Destinatários:
Requisitos
Projeto:
Benefícios
Objetivos gerais
- Dominar os conceitos basilares da programação utilizando a linguagem Python;
- Implementar lógica de controlo em programas através de estruturas de decisão e de repetição;
- Utilizar e manipular as principais estruturas de dados em Python, incluindo listas, dicionários, tuplos e conjuntos;
- Desenvolver funções para organizar e reutilizar código de forma eficiente;
- Efetuar operações de leitura e escrita de dados em diversos formatos de ficheiros (CSV, TXT, JSON);
- Utilizar a biblioteca Pandas para o carregamento, exploração inicial e manipulação de dados;
- Calcular e interpretar as principais estatísticas descritivas para caracterizar conjuntos de dados;
- Aplicar técnicas avançadas de limpeza e preparação de dados utilizando a biblioteca Pandas;
- Aplicar os conhecimentos adquiridos na resolução de problemas práticos e no desenvolvimento de um mini-projeto de manipulação e análise básica de dados;
- Selecionar o tipo de gráfico adequado ao objetivo analítico (distribuição, comparação, relação, composição, evolução);
- Criar visualizações estáticas informativas com Matplotlib e Seaborn, aplicando boas práticas de legibilidade e precisão;
- Explorar e comunicar relações e correlações entre variáveis (incluindo matrizes de correlação);
- Personalizar gráficos (títulos, rótulos, escalas, anotações, layouts) e exportar com qualidade para relatório;
- Construir dashboards simples e interativos em Streamlit para apresentar análises, indicadores e visualizações.
Curso Financiado
Este curso é financiado por entidades e planos governamentais.
Conteúdo programático
Machine Learning com Python - Introdução
-
• Fundamentos da Linguagem Python.
• Estruturas de Dados em Python.
• Funções e Módulos.
• Manipulação de Ficheiros. -
• Introdução à Análise de Dados com Pandas.
• Qualidade de Dados: Valores Ausentes e Duplicados.
• Tipos de Dados, Conversões e Datas.
• Agregação, Agrupamento e Resumo.
• Junções.
• Exportação e Registo de Resultados.
• Prática e Projeto. -
• Fundamentos de Visualização com Matplotlib e Seaborn.
• Gráficos Univariados (Distribuição e Dispersão).
• Gráficos Bivariados e Multivariados (Relações e Comparações).
• Personalização e Boas Práticas.
• Análise de Correlação.
• Composição de Layouts e Exportação.
• Dashboards Simples com Streamlit .
• Projeto Prático.