mirror of
https://github.com/jackyzha0/quartz.git
synced 2025-12-21 11:54:05 -06:00
40 lines
2.2 KiB
Markdown
40 lines
2.2 KiB
Markdown
---
|
||
title: Ciência de dados
|
||
---
|
||
>[!warning]
|
||
> Se você é membro da dev e quer contribuir com algum material, se liga no **Guia do Hub** disponível na seção Extras: [[../05-guiahub/01-guia-onboarding-hub|Guia do Hub]]
|
||
|
||
## O que é a trilha de Ciência de Dados?
|
||
|
||
A trilha de **Ciência de Dados** é o eixo do Hub dedicado à **coleta, organização, tratamento e análise de dados**, com foco em construir **pipelines robustos, reprodutíveis e bem documentados**.
|
||
Aqui integramos de forma estruturada:
|
||
|
||
- **ETL / ELT e engenharia de dados “de base”**
|
||
(ingestão de arquivos, APIs, bancos de dados; limpeza, transformação e padronização)
|
||
- **Web Scraping e automação**
|
||
(requests, parsing de HTML/JSON, agendamento de rotinas, respeito a limites e boas práticas)
|
||
- **Análise exploratória e visualização**
|
||
(EDA, estatísticas descritivas, gráficos, identificação de outliers e data quality)
|
||
- **Boas práticas de código e organização de projeto**
|
||
(estrutura de pastas, funções reutilizáveis, logging, testes básicos, versionamento com Git)
|
||
|
||
O objetivo é dar visibilidade aos projetos criados internamente e organizar materiais que mostrem **como se projeta e implementa um fluxo de dados de ponta a ponta** – desde a captura da informação até a entrega de tabelas, relatórios e bases prontas para modelos de IA, finanças quantitativas ou análises aplicadas.
|
||
|
||
---
|
||
|
||
## Pra quem é essa trilha?
|
||
|
||
> 👇 Se você se identificou com pelo menos um ponto, essa trilha é pra você:
|
||
|
||
- Quer aprender **ETL, Web Scraping e manipulação de dados em Python/SQL**
|
||
- Gosta de **automatizar tarefas repetitivas** (coleta de dados, relatórios, atualizações de planilhas)
|
||
- Quer entender **como cientistas de dados e engenheiros de dados** preparam bases antes da modelagem
|
||
- Está se preparando para **estágios/trainees em dados, BI, analytics, engenharia de dados ou áreas quantitativas**
|
||
|
||
Não precisa já dominar tudo – o importante é estar disposto a **estruturar melhor seus códigos, se preocupar com qualidade de dados e compartilhar boas práticas**.
|
||
|
||
---
|
||
## Como navegar pela trilha
|
||
|
||
Use o menu à baixo para acessar os conteúdos de cada semestre:
|