Nível: introdutório | Tipo: orientação | Duração estimada de leitura: 20 minutos

Por que este curso existe

Vivemos num momento em que dados são produzidos em escala sem precedente. Empresas, governos, pesquisadores e até pessoas físicas geram e consomem dados o tempo todo. Saber ler, questionar, limpar e comunicar dados deixou de ser uma habilidade técnica de nicho e passou a ser uma competência profissional fundamental, comparável à escrita ou ao raciocínio lógico.

O problema é que a maioria dos cursos ou é teórica demais — ensina estatística sem tocar em dados reais — ou é prática demais sem explicar o porquê das decisões. Este curso tenta equilibrar os dois lados: cada aula apresenta um conceito, mostra como ele funciona na prática com código Python, e termina com exercícios que forçam você a pensar, não apenas copiar.

O objetivo final não é que você memorize funções de biblioteca. É que você desenvolva um modo de pensar analítico: a capacidade de olhar para um conjunto de dados, formular uma pergunta útil, encontrar a resposta de forma rigorosa e comunicar o resultado de forma clara.

A quem este curso se destina

Este curso é intermediário. Isso significa que ele não ensina Python do zero nem estatística básica do início. Antes de começar, você precisa ter:

  • Noções de Python: variáveis, listas, dicionários, funções, loops e leitura/escrita de arquivos.
  • Estatística básica: média, mediana, desvio padrão, distribuições, o que é uma amostra versus população.
  • Álgebra elementar: manipulação de equações, notação de somatório.
  • SQL básico: SELECT, WHERE, GROUP BY, JOIN.
  • Inglês de leitura: a documentação das bibliotecas que usaremos é em inglês.

Se você tem dúvidas sobre algum desses pontos, vale pausar e revisar antes de continuar. A Aula 1 já usa Python com pandas e assume que você sabe navegar no ambiente.

Estrutura completa do curso

O curso tem 20 aulas, numeradas de 0 a 19. A Aula 0 é esta, de planejamento. As demais cobrem os tópicos do programa Data Analyst em sequência crescente de complexidade.

Aula 0 — Planejamento, objetivos e mapa do curso (esta aula)

Fase 1 — Fundamentos do processo de análise (~14 horas)

Aula 1 — O processo de análise de dados: as cinco etapas Aula 2 — Jupyter Notebook: ambiente, atalhos e boas práticas Aula 3 — Primeiros passos com pandas: carregando e inspecionando dados Aula 4 — Manipulação de dados com pandas: filtragem, ordenação e reshape Aula 5 — NumPy: arrays, operações vetorizadas e performance Aula 6 — Comunicando resultados: estatísticas descritivas e visualizações básicas com pandas Aula 7 — Projeto 1: investigação de dataset (orientação e entrega)

Fase 2 — Wrangling avançado de dados (~15 horas)

Aula 8 — Introdução ao data wrangling: o que é e por que importa Aula 9 — Coleta de dados: CSV, JSON, APIs e web scraping básico Aula 10 — Avaliação de dados: qualidade, completude e problemas estruturais Aula 11 — Limpeza de dados: correção, imputação e validação Aula 12 — Limitações e vieses nos dados Aula 13 — Projeto 2: wrangling de dados reais (orientação e entrega)

Fase 3 — Visualização e comunicação (~15 horas)

Aula 14 — Princípios de design de visualizações Aula 15 — Exploração univariada com matplotlib e seaborn Aula 16 — Exploração bivariada: relações entre variáveis Aula 17 — Exploração multivariada: três ou mais variáveis Aula 18 — Visualizações explicativas: do exploratório ao apresentável Aula 19 — Projeto 3: comunicar descobertas (orientação, apresentação e encerramento)

Total: 20 aulas, 3 projetos, aproximadamente 43 horas de estudo ativo.

