀 Começando
|
|
|
|
### Pré-requisitos
|
|
Antes de executar esses exemplos, certifique-se de ter:
|
|
- Python 3.7 ou superior instalado
|
|
- Entendimento básico de como executar scripts Python
|
|
|
|
### Instalando Bibliotecas Necessárias
|
|
```bash
|
|
pip install pandas numpy matplotlib
|
|
```
|
|
|
|
## 📖 Visão Geral dos Exemplos
|
|
|
|
### 1. Hello World - Estilo Ciência de Dados
|
|
**Arquivo:** `01_hello_world_data_science.py`
|
|
|
|
Seu primeiro programa de ciência de dados! Aprenda a:
|
|
- Carregar um conjunto de dados simples
|
|
- Exibir informações básicas sobre seus dados
|
|
- Imprimir sua primeira saída de ciência de dados
|
|
|
|
Perfeito para iniciantes absolutos que querem ver seu primeiro programa de ciência de dados em ação.
|
|
|
|
---
|
|
|
|
### 2. Carregando e Explorando Dados
|
|
**Arquivo:** `02_loading_data.py`
|
|
|
|
Aprenda os fundamentos de trabalhar com dados:
|
|
- Ler dados de arquivos CSV
|
|
- Visualizar as primeiras linhas do seu conjunto de dados
|
|
- Obter estatísticas básicas sobre seus dados
|
|
- Entender os tipos de dados
|
|
|
|
Este é frequentemente o primeiro passo em qualquer projeto de ciência de dados!
|
|
|
|
---
|
|
|
|
### 3. Análise Simples de Dados
|
|
**Arquivo:** `03_simple_analysis.py`
|
|
|
|
Realize sua 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
|
|
|
|
Veja como responder a perguntas simples sobre seus dados.
|
|
|
|
---
|
|
|
|
### 4. Noções Básicas de Visualização de Dados
|
|
**Arquivo:** `04_basic_visualization.py`
|
|
|
|
Crie suas primeiras visualizações:
|
|
- Fazer um gráfico de barras simples
|
|
- Criar um gráfico de linha
|
|
- Gerar um gráfico de pizza
|
|
- Salvar suas visualizações como imagens
|
|
|
|
Aprenda a comunicar suas descobertas visualmente!
|
|
|
|
---
|
|
|
|
### 5. Trabalhando com Dados Reais
|
|
**Arquivo:** `05_real_world_example.py`
|
|
|
|
Coloque tudo em prática com um exemplo completo:
|
|
- Carregar dados reais do repositório
|
|
- Limpar e preparar os dados
|
|
- Realizar análise
|
|
- Criar visualizações significativas
|
|
- Tirar conclusões
|
|
|
|
Este exemplo mostra um fluxo de trabalho completo do início ao fim.
|
|
|
|
---
|
|
|
|
## 🎯 Como Usar Esses Exemplos
|
|
|
|
1. **Comece do início**: Os exemplos estão numerados em ordem de dificuldade. Comece com `01_hello_world_data_science.py` e avance.
|
|
|
|
2. **Leia os comentários**: Cada arquivo tem comentários detalhados explicando o que o código faz e por quê. Leia-os com atenção!
|
|
|
|
3. **Experimente**: Tente modificar o código. O que acontece se você mudar um valor? Quebre as coisas e conserte - é assim que você aprende!
|
|
|
|
4. **Execute o código**: Execute cada exemplo e observe a saída. Compare com o que você esperava.
|
|
|
|
5. **Construa sobre isso**: Depois de entender um exemplo, tente expandi-lo com suas próprias ideias.
|
|
|
|
## 💡 Dicas para Iniciantes
|
|
|
|
- **Não tenha pressa**: Dedique tempo para entender cada exemplo antes de passar para o próximo
|
|
- **Digite o código você mesmo**: Não apenas copie e cole. Digitar ajuda você a aprender e memorizar
|
|
- **Pesquise conceitos desconhecidos**: Se você vir algo que não entende, procure online ou nas lições principais
|
|
- **Faça perguntas**: Participe do [fórum de discussão](https://github.com/microsoft/Data-Science-For-Beginners/discussions) se precisar de ajuda
|
|
- **Pratique regularmente**: Tente codificar um pouco todos os dias, em vez de sessões longas uma vez por semana
|
|
|
|
## 🔗 Próximos Passos
|
|
|
|
Depois de completar esses exemplos, você estará pronto para:
|
|
- Trabalhar nas lições principais do currículo
|
|
- Tentar os exercícios em cada pasta de lição
|
|
- Explorar os notebooks Jupyter para um aprendizado mais aprofundado
|
|
- Criar seus próprios projetos de ciência de dados
|
|
|
|
## 📚 Recursos Adicionais
|
|
|
|
- [Currículo Principal](../README.md) - O curso completo de 20 lições
|
|
- [Para Professores](../for-teachers.md) - Usando este currículo em sala de aula
|
|
- [Microsoft Learn](https://docs.microsoft.com/learn/) - Recursos de aprendizado online gratuitos
|
|
- [Documentação do Python](https://docs.python.org/3/) - Referência oficial do Python
|
|
|
|
## 🤝 Contribuindo
|
|
|
|
Encontrou um erro ou tem uma ideia para um novo exemplo? Aceitamos contribuições! Consulte nosso [Guia de Contribuição](../CONTRIBUTING.md).
|
|
|
|
---
|
|
|
|
**Boa aprendizagem! 🎉**
|
|
|
|
Lembre-se: Todo especialista já foi iniciante. Dê um passo de cada vez e não tenha medo de cometer erros - eles fazem parte do processo de aprendizado!
|
|
|
|
---
|
|
|
|
**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 para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução. |