Data-Science-For-Beginners/translations/pt-PT

Data Science para Iniciantes - Um Currículo

Os Advocates do Azure Cloud da Microsoft têm o prazer de oferecer um currículo de 10 semanas, com 20 lições, totalmente dedicado a Data Science. Cada lição inclui questionários pré e pós-lição, instruções escritas para completar a lição, uma solução, e uma tarefa. A nossa pedagogia baseada em projetos permite que aprenda enquanto constrói, uma forma comprovada para novas competências 'ficarem'.

Um enorme obrigado aos nossos autores: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Agradecimentos especiais 🙏 aos nossos autores, revisores e colaboradores de conteúdo do Microsoft Student Ambassador, nomeadamente Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Data Science para Iniciantes - Notas gráficas por @nitya

🌐 Suporte Multilíngue

Suportado via GitHub Action (Automatizado & Sempre Atualizado)

Árabe | Bengali | Búlgaro | Birmanês (Myanmar) | Chinês (Simplificado) | Chinês (Tradicional, Hong Kong) | Chinês (Tradicional, Macau) | Chinês (Tradicional, Taiwan) | Croata | Checo | Dinamarquês | Holandês | Estónio | Finlandês | Francês | Alemão | Grego | Hebraico | Hindi | Húngaro | Indonésio | Italiano | Japonês | Kannada | Coreano | Lituano | Malaio | Malaiala | Marathi | Nepali | Pidgin Nigeriano | Norueguês | Persa (Farsi) | Polaco | Português (Brasil) | Português (Portugal) | Punjabi (Gurmukhi) | Romeno | Russo | Sérvio (Cirílico) | Eslovaco | Esloveno | Espanhol | Suaíli | Sueco | Tagalog (Filipino) | Tamil | Telugu | Tailandês | Turco | Ucraniano | Urdu | Vietnamita

Prefere Clonar Localmente?

Este repositório inclui traduções em mais de 50 idiomas, o que aumenta significativamente o tamanho do download. Para clonar sem as traduções, use o sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Isto dá-lhe tudo o que precisa para concluir o curso com um download muito mais rápido.

Se desejar que sejam suportadas línguas adicionais de tradução, estão listadas aqui

Junte-se à Nossa Comunidade

Temos uma série Discord aprender com IA em curso, saiba mais e junte-se a nós em Learn with AI Series de 18 a 30 de Setembro, 2025. Vai receber dicas e truques para usar o GitHub Copilot para Data Science.

É estudante?

Comece com os seguintes recursos:

• Página Hub do Estudante Nesta página, encontrará recursos para iniciantes, pacotes para estudantes e até formas de obter um voucher de certificação gratuito. Esta é uma página que vai querer adicionar aos favoritos e consultar de tempos a tempos, pois atualizamos o conteúdo pelo menos mensalmente.
• Microsoft Learn Student Ambassadors Junte-se a uma comunidade global de embaixadores estudantis, esta pode ser a sua entrada para a Microsoft.

Começar

📚 Documentação

• Guia de Instalação - Instruções passo a passo para configuração para iniciantes
• Guia de Uso - Exemplos e fluxos de trabalho comuns
• Resolução de Problemas - Soluções para problemas comuns
• Guia de Contribuição - Como contribuir para este projeto
• Para Professores - Orientações para ensino e recursos para sala de aula

👨‍🎓 Para Estudantes

Totalmente Iniciantes: Novo em data science? Comece com os nossos exemplos para iniciantes! Estes exemplos simples, bem comentados, vão ajudá-lo a compreender o básico antes de avançar para o currículo completo. Estudantes: para usar este currículo por sua conta, faça um fork do repositório inteiro e complete os exercícios sozinho, começando com um questionário pré-lecture. Depois leia a aula e complete o resto das atividades. Tente criar os projetos compreendendo as lições em vez de copiar o código da solução; contudo, esse código está disponível nas pastas /solutions em cada lição orientada a projetos. Outra ideia seria formar um grupo de estudo com amigos e percorrem o conteúdo juntos. Para estudo adicional, recomendamos Microsoft Learn.

Início Rápido:

1. Consulte o Guia de Instalação para configurar o seu ambiente
2. Revise o Guia de Uso para aprender a trabalhar com o currículo
3. Comece pela Lição 1 e prossiga sequencialmente
4. Junte-se à nossa comunidade Discord para suporte

👩‍🏫 Para Professores

Professores: incluímos algumas sugestões sobre como usar este currículo. Adoraríamos o seu feedback no nosso fórum de discussão!

