Banco de dados MongoDB NoSQL Github Jekyll Java PHP SSL Https Ciência de Dados - Livros gratuitos online para Ciência de Dados
- Melhores práticas em Machine Learning
- Desvendando o Big Data: a importância de um bom cientista de dados
- 5 Papers de pesquisas em Ciência de Dados para ler no verão de 2017
- Papers para Ensino de Ciências de Dados na Graduação
- Data Science e Política na Operação Serenata de Amor
- 4 Podcasts da IBM sobre Ciência de Dados para 'Expertinhos'
- Big Data e Data Science: pra quê afinal?
- 3 Podcasts da IBM sobre Machine Learning para conferir
- Criando ambiente mínimo de ciência de dados em Python no Ubuntu
- Cientistas de Dados, Engenheiros de Dados, Engenheiros de Software: a difer...
- Construindo habilidades em Ciência de Dados na graduação
- Open Data Day 2018
- Pizza de Dados: Um podcast entre amigos cientistas de dados
- As 3 etapas da Ciência de Dados
- #Datathon2018: um Hackathon de dados on-line
- NumPy #1 - Criando e Indexando Arrays
- NumPy #2 - Copy vs View, Shape e Iterando Arrays
- NumPy #3 - Join, Split, Search e Sort
- NumPy #4 - Random e Funções Universais (ufunc)
- NumPy #5 - Arredondamento, Logaritmos e Somas/Produtos Acumulados
- NumPy #6 - MDC, MMC, Trigonometria e Operações de Conjunto
- NumPy #7 - Broadcasting e Álgebra Linear
- NumPy #8 - Estatísticas Descritivas
- NumPy #9 - Distribuições de Probabilidade (Parte 1)
- NumPy #10 - Distribuições de Probabilidade (Parte 2)
- NumPy #11 - Dados Ausentes e Arquivos
- Pandas #1 - Introdução: Series e DataFrames
- Pandas #2 - Selecionando e Filtrando Dados com loc, iloc e Máscaras Booleanas
- Pandas #3 - Operações Aritméticas em Series e DataFrames
- Pandas #4 - Analisando e Limpando Dados
- Pandas #5 - Dados Ausentes: isna(), ffill(), bfill() e interpolate()
- Pandas #6 - Ordenando e Reindexando DataFrames
- Pandas #7 - Estatísticas Descritivas e describe()
- Pandas #8 - Funções Cumulativas, rank() e Janelas Móveis
- Pandas #9 - Correlações e Visualização de Dados
- Pandas #10 - apply(), map() e pipe(): Aplicando Funções
- Pandas #11 - Trabalhando com Texto e Dados Categóricos
- Pandas #12 - Datas e Séries Temporais
- Pandas #13 - Agrupando e Agregando Dados com groupby()
- Pandas #14 - Remodelando Dados: pivot_table(), melt() e stack()/unstack()
- Pandas #15 - MultiIndex: Índices Hierárquicos
- Pandas #16 - Combinando DataFrames: merge, join e concat
- Pandas #17 - Lendo e Escrevendo Excel, HTML e Exportando Arquivos
- Pandas #18 - Gráficos Avançados: Boxplot, Área, Pizza e Subplots
- Matplotlib #1 - Introdução e Gráficos de Linha
- Matplotlib #2 - Dispersão, Barras, Histogramas e Pizza
- Matplotlib #3 - Preenchimento de Área, Stem e Step
- Matplotlib #4 - Interface Orientada a Objetos: Figure e Axes
- Matplotlib #5 - Subplots Avançados: GridSpec, subplot2grid e Eixos Comparti...
