escola online das profissões
mais procuradas

cientista de dados

aprenda uma nova especialidade do zero. Obtendo todo o conhecimento que você precisa, será capaz de trabalhar com bibliotecas e bancos de dados, criar sistemas de recomendação e resolver problemas reais utilizando redes neurais.
curso online

do zero ao pro

-40%
até 23 de janeiro

2 cursos

em um programa

8 meses

aprendendo na prática

treinamento

com dados reais

5 projetos

em portfólio
4 mês de estudo
Você pode comecar a aplicar para vagas ou fazer trabalhos independentes a partir do
cientista de Dados a profissão mais sexy do século 21 e bem pago
fonte: hbr.org Harvard Business Review
salário de um especialista em processamento de dados com experiência de trabalho:
essas empresas já procuram cientistas de dados:
R$ 6.000
menos de um ano
R$ 7.500
de três a cinco anos
de acordo com glassdoor.com,
2.704
vagas no Linkedin
Amazon
Itau Unibanco
Oracle
IBM
Bayer
para quem é o curso
para iniciantes
se você sonha com uma profissão de TI moderna e exigente, mas não sabe por onde começar, esta é sua chance de entrar no setor.
para devs
você trabalha como programador, mas deseja se envolver ainda mais e crescer profissionalmente. O curso fornecerá uma boa base para a transição para ciência de dados e análise de Big data.
para analistas
você já tem experiência e quer se aprimorar naquilo que ama. No curso, você aprenderá como obter o máximo de grandes conjuntos de dados, testar hipóteses e fazer previsões rapidamente.
01
02
03
seu conhecimento depois do curso
você aprenderá a sintaxe do Python e como escrever um código conciso que qualquer desenvolvedor possa entender.
código
domine a programação orientada a objetos e seja capaz de desenvolver programas modulares.
programas
entenda a diferença de bancos de dados relacionais e não relacionais, você será capaz de gerenciar grandes quantidades de dados.
base de dados
aprenda a trabalhar com um sistema de controle de versão distribuído - faça alterações em um projeto simultaneamente com outros desenvolvedores.
git
domine os métodos de depuração e teste - você pode encontrar e corrigir o menor erro em seu próprio código ou no código de outra pessoa.
teste
familiarize-se com a interação cliente-servidor, domine solicitações GET e POST e API - aprenda a criar aplicativos de web.
internet
seu conhecimento depois do curso
Especialistas de Recursos Humanos irão responder às perguntas dos nossos alunos, selecionarão as melhores vagas e ajudarão cada aluno a conseguir o emprego dos sonhos!
Gisele Sales Custódio de Menezes
Head do Centro de Carreiras
webinars ao vivo do Centro de Carreiras
auxílio para preparar seu currículo e portfólio
canais exclusivos de vagas
centro de carreiras Mentorama
programação
28 h.
de teoria
40 h.
de prática
01
cientista de dados do zero
módulo 1 - O mundo de dados
  • A era da informação
  • Introdução à ciência de dados
  • Introdução a Python
  • Instalação do ambiente
Tarefa: Quiz de fixação e atividade prática – Preparação do ambiente de trabalho pessoal e criar um notebook com células markdown e código simples.
módulo 2 - Fundamentos básicos de Python 1
  • Variáveis
  • Operadores
  • Estruturas básicas de dados
Tarefa: Quiz de fixação e atividade prática – criação de diferentes tipos de variáveis, expressões, estruturas de dados e conversão entre tipos de dados.
módulo 3 - Fundamentos básicos de Python 2
  • Estruturas de decisão e repetição
  • Métodos e funções
  • Módulos e pacotes
  • Introdução à orientação a objetos em Python
  • Tratamento de erros
Tarefa: Quiz de fixação e atividade prática – construção de funções para verificação de números pares; implementação de módulo customizado baseado em uma função que gere números aleatórios empregando métodos de detecção de erros e exceções, por fim criação de classes e atributos.
módulo 4 – Trabalhando com bancos de dados
  • Conexão com banco de dados: SQLite3 e MongoDB
  • Trabalho com banco de dados
  • Leitura e gravação de dados
Tarefa: Quiz de fixação e atividade prática –Quiz de fixação e atividade prática – criação de tabelas de dados com diferentes atributos e registros; e, query de pesquisa e operações nos bancos de dados.
módulo 5 – Bibliotecas: NumPy e pandas
  • Overview sobre as bibliotecas
  • Trabalhando com NumPy
  • Trabalhando com pandas
Tarefa: Quiz de fixação e atividade prática – Quiz de fixação e atividade prática – criação de dataframe com pandas, criação e manipulação de arrays, cálculo de média para variáveis do dataframe, usando função map, aplicação de filtros e criação de função para divisão dos dados.
módulo 6 – Análise e visualização de dados
  • Estatística descritiva: teoria
  • Estatística descritiva: prática
  • Visualização de dados com Matplotlib
Tarefa: Quiz de fixação e atividade prática – exploração da relação entre variáveis usando dois conjuntos de dados diferentes e implementação de gráficos.
módulo 7 – Pré-processamento de dados
  • Preenchimento de dados faltantes
  • Normalização de dados
  • Detecção de outliers
Tarefa: Quiz de fixação e atividade prática – aplicação das técnicas para pré-processamento dos dados, identificação de outliers, aplicação de one-hot-encoding e criação de função para processar o conjunto de dados.
módulo 8 – Fundamentos de machine learning
  • O que é machine learning
  • Principais desafios ao se trabalhar com machine learning
  • Fundamentos básicos de machine learning
Tarefa: Quiz de fixação e atividade prática – escolha da variável alvo, implementação de diferentes modelos para predizer os crimes que acontecem em uma determinada cidade considerando os conjuntos de treino, validação e teste, além do controle sobre o overfitting e underfitting.
módulo 9 – Machine learning na prática
  • Trabalhando em um projeto de data science com machine learning de ponta a ponta
  • Fundamentos de modelos de regressão
Tarefa: Quiz de fixação e atividade prática – extração de informações a partir da análise exploratória seguida do pré-processamento das variáveis, implementação de diferentes modelos de regressão utilizando a validação cruzada e o coeficiente de determinação (R2) como métrica, por fim, criação de gráficos para sumarizar os resultados obtidos.
módulo 10 – Modelos de classificação
  • Principais classificadores
  • Métricas para classificação
  • Análise de resultados
Tarefa: Quiz de fixação e atividade prática – construção de um algoritmo para predição de dígito par ou impar utilizando o conjunto de dados MNIST, diferentes métricas de performance, KNN, validação cruzada e curvas ROC.
módulo 11 – Implementando modelos de machine learning do zero
  • Regressão linear
  • Regressão polinomial
  • Regularização
  • Regressão logísticа
Tarefa: Quiz de fixação e atividade prática – separação do dataset, implementação de modelos de regressão linear e logística considerando a otimização de parâmetros, regularização e modelos polinomiais com scikit-learn.
módulo 12 – Modelos de árvores e ensembles
  • Árvores de decisão
  • Random forest
  • Modelos de boosting
Tarefa: Quiz de fixação e atividade prática – implementação de modelos para predizer o preço de imóveis utilizando o grid-search e diferentes modelos de árvores e ensembles.
módulo 13 – Clusterização
  • Aprendizado não supervisionado
  • K-Means
  • Métricas para K-Means
  • DBSCAN
Tarefa: Quiz de fixação e atividade prática – implementação de clusters RFM (recency, frequency e monetary) para analisar a segmentação de clientes da base de dados a fim de encontrar os clientes mais e menos valiosos.
módulo 14 – Aplicações: detecção de anomalias
  • Fundamentação estatística para a aplicação
  • Modelos não supervisionados para a detecção de anomalias
Tarefa: Quiz de fixação e atividade prática – construção e avaliação de classe para detecção de anomalias testando diferentes modelos (limiares) para melhor descrição dos dados e comparação com modelos de classificação binária para o mesmo tipo de problema.
