Conteúdo do Curso

Desafio de Entrevista em Ciência de Dados

1. Python

Introdução Desafio 1: Compreensão de Lista Desafio 2: Manipulação de Strings Desafio 3: Manipulação de Dicionário Desafio 4: Laços Aninhados Desafio 5: Classes Perguntas Teóricas

2. NumPy

Desafio 1: Criação de Array Desafio 2: Manipulação de Array Desafio 3: Insights Estatísticos Desafio 4: Tratamento de Valores Ausentes Desafio 5: Ordenação de Subarranjo Questões Teóricas

3. Pandas

Desafio 1: Criação de DataFrame Desafio 2: Agrupamento de Dados Desafio 3: Indexação e MultiIndexação Desafio 4: Alterando DataFrame Desafio 5: Iterando Sobre Dados Questões Teóricas

4. Matplotlib

Desafio 1: Fundamentos da Construção de Gráficos Desafio 2: Outros Tipos de Gráficos Desafio 3: Subtramas Desafio 4: Personalizando Gráficos Desafio 5: Adicionando Texto aos Gráficos Questões Teóricas

5. Seaborn

Desafio 1: Visualizando Distribuições Desafio 2: Explorando Dados Categóricos Desafio 3: Gráficos Relacionais Desafio 4: Gráficos de Regressão Desafio 5: Gráficos de Matriz Questões Teóricas

6. Estatísticas

Desafio 1: Probabilidades e Distribuições Desafio 2: Teorema de Bayes Desafio 3: Teste de Hipóteses Desafio 4: Intervalos de Confiança Desafio 5: Correlação Questões Teóricas

7. Scikit-learn

Desafio 1: Escalonamento de Dados Desafio 2: Criação de Modelo Básico Desafio 3: Pipelines Desafio 4: Validação Cruzada Desafio 5: Ajuste de Hiperparâmetros Questões Teóricas

Desafio 3: Indexação e MultiIndexação

Pandas, uma biblioteca indispensável no kit de ferramentas do cientista de dados, oferece recursos de indexação robustos que são integrais para a manipulação e recuperação de dados.

Eficiência: O acesso rápido a dados e a manipulação frequentemente dependem de estratégias inteligentes de indexação, especialmente para conjuntos de dados maiores.
Flexibilidade: Seja indexação básica de linhas/colunas, rótulos hierárquicos ou mesmo indexação baseada em data e hora, o Pandas oferece suporte completo.
Legibilidade: Uma indexação descritiva pode tornar o código mais intuitivo e fácil de seguir, agilizando assim a fase de exploração de dados.

Um sólido entendimento das técnicas de indexação, incluindo a indexação múltipla, pode acelerar tarefas como a recuperação de dados, agregação e reestruturação.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 3. Capítulo 3

Desafio 3: Indexação e MultiIndexação

Pandas, uma biblioteca indispensável no kit de ferramentas do cientista de dados, oferece recursos de indexação robustos que são integrais para a manipulação e recuperação de dados.

Eficiência: O acesso rápido a dados e a manipulação frequentemente dependem de estratégias inteligentes de indexação, especialmente para conjuntos de dados maiores.
Flexibilidade: Seja indexação básica de linhas/colunas, rótulos hierárquicos ou mesmo indexação baseada em data e hora, o Pandas oferece suporte completo.
Legibilidade: Uma indexação descritiva pode tornar o código mais intuitivo e fácil de seguir, agilizando assim a fase de exploração de dados.

Um sólido entendimento das técnicas de indexação, incluindo a indexação múltipla, pode acelerar tarefas como a recuperação de dados, agregação e reestruturação.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 3. Capítulo 3

Desafio 3: Indexação e MultiIndexação

Pandas, uma biblioteca indispensável no kit de ferramentas do cientista de dados, oferece recursos de indexação robustos que são integrais para a manipulação e recuperação de dados.

Eficiência: O acesso rápido a dados e a manipulação frequentemente dependem de estratégias inteligentes de indexação, especialmente para conjuntos de dados maiores.
Flexibilidade: Seja indexação básica de linhas/colunas, rótulos hierárquicos ou mesmo indexação baseada em data e hora, o Pandas oferece suporte completo.
Legibilidade: Uma indexação descritiva pode tornar o código mais intuitivo e fácil de seguir, agilizando assim a fase de exploração de dados.

Um sólido entendimento das técnicas de indexação, incluindo a indexação múltipla, pode acelerar tarefas como a recuperação de dados, agregação e reestruturação.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Obrigado pelo seu feedback!

Pandas, uma biblioteca indispensável no kit de ferramentas do cientista de dados, oferece recursos de indexação robustos que são integrais para a manipulação e recuperação de dados.

Eficiência: O acesso rápido a dados e a manipulação frequentemente dependem de estratégias inteligentes de indexação, especialmente para conjuntos de dados maiores.
Flexibilidade: Seja indexação básica de linhas/colunas, rótulos hierárquicos ou mesmo indexação baseada em data e hora, o Pandas oferece suporte completo.
Legibilidade: Uma indexação descritiva pode tornar o código mais intuitivo e fácil de seguir, agilizando assim a fase de exploração de dados.

Um sólido entendimento das técnicas de indexação, incluindo a indexação múltipla, pode acelerar tarefas como a recuperação de dados, agregação e reestruturação.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Seção 3. Capítulo 3

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo