1.1 Lógica de Programação

• O que é lógica

1.2 Algoritmo e variáveis

• Fases de um algoritmo
• Variáveis

1.3 Scratch

• Conhecendo o Scratch
• Manipulando variáveis e operadores aritméticos
• Operadores
• Estrutura de decisão
• Estrutura de repetição

1.4 VisualG

• Conhecendo o VisualG
• Estruturas de decisão com VisualG
• Estruturas de repetição com VisualG

1.5 Python e as IDE (Integrated Development Environments)

• Introdução e Instalação
• Introdução ao Colab
• Variáveis, Operadores e Strings
• Índice e fatiamento
• Listas, Conjuntos e Dicionário
• Condicionais, Loop for e Loop while
• Funções e classes

1.6 Carreiras em Data Science

• Carreiras em Data Science

2.1 Introdução e Modelagem de Dados

• Banco de dados relacional
• Modelo conceitual de Dados
• Modelo lógico de Dados
• Modelo físico de Dados

2.2 Banco de Dados

• Criar Banco de Dados
• Criar Banco de Dados Scritp

2.3 Criar Tabelas

• Criar Tabelas
• Chave Primária
• Criar Tabelas com Chave Estrangeira
• Trabalhando com Colunas
• Constraint

2.4 Dicionário de Dados

• Dicionário de Dados

2.5 Instrução Insert

• Insert Declarativo e Posicional
• Insert - Teste de Pk
• Insert na Tabela TB Empregado
• Insert - Testando Constraint Unique, Constraint Default, Check e Autonumeração
• Identity_Insert
• Insert Select/Top

2.6 Consultando Dados e Funções

• Ordenação por Posição
• Coluna Calculada, Cláusula Top e Cláusula Where
• Operadores lógicos END/OP/NOT
• Between/Not Between – Intervalo
• Lista IN/NOT IN
• Valores Nulos
•  Operador Like 
• Funções de Texto, Matemáticas e Data e Hora: Dia, Mês e Ano

3.1 Expressões

• Expressão Case 
• Expressão Nullif

3.2 Associação de Tabelas

• Associação de Tabelas: Inner Join e Cláusula Where
• Associação de Tabelas: Left Join, Right Join, Full Join, Self Join e Cross Join
• Associação de Tabelas: Inner Join com Mais de Duas Tabelas

3.3 Agrupamento de Dados

• Função de Agregação 
• Having
• With Rollup
• With Cube

3.4 Subquery ou Subconsulta

• Subquery com Igualdade
• Subquery no Select Subquery na Cláusula From
• Subquery com IN e NOT IN
• Exemplos de Subquery

3.5 Instrução Update - Atualizar Dados

• Update
• Update em Mais de uma Coluna
• Update com Subquery e Join
• Update com Top e Output

3.6 Instrução Delete - Excluir Dados

• Delete
• Delete com Top
• Delete com Subquery
• Delete com Join

3.7 Tipos de Dados definidos por usuário

• Criar Tipos de Dados
• Sequencia
• Sinônimos e Colunas Computadas

3.8 Operadores de Conjuntos e Instruções

• Except e Intersect
• Union e Union All
• Merge e Merge com Output
• CTE e Insert com CTE
• View 
• Índice

3.9 Introdução à Programação no SQL

• Variável
• Recebendo Valor de uma Query
• Script com Variável e Case 
• Variável: Query Dinâmica

3.10 Introdução à Procedure

• Procedure

4.1 Introdução - Linguagem R

• Conhecendo e instalando o R e o RStudio 
• Comandos básicos: Entendendo o R como calculadora 
• Como pedir ajuda no R
• Objetos e funções 
• Pacotes

4.2 Base de dados

• Criando um dataframe
• Importando um dataframe 
• Exportando / Salvando um dataframe
• Classes dos objetos
• Operadores lógicos / Vetores
• Matrizes / Listas

4.3 Principais pacotes para inspecionar uma base de dados

• Instalando / Carregando pacotes / Operador pipe 
• Pacotes: tibble, dplyr, tidyr, stringr, lubridate e forcats
• Pacote outliers - Testes Grubbs, Dixon e qui-quadrado
• Pacote ggplot2 - Gráficos de dispersão, de linhas e de barras
• Pacote ggplot2 – Histograma
• Pacote ggplot2 - Boxplot 

5.1 Mineração de Dados

• Mineração de dados 

5.2 Estatística básica

• for
• while
• repeat
• Tipos de variáveis
• Medidas de tendência central
• Medidas de dispersão e posição

5.3 Amostragem e teste de hipóteses

• Amostragem – Teoria
• Amostragem - Prática 
• Teste de hipóteses 

5.4 Regressão linear

• Regressão linear - Teoria 
• Regressão linear - Prática 

5.5 Diferentes algoritmos de machine learning

• Algoritmos de machine learning - Teoria
• Algoritmos de machine learning - Prática  

5.6 Relatórios com R Markdown

• Markdown 

6.1 Introdução ao ETL

• Introdução
• O que é ETL?

