1. prática orientada
2. Saber quais ferramentas são inicialmente necessárias para o Cientista de Dados
2.1. Programar
2.1.1. R
2.1.1.1. Pontos Positivos e Negativos
2.1.2. SAS
2.1.2.1. Pontos P/N
2.1.3. Python
2.1.3.1. A escolha mais Indicada
2.2. Bancos de Dados
2.2.1. Entender o Processo
2.2.2. Conexão
2.2.3. Tipos de BD
2.2.3.1. no-Sql
2.2.3.2. SQL
2.3. Visualização de Dados
2.3.1. Power BI
2.3.2. Plotly
2.3.3. nativas
2.3.3.1. matplot
2.3.3.2. seaborn
2.3.3.3. pywedge
2.4. Framework de Implementação
2.4.1. Deploy Flask
2.4.2. Streamlit
3. Como Aprender de forma prática o trabalho do Cientista de Dados" (Seguindo Método)
4. A forma mais rápida para aprender Ciência de Dados" (buscando um Mentor)
5. https://mm.tt/1735362937?t=JqZvXKhp6S
6. Curioso
6.1. Questionador
7. Manipula dados
7.1. 80% do trabalho
7.1.1. Conexão
7.1.1.1. Python
7.1.2. Limpeza
7.1.3. Transformação dos Dados
7.1.3.1. Python
7.1.4. Sumarizações
7.1.5. Estatística
8. Cria Sistemas e Aplicações
8.1. Sistema WEB
8.1.1. Sistema construído com a Máquina Preditiva
8.1.1.1. dentro da empresa
8.1.1.2. Sistema de Classificação de Risco do Cliente
8.2. Aplicação de Machine Learning
8.2.1. Um Produto que inclui a Máquina Preditiva
8.2.1.1. Venda Externa
8.2.1.1.1. Aplicação de Reconhecimento Facial
9. Entender o que realmente faz um Cientista de Dados"
9.1. SoftSkills
9.1.1. Analítico
9.1.1.1. Entender o Problema
9.1.1.2. Organização
9.1.1.2.1. Pensamento estruturado
9.1.1.3. Mapas Mentais
9.1.1.4. ToDo
9.1.1.4.1. capacidade de expressar os dados em um formato que seja compreensível pelas partes
9.1.1.5. Habilidades de narrativa
9.1.2. Constrói Máquinas Preditivas
9.1.2.1. ML
9.1.2.1.1. Algoritmos
9.1.2.2. DL
9.1.2.2.1. Frameworks
9.1.2.3. Funções de Generalizações
9.1.2.3.1. Naive Bayes
9.1.2.3.2. SVM
9.1.2.3.3. Métodos Baseados em Árvore de Decisão
9.2. Conhecer detalhes do Negócio
9.3. Apresenta os dados
9.3.1. Pra onde os n°s nos levam
9.3.2. Dashboards
9.3.3. Faz o Storytelling
9.3.3.1. O que os Dados dizem
9.3.4. Visualizações
9.3.4.1. BI
9.3.4.1.1. Gráficos
10. Entender Qual é o caminho a percorrer para ser um Cientista de Dados
10.1. Seguir o GPS
10.1.1. Buscar Skills Básicas
10.1.1.1. Programação Python orientada a Ciência de Dados
10.1.1.2. Estatística basica/mat basica
10.1.2. Ferramentas
10.1.2.1. Conexão com Dados
10.1.2.2. Exploração dos Dados
10.1.2.3. Transformação dos Dados
10.1.2.3.1. Visualização dos Dados
10.1.3. Criação de Máquinas Preditivas
10.1.3.1. Deploy
10.1.3.2. Dashboards
10.1.4. Implementação das Máquinas Preditivas
10.1.5. SoftSkills
10.1.5.1. curioso
10.1.5.1.1. Pensamento estruturado
10.1.5.2. organizado