módulo 15 – Aplicações: sistemas de recomendação
  • Recomendações baseadas nos usuários
  • Recomendações baseadas nos produtos
  • Métricas de avaliação
Tarefa: Quiz de fixação e atividade prática – implementação e avaliação de filtros colaborativos: fatoração matricial.
módulo 16 – Gerenciamento de projetos de dados
  • O que é um projeto de ciência de dados
  • Ciclo de vida de um projeto de ciência de dados
  • Definição das fases de desenvolvimento e deploy de um modelo
  • Boas práticas: organização de arquivos, nomenclatura, documentação e versionamento
  • Monitoramento
Tarefa: Quiz de fixação.
02
cientista de dados PRO
módulo 1 – Importantes tópicos iniciais
  • Introdução a ciência de dados PRO
  • Revisão de tópicos importantes
  • Lidando com o negócio
  • Inteligência Artificial, ética e responsabilidade
  • Cientista e seu ambiente de trabalho
  • Preparando o ambiente para o curso
Tarefa: Leitura e interpretação do artigo “Data Science and the art of persuasion” para ilustrar o terceiro pilar para o cientista de dados: o negócio.
módulo 2 – Introdução às redes neurais I
  • Introdução ao conceito
  • Estrutura de componentes das redes neurais
  • Treinamento de redes neurais
  • Instalação de TensorFlow 2
  • Redes neurais na prática
  • Usando o Tensorboard
Tarefa: identificação e avaliação da composição de uma rede neural aplicada a diferentes tipos de dados através do playground do tensorflow. Implementação de redes neurais com quantidades diferentes de camadas, funções de ativação e número de neurônios.
módulo 3 – Introdução às redes neurais II
  • Voltando à estrutura das redes neurais
  • Tipos de redes
  • Tipos de inicialização e funções de ativação
  • Reutilizando camadas pré-treinadas
  • Aceleração e otimização de redes neurais
  • Tunando hiperparâmetros
  • Regularização
Tarefa: implementação de uma rede neural mais complexa utilizando todas as técnicas vistas durante o módulo.
módulo 4 – Introdução à visão computacional
  • Redes neurais convolucionais para classificação de imagens: introdução às convoluções
  • Segmentação semântica: localização fraca e redes neurais totalmente convolucionais (FCN)
  • Segmentação semântica: arquiteturas avançadas da FCN para segmentação semântica
  • Detecção de objetos: classificação e localização
  • Detecção de objetos: análise e implementação da arquitetura R-CNN
  • Detecção de objetos: análise de arquiteturas populares (Fast/Faster R-CNN, YOLO, SSD)
Tarefa: implementação de uma rede neural usando o R-CNN para classificar todas as subimagens geradas pelo Selective Search.
módulo 5 – Introdução ao aprendizado de representação e Redes Adversárias Generativas
  • Representação de dados
  • Autoencoders
  • Deep autoencoders
  • Autoencoders convolucionais
  • Autoencoders recorrentes
  • Autoencoders variacionais
  • De modelos discriminativos a generativos: transferência de estilo
  • Redes adversárias generativas
Tarefa: implementação dos autoencoders variacionais para base de dados de imagens mais avançada a fim de gerar novos dados para tal base.
módulo 6 – Introdução a séries temporais
  • Conceitos fundamentais
  • Modelos clássicos
  • Prophet – framework do Facebook para forecasting
  • Escalando o Prophet para previsões de grande volume
  • RNN e deep RNNs
  • Lidando com o problema de memória curta com LSTM e GRUs
Tarefa: análise e exploração de dois modelos diferentes para modelar uma serie temporal e o melhor modelo será usado para validar os resultados.
módulo 7 – Introdução ao Processamento de Linguagem Natural (NLP)
  • NLP – conceitos fundamentais
  • NLP e machine learning
  • NLP em redes neurais: redes neurais recorrentes, classificação de texto
  • NLP em redes neurais: modelos de linguagem, atenção, transformador
  • NLU e criação de agentes conversacionais
  • Gerando conteúdo através de NLG
Tarefa: treinar e analisar um modelo de predição de próxima palavra usando N conjuntos de texto diferentes bem como seu comportamento em bases de dados diferentes.