Como cada aula funciona

Todas as aulas seguem o mesmo formato:

  1. Cabeçalho com número, título, fase, duração estimada e pré-requisitos da aula.
  2. Introdução em texto explicando o conceito central e por que ele importa.
  3. Desenvolvimento em seções de texto, com blocos de código Python marcados em markdown onde aplicável.
  4. Resumo dos pontos principais.
  5. Cinco exercícios — alguns teóricos, alguns de código — com respostas comentadas logo abaixo.
  6. Referências: documentação oficial, livros e artigos para quem quiser ir além.

O código nos exemplos sempre usa Python 3.10 ou superior, pandas 2.x e matplotlib 3.x. Quando houver diferenças relevantes de versão, serão apontadas.

Como estudar este curso de forma eficaz

Algumas recomendações práticas baseadas em como adultos aprendem melhor.

Não leia passivamente. Sempre que aparecer um bloco de código, abra um Jupyter Notebook e execute você mesmo. Modificar o código, quebrar de propósito, consertar — esse ciclo é onde o aprendizado acontece de verdade.

Faça os exercícios antes de ver as respostas. Mesmo que você erre, o esforço de tentar antes de ver a solução consolida o conteúdo de forma muito mais eficiente do que ler a resposta diretamente.

Mantenha um dataset pessoal. A partir da Aula 3, escolha um conjunto de dados que te interesse — pode ser sobre esportes, música, finanças, saúde pública, qualquer coisa — e aplique cada técnica nova nele, paralelamente aos exemplos das aulas.

Respeite o ritmo. O curso foi desenhado para ser feito em sessões de 1 a 2 horas. Tentar absorver três aulas num fim de semana funciona menos do que fazer uma aula por dia com consistência.

Registre suas dúvidas. Anote o que não ficou claro e pergunte. Dúvidas não resolvidas na Fase 1 aparecem como buracos na Fase 2 e se tornam obstáculos reais na Fase 3.

Ferramentas que você vai precisar

Você vai precisar de um ambiente Python funcional com as seguintes bibliotecas instaladas: jupyter, numpy, pandas, matplotlib e seaborn.

A forma mais simples de instalar tudo de uma vez é via Anaconda, que já inclui todas essas bibliotecas:

# Instalação via conda (recomendado para iniciantes)
conda install jupyter numpy pandas matplotlib seaborn

Se preferir pip:

pip install jupyter numpy pandas matplotlib seaborn

Para verificar se está tudo instalado corretamente, abra um terminal, inicie o Python e tente importar as bibliotecas:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
print("Tudo certo!")

Se não aparecer nenhum erro, você está pronto para a Aula 1.

O que você será capaz de fazer ao final

Ao concluir as 20 aulas e os 3 projetos, você será capaz de:

  • Formular perguntas analíticas a partir de dados brutos.
  • Coletar dados de diversas fontes (arquivos, APIs, web).
  • Avaliar a qualidade de um dataset e identificar problemas.
  • Limpar e transformar dados usando pandas e NumPy.
  • Criar visualizações exploratórias e explicativas com matplotlib e seaborn.
  • Comunicar descobertas para um público não técnico com clareza e rigor.
  • Reconhecer limitações dos dados e evitar conclusões precipitadas.

Essas habilidades correspondem ao nível de entrada de uma posição de Analista de Dados Júnior ou Analista de Business Intelligence no mercado de trabalho atual.

Exercícios

  1. Qual a diferença entre análise de dados exploratória e análise confirmatória? Em qual fase deste curso cada uma aparece com mais ênfase?

    ✓ Resposta:

    A análise exploratória (EDA — Exploratory Data Analysis) é aberta: você olha para os dados sem hipóteses fixas, tentando descobrir padrões, anomalias e relações que não eram esperadas. A análise confirmatória parte de uma hipótese prévia e usa testes estatísticos para verificar se os dados a sustentam ou refutam.

    Neste curso, a EDA é o foco central das Fases 1 e 3. A análise confirmatória aparece de forma introdutória na Fase 1 (estatísticas descritivas e distribuições) e será aprofundada em cursos mais avançados, como os de inferência estatística. O programa Data Analyst da Udacity em que este curso se baseia é essencialmente um curso de EDA.