- Matplotlib #6 - Legendas, Eixos Duplos e Escalas
- Matplotlib #7 - Estilos, Anotações e Texto
- Matplotlib #8 - Texto Matemático, rcParams e Gráficos Polares
- Matplotlib #9 - Boxplot, Violin Plot e Barras de Erro
- Matplotlib #10 - Mapas de Calor e Dados 2D com imshow, contour e pcolormesh
- Matplotlib #11 - Salvando Figuras e Gráficos 3D
Data Science Livros Machine Learning Big Data Podcast Open Data Papers Wordpress Blog VueJS Dados Abertos Open Source Hipsters NodeJS Ubuntu NPM Javascript Desenvolvimento Typescript Programação - Typescript em 5 minutos
- Python #1 - Introdução e Primeiros Passos
- Python #2 - Variáveis e Tipos de Dados
- Python #3 - Strings
- Python #4 - Operadores
- Python #5 - Listas e Tuplas
- Python #6 - Sets e Dicionários
- Python #7 - Estruturas Condicionais
- Python #8 - Loops: While e For
- Python #9 - Funções e Lambda
- Python #10 - Argumentos Avançados e Type Hints
- Python #11 - Funções de Alta Ordem e Closures
- Python #12 - Decorators, Generators e Iterators
- Python #13 - Orientação a Objetos
- Python #14 - Class Methods, Static Methods e Herança Múltipla
- Python #15 - Abstração com Classes Abstratas, Interfaces e Enums
- Python #16 - Métodos Mágicos (Dunder Methods)
- Python #17 - Dataclasses e Namedtuples: Alternativas para Guardar Dados
- Python #18 - Tratamento de Erros, Entrada do Usuário e Arquivos
- Python #19 - Context Managers: Controlando Recursos com with
- Python #20 - Exceções Personalizadas, Assertions e Logging
- Python #21 - Módulos, PIP e Ambientes Virtuais
- Python #22 - Argumentos de Linha de Comando e Serialização com Pickle
- Python #23 - Datas, Matemática, JSON e Expressões Regulares
- Orientação a Objetos em Python #1 - Introdução e Conceitos Básicos
- Orientação a Objetos em Python #2 - Encapsulamento
- Orientação a Objetos em Python #3 - SOLID: Responsabilidade Única
- Orientação a Objetos em Python #4 - Atributos e Métodos de Classe
- Orientação a Objetos em Python #5 - Associação de Classes
- Orientação a Objetos em Python #6 - SOLID: Princípio Aberto/Fechado
- Orientação a Objetos em Python #7 - Injeção de Dependência
- Orientação a Objetos em Python #8 - Herança e Encapsulamento Protegido
- Orientação a Objetos em Python #9 - Polimorfismo e SOLID: Substituição de L...
- Orientação a Objetos em Python #10 - Classes Abstratas e Interfaces
- Orientação a Objetos em Python #11 - SOLID: Segregação de Interfaces e Inve...
- Orientação a Objetos em Python #12 - Agregação e Composição
- NumPy #1 - Criando e Indexando Arrays
- NumPy #2 - Copy vs View, Shape e Iterando Arrays
- NumPy #3 - Join, Split, Search e Sort
- NumPy #4 - Random e Funções Universais (ufunc)
- NumPy #5 - Arredondamento, Logaritmos e Somas/Produtos Acumulados
- NumPy #6 - MDC, MMC, Trigonometria e Operações de Conjunto
- NumPy #7 - Broadcasting e Álgebra Linear
- NumPy #8 - Estatísticas Descritivas
- NumPy #9 - Distribuições de Probabilidade (Parte 1)
- NumPy #10 - Distribuições de Probabilidade (Parte 2)
- NumPy #11 - Dados Ausentes e Arquivos
- Pandas #1 - Introdução: Series e DataFrames
- Pandas #2 - Selecionando e Filtrando Dados com loc, iloc e Máscaras Booleanas
- Pandas #3 - Operações Aritméticas em Series e DataFrames
- Pandas #4 - Analisando e Limpando Dados
- Pandas #5 - Dados Ausentes: isna(), ffill(), bfill() e interpolate()
- Pandas #6 - Ordenando e Reindexando DataFrames
- Pandas #7 - Estatísticas Descritivas e describe()
- Pandas #8 - Funções Cumulativas, rank() e Janelas Móveis
- Pandas #9 - Correlações e Visualização de Dados
- Pandas #10 - apply(), map() e pipe(): Aplicando Funções
- Pandas #11 - Trabalhando com Texto e Dados Categóricos
- Pandas #12 - Datas e Séries Temporais
- Pandas #13 - Agrupando e Agregando Dados com groupby()
- Pandas #14 - Remodelando Dados: pivot_table(), melt() e stack()/unstack()
- Pandas #15 - MultiIndex: Índices Hierárquicos
- Pandas #16 - Combinando DataFrames: merge, join e concat
- Pandas #17 - Lendo e Escrevendo Excel, HTML e Exportando Arquivos
- Pandas #18 - Gráficos Avançados: Boxplot, Área, Pizza e Subplots
- Matplotlib #1 - Introdução e Gráficos de Linha
- Matplotlib #2 - Dispersão, Barras, Histogramas e Pizza
- Matplotlib #3 - Preenchimento de Área, Stem e Step
- Matplotlib #4 - Interface Orientada a Objetos: Figure e Axes
- Matplotlib #5 - Subplots Avançados: GridSpec, subplot2grid e Eixos Comparti...