módulo 8 – Introdução ao aprendizado por reforço
  • Conceitos fundamentais
  • Motivação e pesquisa na área
  • Aplicando através do OpenAI Gym
  • Q-Learning
  • Deep Q-Learning
  • Tópicos adicionais
Tarefa: treinar um modelo para que o agente seja capaz de sair do labirinto com o menor número de passos usando o algoritmo Q-Learning e também implemente uma função para retornar o caminho percorrido por ele.
módulo 9 – Redes neurais aplicadas a sistemas de recomendação
  • Conceitos fundamentais
  • Abordagens modernas para a construção de sistemas de recomendação
  • Sistemas de recomendação com base de conhecimento
  • Evoluindo fatoração de matriz
Tarefa: implementação e analise de vetorização de texto para recomendação de conteúdo usando diferentes formas de redução de dimensão, diferentes métodos e fatores, além do cálculo da distância entre os clusteres gerados.
módulo 10 – Modelos em produção
  • Implementação de modelos na produção
  • Documentação
  • Interpretabilidade do modelo
  • Testes A/B: tamanho de amostra e construção de intervalos de confiança
  • Testes A/B: hipóteses estatísticas e algoritmos para testá-las (Bootstrap e teste estatístico)
  • Métricas de desempenho
  • Comunicando o resultado
  • Servindo o modelo
  • Monitoramento, relatórios e dashboards
Tarefa: gerar uma estrutura de dados com dois modelos diferentes, seguido pela implementação de uma API local com rota para os dois modelos contendo toda documentação detalhada.
módulo 11 – Bônus: introdução a big data com Databricks e PySpark
  • Principais conceitos de big data e Spark
  • Por que usar Spark no Databricks
  • Criando acesso ao Databricks CE
  • Utilizando as funções Databricks
  • Utilizando PySpark dentro do Databricks
  • Principais funções de PySpark
  • Usando joins no PySpark
inscrever-se no curso ou obter uma consulta gratuita
desconto de 40%
desconto R$ 2.360,00
R$ 5.900,00
até 12 vezes de
R$ 3.540,00
R$ 295,00
mentores
Jéssika Ribeiro
mestre em Matemática Pura сom vasta experiência na área de ciência de dados, ela já vivenciou o dia a dia de um cientista em consultorias, empresas tradicionais e startups.
Fabio de Sales Casula
mestre em Matemática Pura e praticante de ciência de dados desde 2016. Além de sua grande experiência como cientista, ele hoje atua como data science manager na Wildlife Studios.
Dimas Soares Lima
cientista de dados na globo.com, atuou no time de Growth Hacking do Globo Esporte e agora trabalha na plataforma de vídeos que atende todos os produtos de vídeos da Globo.
Catarina Zidde
graduada cum laude pela Escola Nacional de Ciências Estatísticas e mestranda na Universidade Federal do Rio de Janeiro (UFRJ), passou alguns anos na área de pesquisa acadêmica até migrar para o mercado de trabalho, atuando hoje na Globo como cientista de dados do G1.
Gerente de Ciencia de Dados
Gerente de Ciencia de Dados
Cientista de dados
Cientista de dados
como o treinamento acontece
сom qualidade 4K de qualquer dispositivo, em qualquer hora e lugar.
assista aulas online
aperfeiçoe seu conhecimento com tarefas práticas para empresas reais.
aprenda na prática
receba feedback e acompanhamento personalizado do mentor ao longo do curso.
obtenha feedback
desenvolva seu projeto profissional ao final do curso e turbine seu portfólio.
realize seu projeto
01
02
03
04
como o treinamento acontece
avaliações do curso Cientista de Dados do Zero ao PRO
estou gostando demais da Mentorama, do suporte, das aulas, da turma e dos feedbacks que o mentor fornece, dá para ver que ele responde pessoalmente e não com uma resposta automática. Eu já tive acesso a outros cursos, mas esse foi um dos melhores que já fiz, e é o ponto perfeito porque você só aprende quando começa a ensinar e por isso eu me esforço para ajudar o pessoal e to achando isso fantástico. Eu recomendo!