  2. Por que Python se tornou a linguagem dominante para análise de dados, em vez de linguagens como R, Java ou C++?

    ✓ Resposta:

    R é excelente para estatística, mas tem curva de aprendizado mais íngreme para quem vem de programação geral e um ecossistema mais restrito fora do campo acadêmico/estatístico. Java e C++ são linguagens compiladas, de propósito geral, com muito mais verbosidade para tarefas analíticas — elas exigem muito mais código para fazer o que pandas faz em uma linha.

    Python combina sintaxe simples e legível, um ecossistema de bibliotecas científicas maduro (NumPy, pandas, matplotlib, scikit-learn, etc.), uso generalizado tanto na academia quanto na indústria, e integração fácil com sistemas de produção e APIs. Isso o tornou a língua franca da ciência de dados a partir da década de 2010.

  3. O que significa dizer que um dado tem "viés"? Dê um exemplo concreto de um dataset que você poderia coletar na sua vida cotidiana que teria viés embutido.

    ✓ Resposta:

    Um dado tem viés quando o processo de coleta favorece sistematicamente certos resultados em detrimento de outros, fazendo com que a amostra não represente bem a população que você quer estudar.

    Exemplo: se você quer estudar a satisfação dos clientes de um restaurante e coleta dados apenas pelos comentários do Google Maps, você terá um viés de seleção: pessoas que escrevem avaliações online tendem a ser aquelas com experiências extremas — muito positivas ou muito negativas. Clientes com experiência mediana raramente comentam. Seu dataset vai superestimar a polarização e não representará a experiência típica.

  4. Quais são os pré-requisitos listados para este curso? Avalie honestamente seu nível em cada um numa escala de 1 (não sei nada) a 5 (domino bem). Onde estão seus pontos mais fracos?

    ✓ Resposta:

    Este é um exercício de autoavaliação individual. Não há resposta certa. Os pré-requisitos são: Python básico, estatística inferencial, álgebra elementar, SQL básico e inglês de leitura. O objetivo é identificar onde você precisa revisar antes de avançar. Se você se deu nota 1 ou 2 em Python, por exemplo, vale gastar uma semana em um curso introdutório de Python antes de começar a Aula 1. Ignorar lacunas de pré-requisito é a principal causa de desistência em cursos intermediários.

  5. Por que o curso termina com projetos práticos em vez de apenas provas teóricas? O que um projeto avalia que uma prova de múltipla escolha não consegue avaliar?

    ✓ Resposta:

    Provas de múltipla escolha avaliam bem o reconhecimento de conceitos — se você sabe o nome das coisas, suas definições e quando elas são usadas em situações padronizadas. O que elas não avaliam é a capacidade de tomar decisões analíticas diante de ambiguidade.

    Em um projeto com dados reais, você precisa escolher que perguntas fazer (não há perguntas prontas), decidir como tratar dados faltantes (não há resposta única correta), escolher que tipo de visualização comunica melhor e justificar suas decisões. Esse processo imita o que um analista faz no trabalho todos os dias. É isso que os projetos avaliam: raciocínio analítico aplicado, não memorização de sintaxe.

Referências

  • McKinney, Wes. Python for Data Analysis, 3ª edição. O'Reilly, 2022. O livro de referência do criador do pandas. Cobre pandas e NumPy em profundidade. Disponível gratuitamente online em wesmckinney.com/book
  • VanderPlas, Jake. Python Data Science Handbook. O'Reilly, 2016. Excelente introdução a NumPy, pandas, matplotlib e scikit-learn. Disponível em jakevdp.github.io/PythonDataScienceHandbook
  • Tukey, John W. Exploratory Data Analysis. Addison-Wesley, 1977. O livro que definiu o campo da análise exploratória. Pesado, mas fundamental para entender a filosofia por trás da EDA.
  • Documentação oficial do pandas: pandas.pydata.org/docs Sempre a referência mais atualizada.
  • Documentação oficial do NumPy: numpy.org/doc
  • Programa Data Analyst — Udacity: udacity.com/course/data-analyst-nanodegree--nd002 O programa que originou o plano de estudos deste curso.