- Matplotlib #6 - Legendas, Eixos Duplos e Escalas
- Matplotlib #7 - Estilos, Anotações e Texto
- Matplotlib #8 - Texto Matemático, rcParams e Gráficos Polares
- Matplotlib #9 - Boxplot, Violin Plot e Barras de Erro
- Matplotlib #10 - Mapas de Calor e Dados 2D com imshow, contour e pcolormesh
- Matplotlib #11 - Salvando Figuras e Gráficos 3D
- Estruturas de Dados #1 - Introdução e Complexidade
- Estruturas de Dados #2 - Arrays e Listas
- Estruturas de Dados #3 - Pilhas e Filas
- Estruturas de Dados #4 - Listas Encadeadas
- Estruturas de Dados #5 - Tabelas Hash
- Estruturas de Dados #6 - Árvores e Árvores Binárias
- Estruturas de Dados #7 - Árvores de Busca Binária e AVL
- Estruturas de Dados #8 - Grafos
- Estruturas de Dados #9 - Algoritmos de Busca: Linear e Binária
- Estruturas de Dados #10 - Algoritmos de Ordenação I: Bubble, Selection e In...
- Estruturas de Dados #11 - Algoritmos de Ordenação II: Quick, Merge, Countin...
- Machine Learning #1 - Introdução
- Machine Learning #2 - Média, Mediana e Moda
- Machine Learning #3 - Desvio Padrão e Percentis
- Machine Learning #4 - Distribuição de Dados
- Machine Learning #5 - Gráfico de Dispersão
- Machine Learning #6 - Regressão Linear
- Machine Learning #7 - Regressão Polinomial e Múltipla
- Machine Learning #8 - Escala de Dados e Divisão Treino/Teste
- Machine Learning #9 - Árvore de Decisão
- Machine Learning #10 - Avaliando Classificadores: Matriz de Confusão e Curv...
- Machine Learning #11 - Agrupamento: Hierárquico e K-Means
- Machine Learning #12 - Regressão Logística
- Machine Learning #13 - Validação Cruzada e Grid Search
- Machine Learning #14 - Dados Categóricos e Bagging
- Machine Learning #15 - K-Nearest Neighbors (KNN)
Python - Gerenciando versões Python com Pyenv no Ubuntu
- Ambientes Virtuais em Python com Pyenv-virtualenv no Ubuntu
- Criando ambiente mínimo de ciência de dados em Python no Ubuntu
- Python #1 - Introdução e Primeiros Passos
- Python #2 - Variáveis e Tipos de Dados
- Python #3 - Strings
- Python #4 - Operadores
- Python #5 - Listas e Tuplas
- Python #6 - Sets e Dicionários
- Python #7 - Estruturas Condicionais
- Python #8 - Loops: While e For
- Python #9 - Funções e Lambda
- Python #10 - Argumentos Avançados e Type Hints
- Python #11 - Funções de Alta Ordem e Closures
- Python #12 - Decorators, Generators e Iterators
- Python #13 - Orientação a Objetos
- Python #14 - Class Methods, Static Methods e Herança Múltipla
- Python #15 - Abstração com Classes Abstratas, Interfaces e Enums
- Python #16 - Métodos Mágicos (Dunder Methods)
- Python #17 - Dataclasses e Namedtuples: Alternativas para Guardar Dados
- Python #18 - Tratamento de Erros, Entrada do Usuário e Arquivos
- Python #19 - Context Managers: Controlando Recursos com with
- Python #20 - Exceções Personalizadas, Assertions e Logging
- Python #21 - Módulos, PIP e Ambientes Virtuais
- Python #22 - Argumentos de Linha de Comando e Serialização com Pickle
- Python #23 - Datas, Matemática, JSON e Expressões Regulares
- Orientação a Objetos em Python #1 - Introdução e Conceitos Básicos
- Orientação a Objetos em Python #2 - Encapsulamento
- Orientação a Objetos em Python #3 - SOLID: Responsabilidade Única
- Orientação a Objetos em Python #4 - Atributos e Métodos de Classe
- Orientação a Objetos em Python #5 - Associação de Classes
- Orientação a Objetos em Python #6 - SOLID: Princípio Aberto/Fechado
- Orientação a Objetos em Python #7 - Injeção de Dependência
- Orientação a Objetos em Python #8 - Herança e Encapsulamento Protegido
- Orientação a Objetos em Python #9 - Polimorfismo e SOLID: Substituição de L...