Paulo Bochnia
LinkedIn
com todas as avaliações recebidas em 2021, temos uma média de 9,5 de satisfação com a nossa metodologia
estou gostando demais da Mentorama, do suporte, das aulas, da turma e dos feedbacks que o mentor fornece, dá para ver que ele responde pessoalmente e não com uma resposta automática.
9,5
estou gostando demais da Mentorama, do suporte, das aulas, da turma e dos feedbacks que o mentor fornece, dá para ver que ele responde pessoalmente e não com uma resposta automática. Eu já tive acesso a outros cursos, mas esse foi um dos melhores que já fiz, e é o ponto perfeito porque você só aprende quando começa a ensinar e por isso eu me esforço para ajudar o pessoal e to achando isso fantástico. Eu recomendo!
Paulo Bochnia
LinkedIn
com todas as avaliações recebidas em 2021, temos uma média de 9,5 de satisfação com a nossa metodologia
estou gostando demais da Mentorama, do suporte, das aulas, da turma e dos feedbacks que o mentor fornece, dá para ver que ele responde pessoalmente e não com uma resposta automática.
9,5
eu terminei a faculdade de física médica e recentemente consegui uma vaga para atuar como desenvolvedor Python. Durante a graduação, tive contato com a lógica de programação e ao fazer um projeto de fusão científica que unia matemática e estatística, surgiu a vontade de trabalhar com isso.
Murillo
LinkedIn
eu terminei a faculdade de física médica e recentemente consegui uma vaga para atuar como desenvolvedor Python. Durante a graduação, tive contato com a lógica de programação e ao fazer um projeto de fusão científica que unia matemática e estatística, surgiu a vontade de trabalhar com isso.
com todas as avaliações recebidas em 2021, temos uma média de 9,5 de satisfação com a nossa metodologia
9,5
fiz o curso de Ciência de Dados da Mentorama e consegui ter outra visão sobre a área. Gostei, principalmente, por ser um curso prático, objetivo e abranger os principais tópicos que o cientista de dados poderá se deparar ao longo de sua jornada. Além disso, mostrou que não é somente rodar códigos e obter os resultados.
Helen Acypreste
LinkedIn
fiz o curso de Ciência de Dados da Mentorama e consegui ter outra visão sobre a área. Gostei, principalmente, por ser um curso prático, objetivo e abranger os principais tópicos que o cientista de dados poderá se deparar ao longo de sua jornada. Além disso, mostrou que não é somente rodar códigos e obter os resultados.
com todas as avaliações recebidas em 2021, temos uma média de 9,5 de satisfação com a nossa metodologia
9,5
o curso é muito bom, com ele pude identificar oportunidades de desempenho profissional dentro da área de analise de dados, atualmente já trabalho como analista de dados e busco me desempenhar mais em ciência de dados, super recomento para aqueles que estão nesta busca também!
Brenda Nicoly Olexciw
LinkedIn
o curso é muito bom, com ele pude identificar oportunidades de desempenho profissional dentro da área de analise de dados, atualmente já trabalho como analista de dados e busco me desempenhar mais em ciência de dados, super recomento para aqueles que estão nesta busca também!
com todas as avaliações recebidas em 2021, temos uma média de 9,5 de satisfação com a nossa metodologia
9,5
ocurso Data Science do Zero ao PRO se mostrou muito efetivo com explicações rápidas e precisas, com várias dicas para conhecimentos que serão utilizados com frequência durante a vida profissional. Estas dicas tem ainda mais valor quando vindas de uma profissional bem colocada no mercado de trabalho.