6.2 Extração, Transformação e Carga de dados

• Extração de dados
• Transformação e carga de dados

6.3 Extraindo dados

• Como extrair dados de um arquivo de texto
• Como extrair dados utilizando a biblioteca Pandas
• Como extrair dados de uma base HTML

6.4 Transformando dados

• Como transformar dados

6.5 Carregando dados

• Como carregar dados

6.6 Projeto de análise de dados

• Extraindo os dados
• Transformando os dados
• Carregando os dados

7.1 Data Warehouse

• Data Warehouse e Data Mart
• Arquitetura de um DW
• Tabela Fato e Tabela Dimensão
• Granularidade, Esquemas Estrela e Floco de Neve
• Conversão do modelo E-R para o modelo DW
• Modelagem de um DW
• Como explorar dados em um DW

7.2 Introdução ao Hadoop

• Hadoop - Como tudo começou
• Mudança de paradigma

7.3 Hadoop Distributed File System

• Configuração das ferramentas
• Visão geral sobre a linha de comando do Linux
• Hadoop Distributed File System
• HDFS na prática

7.4 MapReduce

• O que é MapReduce?
• Como funciona
• YARN

7.5 HIVE

• O que é HIVE?
• Componentes principais
• Tabelas gerenciadas
• Trabalhando com dados no HIVE
• Formatos de armazenamento

8.1 Análise de dados – Numpy

• O que é NumPy
• Arrays, Índice e Fatiamento
• Funções úteis
• Operações com array
• Funções matemáticas
• Concatenação

8.2 Pandas

• Series
• Lendo arquivos
• Manipulando DataFrame 
• Acessando colunas e índices
• Unindo amostras de dados 
• Groupby

8.3 Web scraping e API

• Introdução ao web scraping
• Web scraping 
• APIs

9.1 Introdução à Visualização de dados

• Introdução ao Matplotlib 
• Seaborn: Análises e Tipos de gráfico
• Gráficos de comparação

9.2 Data mining

• Introdução ao data mining
• Princípios de data mining e exploração de dados
• Reconhecendo os dados 
• Plotando os dados
• Bibliotecas específicas 

9.3 Scikit-learn

• Introdução a machine learning com scikit-learn
• Introdução a modelos supervisionados
• Dataset, treino e teste
• Regressão linear
• Regressão logística

10.1 Introdução à visualização de dados

• Introdução à visualização de dados

10.2 Tipos de gráficos

• Tipos de gráficos

10.3 Introdução às principais bibliotecas de visualização em Python

• Introdução às principais bibliotecas de visualização em Python

10.4 Gráfico de linhas I

• Gráfico de linhas - Parte 1

10.5 Gráfico de linhas II

• Gráfico de linhas - Parte 2

10.6 Gráfico de barra

• Gráfico de barra

10.7 Gráfico de dispersão

• Gráfico de dispersão

10.8 Histograma

• Histograma

10.9 Gráfico de séries temporais

• Gráfico de séries temporais

10.10 Heatmap-mapa de calor

• Heatmap-mapa de calor

10.11 Bloxpot

• Bloxpot

10.12 Gráfico de Pizza

• Gráfico de Pizza

10.13 Gráfico Interativos

• Gráfico Interativos

11.1 Introdução ao MongoDB

• Introdução

11.2 Instalando o PHP

• PHP
• Testando o PHP no Linux
• Instalando o PHP no Windows

11.3 Instalando o MongoDB

• Instalando o MongoDB no Linux
• Instalando o MongoDB no Windows

11.4 Inserindo usuário no MongoDB

• Inserindo usuário no MongoDB

11.5 Conectando o MongoDB com o PHP

• Conectando o MongoDB com o PHP – Linux
• Conectando o MongoDB com o PHP – Windows

11.6 Inserindo documentos em uma coleção

• Introdução
• Buscando documentos
• Atualizando e removendo documentos

11.7 Listando dados com PHP

• Listando dados com PHP

11.8 Inserindo novos dados

• Inserindo dados
• Criando index.php
• Adicionando documento
• Montando a query

11.9 Atualizando dados pelo PHP

• Editando dados
• Inserindo dados editado
• Montando formulário de edição

11.10 Atualizando dados pelo PHP

• Editando dados
• Inserindo dados editado
• Montando formulário de edição

11.11 Excluindo dados

• -Excluindo dados

12.1 Introdução

• Apresentação
• Inteligência Artificial e Machine Learning
• Aprendizagem supervisionada e não supervisionada

