Avaliação de dados: qualidade, completude e problemas estruturais
Fase 2 — Wrangling avançado | Pré-requisitos: Aulas 0 a 9 | Duração estimada: 80 minutos
Categoria
Data Analyst
Análise de dados de ponta a ponta: Jupyter, pandas, NumPy, data wrangling, limpeza, vieses e visualização exploratória e explicativa com Matplotlib e seaborn. 20 aulas.
Limpeza de dados: correção, imputação e validação
Fase 2 — Wrangling avançado | Pré-requisitos: Aulas 0 a 10 | Duração estimada: 90 minutos
Limitações e vieses nos dados
Fase 2 — Wrangling avançado | Pré-requisitos: Aulas 0 a 11 | Duração estimada: 70 minutos
Projeto 2: wrangling de dados reais
Fase 2 — Wrangling avançado | Pré-requisitos: Aulas 0 a 12 | Tipo: projeto prático | Duração estimada: 4 a 6 horas
Princípios de design de visualizações
Fase 3 — Visualização e comunicação | Pré-requisitos: Aulas 0 a 13 | Duração estimada: 70 minutos
Exploração univariada com matplotlib e seaborn
Fase 3 — Visualização e comunicação | Pré-requisitos: Aulas 0 a 14 | Duração estimada: 80 minutos
Exploração bivariada: relações entre variáveis
Fase 3 — Visualização e comunicação | Pré-requisitos: Aulas 0 a 15 | Duração estimada: 85 minutos
Exploração multivariada: três ou mais variáveis
Fase 3 — Visualização e comunicação | Pré-requisitos: Aulas 0 a 16 | Duração estimada: 85 minutos
Visualizações explicativas: do exploratório ao apresentável
Fase 3 — Visualização e comunicação | Pré-requisitos: Aulas 0 a 17 | Duração estimada: 85 minutos
Projeto 3: comunicar descobertas
Fase 3 — Visualização e comunicação | Pré-requisitos: Aulas 0 a 18 | Tipo: projeto final | Duração estimada: 5 a 7 horas