Gabriel Gomes de Castro
LinkedIn
ocurso Data Science do Zero ao PRO se mostrou muito efetivo com explicações rápidas e precisas, com várias dicas para conhecimentos que serão utilizados com frequência durante a vida profissional. Estas dicas tem ainda mais valor quando vindas de uma profissional bem colocada no mercado de trabalho.
com todas as avaliações recebidas em 2021, temos uma média de 9,5 de satisfação com a nossa metodologia
9,5
ocurso Data Science do Zero ao PRO se mostrou muito efetivo com explicações rápidas e precisas, com várias dicas para conhecimentos que serão utilizados com frequência durante a vida profissional. Estas dicas tem ainda mais valor quando vindas de uma profissional bem colocada no mercado de trabalho.
Gabriel Gomes de Castro
LinkedIn
ocurso Data Science do Zero ao PRO se mostrou muito efetivo com explicações rápidas e precisas, com várias dicas para conhecimentos que serão utilizados com frequência durante a vida profissional. Estas dicas tem ainda mais valor quando vindas de uma profissional bem colocada no mercado de trabalho.
com todas as avaliações recebidas em 2021, temos uma média de 9,5 de satisfação com a nossa metodologia
9,5
seu currículo futuro
habilidades profissionais:
cientista de dados especialista
posição
utilize Python para análise de dados e aprendizado sobre o sistema;
trabalhe com várias fontes de dados: CSV, XML e XLS;
crie painéis;
aplique os algoritmos de aprendizado sobre o sistema;
escreva sistemas de recomendação;
trabalhe com redes neurais.
R$ 8.436,00/mes.
salário
trabalhe com MongoDB, PostgreSQL, SQLite3 e SQL;
organize e realize testes A/B;
Ref. Glassdor.com.br para São Paulo
as ferramentas que você usará:
certificado Mentorama
confirma que você concluiu o curso e se torna um argumento adicional ao se candidatar a um emprego.
23 de janeiro
início
restam
10 vagas
investimento
preço total a vista
R$ 3.540,00
preço total sem desconto
R$ 5.900,00
180,24
faça sua inscrição para o curso
295,00
R$
/ mes - 24 parcelas
R$
/ mes - 12 parcelas
até
-40%
de desconto até 23 de janeiro
perguntas e respostas
quais são os requisitos técnicos necessários para fazer o curso?
você vai precisar apenas de internet com boa conexão. As instruções de download e instalação para ambos estão incluídas no curso.
como está organizado o ensino em grupos?
todo o curso é conduzido de forma individual. Os professores corrigem as tarefas e dão dicas de como melhorar o trabalho. Você também pode fazer qualquer pergunta ao mentor no chat ou conversar com o seu grupo.
é possível pular os módulos?
no final de todo módulo, há uma tarefa prática. Ao resolvê-la, você liberará o próximo módulo. Essa metodologia garante que você tenha motivação para continuar a estudar e nós garantimos que você cumpra todas as tarefas necessárias.
qual o cronograma de treinamento? É possível combinar com o trabalho?
você pode trabalhar com os materiais do curso a qualquer momento, avançando no programa em seu próprio ritmo. Além disso, todas as aulas estarão disponíveis, desde o início de seus estudos, por dois anos. Assim, você poderá atualizar seu conhecimento sempre que precisar. Todo o formato do treinamento é pensado de maneira que você possa combiná-lo com trabalho, estudo e vida pessoal.
eu vou poder me comunicar com os mentores?
dentro do chat, você terá um instrutor, e o instrutor irá comentar os seus deveres de casa e dar dicas. Você terá a chance de aprender mais com a experiência dos nossos mentores – os líderes do mercado da sua área – e aproveitar seu conhecimento e seus lifehacks.
e se eu precisar de apenas uma parte do curso?
o curso é dividido em duas partes. Se você conferiu o programa e percebeu que precisa de uma delas, poderá pagar apenas por ela. Para isso, deixe seu pedido e diga ao gerente o seu desejo.
quais são os requisitos técnicos necessários para fazer o curso?
você vai precisar apenas de internet com boa conexão. As instruções de download e instalação para ambos estão incluídas no curso.
como está organizado o ensino em grupos?
todo o curso é conduzido de forma individual. Os professores corrigem as tarefas e dão dicas de como melhorar o trabalho. Você também pode fazer qualquer pergunta ao mentor no chat ou conversar com o seu grupo.
