Junho 18, 2019

Curso de Python para Machine Learning e Ciência de Dados Gratuito

A linguagem Python é uma das mais utilizadas no mundo, e vem crescendo vertiginosamente graças às suas aplicações nos ramos de inteligência artificial (IA) e ciência de dados.

Porém, Python é uma linguagem de propósito geral, isso significa que ela serve para as mais diversas aplicações. Então se o seu objetivo é aprender machine learning, ciência de dados e áreas afins, precisa aprender tudo sobre Python? A resposta é não! Você não precisa ser um especialista em Python para ser um bom profissional de machine learning ou cientista de dados.

A verdade é que existem alguns comandos em Python que você precisará conhecer para poder manipular tabelas, arquivos, etc. de maneira que você consiga trabalhar com o conjunto de dados que você quer analisar. É justamente para isso que criamos esse curso gratuito de Python para Machine Learning e Análise de Dados.

Nesse curso, você vai estudar Python focado para essas aplicações. O objetivo é que você aprenda todos os comandos e conceitos necessários para conseguir deslanchar depois no aprendizado de machine learning, sem sofrimentos.

Inclusive, em nosso curso de machine learning, você pode aprender os conceitos de machine learning ao mesmo tempo em que aprende Python, para motivar ainda mais sua evolução.

Caso você não saiba nada sobre Python, recomendamos que assista primeiro o mini curso básico de Python, pois serve como pré-requisito para esse curso de Python para machine learning.

Nosso método de ensino valoriza a didática acima de tudo, ou seja, o mais importante para nós é que você entenda o que está fazendo e realmente aprenda, sem ficar com lacunas no aprendizado ou dúvidas que atrapalham e desestimulam.

Todos os vídeos abaixo estão em nosso canal do Youtube, em uma playlist organizada. Aliás, você pode se inscrever para acompanhar em primeira mão vídeos relacionados a inteligência artificial, ciência de dados e tecnologia.

Aula 1 – Como estudar Python para machine learning

Objetivos: explicar como o curso foi estruturado, os pré-requisitos e como você pode estudar esse material.

Aula 2 – Criando estruturas em Listas

Objetivos: aprender como criar e manipular listas dentro do Python, filtrar elementos de uma lista, criar estruturas de repetição for e utilizar o comando append dentro de listas.

Aula 3 – Transformando o type dos dados (float e int)

Objetivos: mudar o type de elementos dentro de listas.

Aula 4 – O que são tuplas

Objetivos: aprender comandos extras de manipulação de listas e compreender o que é uma tupla, sua diferença em relação à lista e sua utilidade prática.

Aula 5 – Dicionários em Python

Objetivos: aprender o que são dicionários, para que servem e como criar na prática, juntamente com comandos de manipulação e edição de dicionários.

Aula 6 – Manipulando strings

Objetivos: aprender comandos úteis para filtrar, editar e manipular variáveis do tipo string em python, além das operações básicas já ensinadas no curso para iniciantes.

Aula 7 – Função lambda (funções anônimas)

Objetivo: conhecer o conceito de função anônima, utilizar o comando lambda para criar códigos de funções que não necessitam da palavra reservada def.

Aula 8 – Função map()

Objetivos: utilizar a função map para aplicar determinada função criada a um conjunto de dados informado.

Aula 9 – List Comprehension

Objetivos: conhecer a notação simplificada de função por meio da técnica de list comprehension.

Aula 10 – O pacote Numpy

Objetivo: conhecer um dos pacotes mais úteis para o ramo do aprendizado de máquina e inteligência artificial (o Numpy costuma ser abreviado como np), aprender a realizar cálculos com matrizes e criar arrays de várias dimensões com essa biblioteca.

Aula 11 – Como abrir arquivos usando o Pandas

Objetivos: aprender a carregar arquivos .csv ou excel do seu computador para dentro da IDE Jupyter Notebook utilizando o pacote Pandas.

Aula 12 – Introdução ao Pandas

Objetivo: compreender o que é o pacote Pandas, para que serve, o que é um objeto do tipo Series do Pandas e como utilizar os recursos dessa biblioteca no ramo do machine learning e ciência de dados.

Aula 13 – Comandos úteis do Pandas

Objetivos: conhecer alguns comandos simples e úteis como
head() – que mostra as primeiras linhas do dataframe, describe() – que calcula a média, o desvio padrão e os percentis do dataframe criado, entre outros.

Aula 14 – Filtrando linhas e colunas no Pandas

Objetivos: aprender como realizar buscas e atribuições específicas com linhas e com colunas nos dataframes criados com o pacote Pandas. Essas técnicas são também conhecidas como slicing (do inglês “fatiamento”).

Aula 15 – Manipulando linhas com o Pandas

Objetivos: aprender como realizar operações úteis com as linhas de um dataframe pandas.

Aula 16 – Manipulando colunas com o Pandas

Objetivos: aprender como mudar os nomes das colunas de um dataframe Pandas, como atribuir dados de uma coluna para outra variável, como contabilizar os valores únicos dentro de uma coluna (comando value_counts()), entre outros.

Aula 17 – Como excluir colunas no Pandas

Objetivos: saber como excluir uma coluna específica utilizando o comando drop().

Aula 18 – Como criar histogramas

Objetivos: aprender a criar gráficos de histogramas utilizando linguagem Python, o pacote Pandas e o pacote Matplotlib.

Aula 19 – O que é um boxplot e como calcular

Objetivos: entender o conceito de boxplot (teórico) utilizando matemática, para posteriormente poder criar o código em Python para programar a criação desse tipo de gráfico. Esse conceito depende do conceito de quartil e percentil (o vídeo de pré-requisito é recomendado no início dessa aula).

Aula 20 – Criando boxplot usando Python

Objetivos: utilizar linguagem de programação para criar um diagrama de caixa em Python, mostrando o gráfico de uma ou mais variáveis ao mesmo tempo.

Aula 21 – Criando e visualizando gráficos em Python com o Matplotlib

Objetivos: criar os primeiros gráficos utilizando um pacote específico para visualização de dados chamado matplotlib, que por sua vez possui o pacote pyplot. O pyplot foi criado com o objetivo de ser uma biblioteca open source que apresentasse recursos semelhantes ao software licenciado Matlab.

Aula 22 – Como trabalhar com dados faltantes (missing NaN) em um dataset

Objetivo: aprender comandos úteis para substituir dados faltantes pela média ou pela mediana em um conjunto de dados, bem como utilizar o comando dropna() para deletar todas as linhas que possuem algum dado faltando. Muitos conjuntos de dados que você precisará analisar irá ter lacunas de pontos que não foram preenchidos. Essa aula mostrará como contornar esse tipo de problema.

Aula 23 (opcional) – Como instalar a IDE Pycharm

Objetivos: realizar o download e instalação de outra IDE (PyCharm), para ter uma opção extra de onde rodar códigos Python.

Aula 24 – Seu primeiro código de Machine Learning com Python

Objetivos: utilizar na prática um algoritmo de machine learning poderoso para classificar os dados.

Confira também a lista completa com todos os nossos cursos: