trilha.tech trilhas de estudo em tecnologia

Dados

Ciência de Dados

Trilha para quem quer trabalhar com experimentos, modelos e análise exploratória, da base matemática à produção.

Intermediário 4 passos sugeridos

Sequência sugerida de estudos

Cada módulo é um passo no seu aprendizado. Siga de cima para baixo, adaptando o ritmo à sua realidade.

  1. Etapa 1

    Fundamentos Matemáticos e Estatísticos

    Base matemática para entender modelos e inferência.

    Tópicos

    • Álgebra linear aplicada
    • Probabilidade e distribuições
    • Estatística descritiva e inferencial
    • Noções de otimização
    • Interpretação de gráficos e intervalos de confiança

    Recursos sugeridos

  2. Etapa 2

    Python para Ciência de Dados

    Ambiente, bibliotecas e boas práticas.

    Tópicos

    • Ambientes virtuais e gestão de dependências
    • NumPy, pandas e matplotlib
    • Notebooks (Jupyter) e organização de experimentos
    • Boas práticas de reprodutibilidade
    • Controle de versão para notebooks e dados

    Recursos sugeridos

  3. Etapa 3

    Modelagem e Avaliação

    Construção de modelos clássicos e avaliação correta.

    Tópicos

    • Modelos lineares e de árvore
    • Overfitting, underfitting e regularização
    • Métricas de classificação e regressão
    • Validação cruzada e experimentos controlados
    • Seleção de features e engenharia de variáveis

    Recursos sugeridos

  4. Etapa 4

    Ciclos de Experimentos e MLOps Básico

    Do modelo no notebook até algo monitorado em produção.

    Tópicos

    • Registro de experimentos (configurações, métricas, artefatos)
    • Versionamento de modelos
    • Validação antes de promover modelos
    • Monitoramento de modelos (drift, performance)
    • Trabalho conjunto com times de engenharia

    Recursos sugeridos

Como usar esta trilha

Esta página não é um curso completo. Ela só organiza, em ordem, temas que fazem sentido estudar se você quer se aprofundar nesse assunto.