é possível pular os módulos?
no final de todo módulo, há uma tarefa prática. Ao resolvê-la, você liberará o próximo módulo. Essa metodologia garante que você tenha motivação para continuar a estudar e nós garantimos que você cumpra todas as tarefas necessárias.
qual o cronograma de treinamento? É possível combinar com o trabalho?
você pode trabalhar com os materiais do curso a qualquer momento, avançando no programa em seu próprio ritmo. Além disso, todas as aulas estarão disponíveis, desde o início de seus estudos, por dois anos. Assim, você poderá atualizar seu conhecimento sempre que precisar. Todo o formato do treinamento é pensado de maneira que você possa combiná-lo com trabalho, estudo e vida pessoal.
eu vou poder me comunicar com os mentores?
dentro do chat, você terá um instrutor, e o instrutor irá comentar os seus deveres de casa e dar dicas. Você terá a chance de aprender mais com a experiência dos nossos mentores – os líderes do mercado da sua área – e aproveitar seu conhecimento e seus lifehacks.
e se eu precisar de apenas uma parte do curso?
o curso é dividido em duas partes. Se você conferiu o programa e percebeu que precisa de uma delas, poderá pagar apenas por ela. Para isso, deixe seu pedido e diga ao gerente o seu desejo.
Escola online das profissões mais procuradas
Av. Brg. Faria Lima, 2369 - São Paulo -SP
© Mentorama, 2020-2021 | CNPJ: 36.860.664/0001-78
inscrever-se no curso ou obter uma consulta gratuita
ao clicar no botão de "Enviar", declaro que li e estou ciente das condições presentes na Política de Privacidade e concordo com os Contrato Mentorama EAD aplicáveis à empresa Mentorama e seus serviços.
deixe um pedido de consulta e teste
o acesso ao curso "Сientista de dados do zero ao PRO" totalmente gratuito por 3 dias!
ao clicar no botão de "Inscreva-se", declaro que li e estou ciente das condições presentes na Política de Privacidade e concordo com os Contrato Mentorama EAD aplicáveis à empresa Mentorama e seus serviços.
deixe um pedido de consulta e teste
o acesso ao curso "Сientista de dados do zero ao PRO" totalmente gratuito por 3 dias!
ao clicar no botão de "Enviar", declaro que li e estou ciente das condições presentes na Política de Privacidade e concordo com os Contrato Mentorama EAD aplicáveis à empresa Mentorama e seus serviços.
Python
Python é amplamente utilizado por ser uma linguagem flexível e de código aberto. Suas enormes bibliotecas são usadas para manipulação de dados e são muito fáceis de aprender, mesmo para um analista de dados iniciante.
MongoDB
O MongoDB é o banco de dados não relacional (orientado a documentos) mais utilizado no mercado.
PySpark
PySpark é uma interface para Apache Spark em Python.
Matplotlib
Matplotlib é uma biblioteca para criação de gráficos e visualizações de dados.
SQLite
O SQLite é uma base de dados relacional de código aberto e que dispensa o uso de um servidor na sua atuação.
TensorFlow 2.0
TensorFlow 2.0 torna o desenvolvimento de aplicativos de aprendizado de máquina ainda mais fácil.
Prophet 
O Prophet é um pacote para Python desenvolvido pelo Facebook. Ele executa um algoritmo de previsão de séries temporais, para encontrar padrões sazonais de uma série de entrada.
OpenAI Gym
OpenAI Gym - Um kit de ferramentas para desenvolver e comparar algoritmos de aprendizagem por reforço.
Databricks
O Databricks fornece uma plataforma aberta e unificada para todos os seus dados. Com um ambiente colaborativo simples, ele permite a execução de cargas de trabalho de análise de dados interativas e agendadas.
Crédito sujeito à aprovação pelo parceiro financeiro com incidência de juros