Conheça a Equipa

Gif por Mohit Jaisal

🎥 Clique na imagem acima para ver um vídeo sobre o projeto e as pessoas que o criaram!

Pedagogia

Escolhemos dois princípios pedagógicos ao construir este currículo: garantir que é baseado em projetos e que inclui questionários frequentes. No final desta série, os estudantes terão aprendido princípios básicos de ciência de dados, incluindo conceitos éticos, preparação de dados, diferentes formas de trabalhar com dados, visualização de dados, análise de dados, casos de uso reais da ciência de dados e mais.

Além disso, um questionário de baixo risco antes da aula define a intenção do estudante para aprender um tópico, enquanto um segundo questionário após a aula assegura uma maior retenção. Este currículo foi projetado para ser flexível e divertido e pode ser realizado na sua totalidade ou em partes. Os projetos começam pequenos e tornam-se progressivamente mais complexos até ao final do ciclo de 10 semanas.

Consulte as nossas diretrizes de Código de Conduta, Contribuição, Tradução. Agradecemos o seu feedback construtivo!

Cada aula inclui:

• Sketchnote opcional
• Vídeo suplementar opcional
• Questionário de aquecimento pré-aula
• Aula escrita
• Para aulas baseadas em projetos, guias passo a passo sobre como construir o projeto
• Verificações de conhecimento
• Um desafio
• Leitura suplementar
• Trabalho de casa
• Questionário pós-aula

Uma nota sobre os questionários: Todos os questionários estão contidos na pasta Quiz-App, totalizando 40 questionários com três perguntas cada. Estão ligados dentro das aulas, mas a aplicação do questionário pode ser executada localmente ou implementada no Azure; siga as instruções na pasta quiz-app. Estão a ser gradualmente localizados.

🎓 Exemplos Amigáveis para Iniciantes

Novo na Ciência de Dados? Criámos um diretório de exemplos especial com código simples e bem comentado para o ajudar a começar:

• 🌟 Olá Mundo - O seu primeiro programa de ciência de dados
• 📂 Carregar Dados - Aprenda a ler e explorar conjuntos de dados
• 📊 Análise Simples - Calcular estatísticas e encontrar padrões
• 📈 Visualização Básica - Criar gráficos e diagramas
• 🔬 Projeto do Mundo Real - Fluxo completo do início ao fim

Cada exemplo inclui comentários detalhados explicando cada passo, tornando-o perfeito para principiantes absolutos!

