Gostando da prévia?
Esta é a primeira aula gratuita. Tenha acesso completo: solicite uma demo ou faça login.
Python para ciência de dados: iniciante
Aprenda as competências essenciais para escrever código PythonPreview the first lesson free — get full access to all 24 lessons.
Principiante Fornecedor : Nizar Dajani 6 capítulos · 24 lições · 3h 2m em Árabe, Alemão, Inglês, Espanhol, Francês, Português, Chinese
Descrição do curso
Python tornou-se uma linguagem de programação muito popular, especialmente para a ciência de dados. A sua simplicidade de codificação e os conceitos fáceis de usar fazem dela a linguagem de eleição para programadores e não-programadores, como os cientistas de dados. Nos primeiros anos, o Python era utilizado principalmente para a criação de scripts de sistemas e projectos de pequena escala. No entanto, rapidamente ganhou popularidade entre os programadores devido à sua simplicidade, legibilidade e versatilidade. No final dos anos 90 e início dos anos 2000, Python foi usado para uma ampla gama de aplicações, incluindo computação científica, desenvolvimento web e desenvolvimento de jogos.
Neste curso Python para Ciência de Dados, você descobrirá os fundamentos do Python e as habilidades básicas de programação necessárias para usá-lo para a ciência de dados. Essas habilidades fundamentais permitirão que você trabalhe com conjuntos de dados de qualquer tamanho. Você estará escrevendo código em pouco tempo e aproveitando os muitos recursos e ferramentas que vêm com a instalação do Python.
O Que Você Vai Aprender
- Reconhecer as diferentes características do Python e por que se tornou uma linguagem de programação popular
- Explicar como usar dados em Python através de variáveis, tipos de dados, operadores, condicionais, loops e funções
- Aplicar estruturas de dados centrais do Python, incluindo listas, dicionários, tuplas e classes e objetos
- Identificar e usar bibliotecas Python como NumPy e Pandas para trabalho em ciência de dados
- Configurar o ambiente Python baixando e instalando ferramentas como IDLE, PyCharm, Anaconda e Jupyter
- Trabalhar com strings, o módulo Math, requests, arquivos e processos de linha de comando e variáveis
Principais Conclusões
- Python é uma linguagem de programação popular para ciência de dados por causa de sua simplicidade, legibilidade e versatilidade.
- O curso ensina os fundamentos de Python e as habilidades de programação básicas necessárias para usá-lo em ciência de dados.
- Essas habilidades fundamentais permitem que você trabalhe com datasets de qualquer tamanho.
- O curso cobre bibliotecas Python incluindo NumPy e Pandas para tarefas de ciência de dados.
- Os alunos instalam Python e exploram os recursos e ferramentas que acompanham a instalação do Python, como IDLE, PyCharm, Anaconda e Jupyter.
Perguntas Frequentes
Para quem é este curso?
Este curso de Python para Ciência de Dados para iniciantes é adequado para programadores, assim como não-programadores como cientistas de dados que desejam aprender os fundamentos de Python e as habilidades de programação básicas necessárias para usá-lo em ciência de dados.
O que vou aprender neste curso?
Você descobrirá os fundamentos de Python, reconhecerá suas diferentes características, aprenderá como usar dados em Python e identificará as diferentes bibliotecas para usar com Python, incluindo NumPy e Pandas.
Preciso de experiência de programação prévia?
Não. Este é um curso para iniciantes cobrindo os fundamentos de Python, e é descrito como adequado para não-programadores como cientistas de dados, assim como programadores.
Quais tópicos e ferramentas o curso cobre?
O curso cobre a história e popularidade do Python, download e instalação do Python, ferramentas como IDLE, PyCharm, Anaconda e Jupyter, variáveis, tipos de dados, métodos de string, operadores, condicionais, loops, funções, listas, dicionários, tuplas, classes e objetos, requests, o módulo Math, NumPy, Pandas, processos de linha de comando e arquivos.
Quais habilidades vou ganhar com este curso?
Você ganhará habilidades em Literacia de Dados, Linguagem de Manipulação de Dados, Ciência de Dados, Pandas, Python e Scikit-Learn.