12.2 Classificação

• Regressão logística 
• Métricas e avaliação 
• KNN
• Árvore de decisão
• Random forest

12.3 Regressão

• Teoria
• Regressão linear
• Árvore de regressão
• Regressão – KNN e random forest
• Regressão MMQ

13.1 Agrupamento

• Agrupamento particional
• Agrupamento hierárquico 
• K-Means
• Agrupamento por densidade – Valores de K
• DBSCAN 
• K-Means com Elbow e K-means com Silhoutte

13.2 Deep Learning

• Introdução a Deep Learning
• Redes neurais
• Deep Learning na prática

13.3 Análise de Correlações

• Introdução 
• Correlação de Pearson 
• Explicação de Pearson/Spearman
• Chi-Square 
• ANOVA

14.1 Apresentação – SCRUM

• Apresentação

14.2  Scrum – Visão geral

• O que você irá aprender
• A origem do Scrum e o Manifesto Ágil
• O que é ser ágil e quando utilizar o Scrum
• Os pilares do Scrum e a definição de Done
• Processos Incremental x Sequencial e Preditivo x Empírico
• Processo do Scrum: Visão macro

14.3 Time de Scrum

• O Scrum Master
• A Equipe de Desenvolvimento
• O Product Owner
• A interação entre o time Scrum

14.4 Product Backlog

• O que é Product Backlog
• Casos de uso x User stories
• Backlog Refinement e Planning Poker
• Como aplicar o Planning Poker e o ajuste de estimativa

15.1 Eventos Scrum, controle e ferramentas

• Eventos Scrum e Sprints
• A reunião de planejamento
• A reunião diária
• Revisão da Sprint
• Débito técnico
• A reunião de retrospectiva da Sprint
• Artefatos do Scrum e Ferramentas do Scrum

15.2 Certificações Scrum

• As certificações Scrum: Qual escolher?
• Como se preparar para as certificações PSM I e ASF
• Dicas de como executar as certificações PSM I e ASF
• Entendendo a dinâmica das provas PSM I e ASF

16.1 Setup Anaconda e Kaggle

• Anaconda
• Jupyter Notebook
• Kaggle
• Utilizando o Kaggle

16.2 Extraindo os dados

• Coletando dados
• Unindo conjuntos de dados
• Informações do conjunto de dados

16.3 Transformando os dados

•  Renomeando colunas
•  Removendo duplicidades
•  Identificando colunas nulas
•  Removendo dados nulos
•  Removendo colunas

16.4 Explorando os dados

• Carregando os dados
• Explorando os dados
• Ordenando os valores

16.5 Análise de dados

• Detalhando dados numéricos
• Ordenando valores
• Substituindo strings
• Comandos OR e AND
• Contagem de nulo e não nulo
• Introdução ao agrupamento
• Refinando os agrupamentos
• Rotacionando os dados
• Agrupamento com ordenação
• Duplicando o conjunto de dados
• Analisando detalhes dos dados

16.6 Visualização dos dados

• Introdução à visualização
• Criando subgrupos
• Diferenças nos gráficos de linha e barra
• Configurações de um gráfico
• Ordenado os valores do gráfico
• Apresentando o gráfico em pizza
• Utilizando destaque em gráfico de pizza
• Criando grupos de dados para visualização
• Comparando dados em um gráfico
• Gráfico de dispersão
• Usabilidade do gráfico de dispersão
• Visualizando relações com gráfico de dispersão
• Dois conjuntos de dados no gráfico de dispersão
• Filtrando elementos com OR e AND
• Adicionando cores no gráfico de dispersão
• Trabalhando com cores
• Introdução ao Seaborn
• Linha de regressão com Seaborn
• Gráfico par a par
• Criando mapa de calor
• Criando mapa de calor
• Mapa de correlação
• Gráfico Distplot
• Gráfico Boxplot

16.7 Aplicando técnicas de Machine Learning

• Preparando o ambiente e o conjunto de dados
• Criando classificação para Machine Learning
• Criando características dos dados
• Criando a classificação e bases de treino e teste
• Como verificar e corrigir os tipos do dado
• Verificando a precisão do Machine Learning
• Aplicando o Machine Learning com casos novos
• Exportando conjuntos de dados

16.7 Data Science com R

• Carregando arquivos com R
• Explorando dados com R
• Instalando pacote e renomeando colunas
• Removendo duplicidades
• Removendo valores nulos e colunas
• Gerando gráficos

16.8 SQL

• Data Science com SQL
• Carregando dados externos no SQL
• Como carregar um projeto no Jupyter Notebook