👉 Comece com os exemplos 👈

Aulas

Ciência de Dados para Iniciantes: Roteiro - Sketchnote por @nitya

Número da Aula	Tópico	Agrupamento da Aula	Objetivos de Aprendizagem	Aula Ligada	Autor
01	Definição de Ciência de Dados	Introdução	Aprender os conceitos básicos por trás da ciência de dados e como esta está relacionada com inteligência artificial, machine learning e big data.	aula vídeo	Dmitry
02	Ética na Ciência de Dados	Introdução	Conceitos, desafios e estruturas de ética dos dados.	aula	Nitya
03	Definição de Dados	Introdução	Como os dados são classificados e as suas fontes comuns.	aula	Jasmine
04	Introdução à Estatística e Probabilidade	Introdução	As técnicas matemáticas de probabilidade e estatística para compreender os dados.	aula vídeo	Dmitry
05	Trabalhar com Dados Relacionais	Trabalhar com Dados	Introdução aos dados relacionais e ao básico da exploração e análise de dados relacionais com a Structured Query Language, também conhecida como SQL (pronunciado “see-quell”).	aula	Christopher
06	Trabalhar com Dados NoSQL	Trabalhar com Dados	Introdução a dados não relacionais, os seus vários tipos e o básico da exploração e análise de bases de dados de documentos.	aula	Jasmine
07	Trabalhar com Python	Trabalhar com Dados	Noções básicas de utilização de Python para exploração de dados com bibliotecas como Pandas. Recomenda-se uma compreensão básica de programação em Python.	aula vídeo	Dmitry
08	Preparação de Dados	Trabalhar com Dados	Tópicos sobre técnicas de dados para limpeza e transformação dos dados para lidar com desafios de dados em falta, incorretos ou incompletos.	aula	Jasmine
09	Visualização de Quantidades	Visualização de Dados	Aprender a usar Matplotlib para visualizar dados de aves 🦆	aula	Jen
10	Visualização das Distribuições de Dados	Visualização de Dados	Visualização de observações e tendências dentro de um intervalo.	aula	Jen
11	Visualização de Proporções	Visualização de Dados	Visualização de percentagens discretas e agrupadas.	aula	Jen
12	Visualização de Relações	Visualização de Dados	Visualização de conexões e correlações entre conjuntos de dados e as suas variáveis.	aula	Jen
13	Visualizações Significativas	Visualização de Dados	Técnicas e orientações para tornar as suas visualizações valiosas para a resolução eficaz de problemas e obtenção de insights.	aula	Jen
14	Introdução ao ciclo de vida da Ciência de Dados	Ciclo de Vida	Introdução ao ciclo de vida da ciência de dados e o seu primeiro passo de aquisição e extração de dados.	aula	Jasmine
15	Análise	Ciclo de Vida	Esta fase do ciclo de vida da ciência de dados centra-se em técnicas para analisar dados.	aula	Jasmine
16	Comunicação	Ciclo de Vida	Esta fase do ciclo de vida da ciência de dados foca-se na apresentação dos insights dos dados de uma forma que facilite a compreensão por parte dos decisores.	aula	Jalen
17	Ciência de Dados na Cloud	Dados na Cloud	Esta série de aulas introduz a ciência de dados na cloud e os seus benefícios.	aula	Tiffany e Maud
18	Ciência de Dados na Cloud	Dados na Cloud	Treino de modelos usando ferramentas Low Code.	aula	Tiffany e Maud
19	Ciência de Dados na Cloud	Dados na Cloud	Implantação de modelos com Azure Machine Learning Studio.	aula	Tiffany e Maud
20	Ciência de Dados na Prática	Na Prática	Projetos de ciência de dados no mundo real.	aula	Nitya

GitHub Codespaces

Siga estes passos para abrir este exemplo num Codespace:

1. Clique no menu suspenso Código e selecione a opção Abrir com Codespaces.
2. Selecione + Novo codespace na parte inferior do painel. Para mais informações, consulte a documentação do GitHub.

VSCode Remote - Containers

Siga estes passos para abrir este repositório num contentor usando a sua máquina local e o VSCode através da extensão VS Code Remote - Containers:

1. Se esta é a sua primeira vez a usar um contentor de desenvolvimento, por favor assegure-se de que o seu sistema cumpre os pré-requisitos (ex. ter o Docker instalado) na documentação para começar.

Para usar este repositório, pode abrir o repositório num volume Docker isolado:

Nota: Em segundo plano, isto irá utilizar o comando Remote-Containers: Clonar Repositório num Volume de Contentor... para clonar o código fonte num volume Docker em vez do sistema de ficheiros local. Volumes são o mecanismo preferido para persistência de dados do contentor.

Ou abrir uma cópia clonada ou descarregada localmente do repositório:

• Clone este repositório no seu sistema local.
• Pressione F1 e selecione o comando Remote-Containers: Abrir Pasta no Contentor....
• Selecione a cópia clonada desta pasta, aguarde o contentor iniciar e experimente.

Acesso Offline

Pode executar esta documentação offline usando Docsify. Faça um fork deste repositório, instale o Docsify na sua máquina local, depois na pasta raiz deste repositório, digite docsify serve. O website será servido na porta 3000 no seu localhost: localhost:3000.

Nota, os notebooks não serão renderizados via Docsify, por isso quando precisar de executar um notebook, faça isso separadamente no VS Code executando um kernel Python.

Outros Currículos

A nossa equipa produz outros currículos! Veja:

LangChain

Azure / Edge / MCP / Agentes

---

Série de IA Generativa

---

Aprendizagem Fundamental

---

Série Copilot

Obter Ajuda

Está a ter problemas? Consulte o nosso Guia de Resolução de Problemas para soluções aos problemas mais comuns.

Se ficar preso ou tiver dúvidas sobre como construir aplicações de IA, junte-se a outros aprendizes e desenvolvedores experientes nas discussões sobre o MCP. É uma comunidade de apoio onde as perguntas são bem-vindas e o conhecimento é partilhado livremente.

Se tiver feedback sobre produtos ou erros durante a construção, visite:

---

Aviso Legal: Este documento foi traduzido utilizando o serviço de tradução automática Co-op Translator. Embora nos esforcemos pela precisão, por favor tenha em conta que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações erradas decorrentes da utilização desta tradução.