➡️ Desafio de rotatividade de RH @ Data Viking:
Conteúdo
. Análise exploratória sobre turnover de funcionários em uma software house.
➡️ Imersão Python: Do Excel à Análise de Dados @ Alura:
Conteúdo
. Análise de ações na bolsa de valores por meio do Google Sheets e Python, envolvendo raspagem, limpeza, análise descritiva, plotagem de gráficos e previsão de séries temporais com Prophet.
➡️ Curso 'Teste de Hipótese: Estatística do Básico ao Avançado':
Desafios
. Desafio 1: Estatística descritiva; histogramas; gráficos de barras, de dispersão e boxplot;
. Desafio 2: Probabilidade; medidas de tendência central e separatrizes; teste-t para amostras independentes;
. Desafio 3 (continuação do 1º desafio): teste-t para amostras independentes; ANOVA;
. Desafio 4: em construção
➡️ Projeto Satisfação do Consumidor elaborado na Comunidade Mulheres em Dados:
Conteúdo
. Entendimento, carregamento e pré-processamento dos dados sobre consumidores, produtos, vendas e vendedores;
. EDA - análise dos dados resultando nos principais insights sobre o negócio;
. Feature enginnering - engenharia de características e criação do modelo de machine learning a partir das variáveis que mais fazem sentido para o negócio;
. Avaliação e melhorias da performance do modelo de machine learning.
➡️ Casos de feminicídio no estado de São Paulo a partir de janeiro de 2018
Conteúdo
. Projeto que envolve a raspagem (com loop para os próximos resultados publicados), análise exploratória de dados e previsão de casos (por série temporal) de feminicídio no Estado de São Paulo, por meio dos dados estatísticos da Secretaria de Segurança Pública do estado de São Paulo (SSP/SP), a partir de janeiro de 2018.
➡️Análise de mercado de ações
Conteúdo
. Análise e interpretação das ações da Tesla, de 2019 a julho de 2021, inclindo ROI, média móvel, SRI, medidas de assimetria, medidas de curtose e, por fim, um exemplo de estratégia.
➡️ Imersão Dados da Alura - 3ª edição
Conteúdo
. Biblioteca Pandas utilizando dados do ramo de drug discovery;
. Plotagem e estilização com Seaborn e Matplotlib -> histograma, boxplot, countplot; função describe; outliers;
. Correlação e causalidade relacionando dados de experimentos e dados genéticos;
. Combinação de bases de dados com a função Merge e análise da base de dados experimentais e resultados utilizando boxplot;
. Criação de modelo de Machine Learning, utilizando a biblioteca Scikit-Learn, para testar a regressão logística e o funcionamento de uma árvore de decisão.
➡️ Semana Python
Conteúdo
. Automação de Sistemas e Processos com Python
. Limpeza e análise de dados
. Modelos de previsão de vendas
. Automação web e busca de informações com Python
➡️ Exercícios em Python distribuídos em 3 fases de dificuldade
Conteúdo
. Conversão de medidas, cálculo de média, cálculo de área, cálculo de salário;
. Comparações, Apresentação em ordem crescente e decrescente de valores, Cálculos com porcentagem;
. Testes para validação de números e informações em um intervalo, Teste para cadastro de login e senha que não sejam repetidas, Taxa de crescimento populacional, Gerador de Tabuada, Exponenciação, Contagem de números pares e ímpares num intervado dado, Cálculo de aumento salarial, Uso de classes em Python.