Curso
Análise Exploratória de Dados em Python
IntermediárioNível de habilidade
Atualizado 04/2026
PythonExploratory Data Analysis4 h14 vídeos49 Exercícios4,150 XP110K+Declaração de realização
Crie sua conta gratuita
Continuar com o GoogleMostrar mais opçõesou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.
Preferido por alunos de milhares de empresas
Treinando uma equipe?
Experimente para EmpresasDescrição do curso
Usando dados sobre desemprego e preços de passagens aéreas, você vai usar Python para resumir e validar dados, calcular, identificar e substituir valores ausentes e limpar valores numéricos e categóricos. Ao longo do curso, você criará visualizações bonitas com Seaborn para entender variáveis e seus relacionamentos.
Por fim, o curso mostra como as descobertas exploratórias alimentam os fluxos de trabalho de ciência de dados ao criar novos recursos, equilibrar variáveis categóricas e gerar hipóteses a partir das descobertas.
Ao final do curso, você terá confiança para realizar sua pr��pria análise exploratória de dados (EDA) em Python. Você será capaz de explicar visualmente suas descobertas para outras pessoas e sugerir os próximos passos para extrair insights dos seus dados!Os vídeos contêm transcrições ao vivo que você pode revelar clicando em "Show transcript" no canto inferior esquerdo dos vídeos. O glossário do curso pode ser encontrado à direita, na seção de recursos.Para obter créditos de CPE, você precisa concluir o curso e atingir uma pontuação de 70% na avaliação qualificada. Você pode acessar a avaliação clicando no aviso de créditos de CPE à direita.
Pré-requisitos
Introduction to Statistics in PythonIntroduction to Data Visualization with Seaborn1
Conhecendo um conjunto de dados
Qual é a melhor forma de abordar um novo conjunto de dados? Aprenda a validar e resumir dados categóricos e numéricos e a criar visualizações no Seaborn para comunicar suas descobertas.
2
Limpeza de dados e imputação
Explorar e analisar dados geralmente envolve lidar com valores ausentes, tipos de dados incorretos e outliers. Neste capítulo, você vai aprender técnicas para tratar esses problemas e tornar seus processos de EDA mais eficientes!
3
Relacionamentos nos dados
As variáveis em conjuntos de dados não existem isoladas; elas se relacionam entre si. Neste capítulo, você vai observar relacionamentos entre dados numéricos, categóricos e até DateTime, explorando a direção e a força desses relacionamentos, além de maneiras de visualizá-los.
4
Transformando a análise exploratória em ação
A análise exploratória de dados é uma etapa essencial no fluxo de trabalho de ciência de dados, mas não é o fim! Agora é hora de aprender técnicas e considerações para avançar com sucesso nos seus projetos depois de concluir a exploração!
Análise Exploratória de Dados em Python
Curso concluído
Obtenha um certificado de conclusão
Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CVCompartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora
Faça como mais de 19 milhões de alunos e comece Análise Exploratória de Dados em Python hoje mesmo!
Crie sua conta gratuita
Continuar com o GoogleMostrar mais opçõesou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados serão armazenados nos EUA.
Desenvolva suas habilidades em dados com o app do DataCamp
Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.