- Orientação a Objetos em Python #10 - Classes Abstratas e Interfaces
- Orientação a Objetos em Python #11 - SOLID: Segregação de Interfaces e Inve...
- Orientação a Objetos em Python #12 - Agregação e Composição
- NumPy #1 - Criando e Indexando Arrays
- NumPy #2 - Copy vs View, Shape e Iterando Arrays
- NumPy #3 - Join, Split, Search e Sort
- NumPy #4 - Random e Funções Universais (ufunc)
- NumPy #5 - Arredondamento, Logaritmos e Somas/Produtos Acumulados
- NumPy #6 - MDC, MMC, Trigonometria e Operações de Conjunto
- NumPy #7 - Broadcasting e Álgebra Linear
- NumPy #8 - Estatísticas Descritivas
- NumPy #9 - Distribuições de Probabilidade (Parte 1)
- NumPy #10 - Distribuições de Probabilidade (Parte 2)
- NumPy #11 - Dados Ausentes e Arquivos
- Pandas #1 - Introdução: Series e DataFrames
- Pandas #2 - Selecionando e Filtrando Dados com loc, iloc e Máscaras Booleanas
- Pandas #3 - Operações Aritméticas em Series e DataFrames
- Pandas #4 - Analisando e Limpando Dados
- Pandas #5 - Dados Ausentes: isna(), ffill(), bfill() e interpolate()
- Pandas #6 - Ordenando e Reindexando DataFrames
- Pandas #7 - Estatísticas Descritivas e describe()
- Pandas #8 - Funções Cumulativas, rank() e Janelas Móveis
- Pandas #9 - Correlações e Visualização de Dados
- Pandas #10 - apply(), map() e pipe(): Aplicando Funções
- Pandas #11 - Trabalhando com Texto e Dados Categóricos
- Pandas #12 - Datas e Séries Temporais
- Pandas #13 - Agrupando e Agregando Dados com groupby()
- Pandas #14 - Remodelando Dados: pivot_table(), melt() e stack()/unstack()
- Pandas #15 - MultiIndex: Índices Hierárquicos
- Pandas #16 - Combinando DataFrames: merge, join e concat
- Pandas #17 - Lendo e Escrevendo Excel, HTML e Exportando Arquivos
- Pandas #18 - Gráficos Avançados: Boxplot, Área, Pizza e Subplots
- Matplotlib #1 - Introdução e Gráficos de Linha
- Matplotlib #2 - Dispersão, Barras, Histogramas e Pizza
- Matplotlib #3 - Preenchimento de Área, Stem e Step
- Matplotlib #4 - Interface Orientada a Objetos: Figure e Axes
- Matplotlib #5 - Subplots Avançados: GridSpec, subplot2grid e Eixos Comparti...
- Matplotlib #6 - Legendas, Eixos Duplos e Escalas
- Matplotlib #7 - Estilos, Anotações e Texto
- Matplotlib #8 - Texto Matemático, rcParams e Gráficos Polares
- Matplotlib #9 - Boxplot, Violin Plot e Barras de Erro
- Matplotlib #10 - Mapas de Calor e Dados 2D com imshow, contour e pcolormesh
- Matplotlib #11 - Salvando Figuras e Gráficos 3D
- Estruturas de Dados #1 - Introdução e Complexidade
- Estruturas de Dados #2 - Arrays e Listas
- Estruturas de Dados #3 - Pilhas e Filas
- Estruturas de Dados #4 - Listas Encadeadas
- Estruturas de Dados #5 - Tabelas Hash
- Estruturas de Dados #6 - Árvores e Árvores Binárias
- Estruturas de Dados #7 - Árvores de Busca Binária e AVL
- Estruturas de Dados #8 - Grafos
- Estruturas de Dados #9 - Algoritmos de Busca: Linear e Binária
- Estruturas de Dados #10 - Algoritmos de Ordenação I: Bubble, Selection e In...
- Estruturas de Dados #11 - Algoritmos de Ordenação II: Quick, Merge, Countin...
- Machine Learning #1 - Introdução
- Machine Learning #2 - Média, Mediana e Moda
- Machine Learning #3 - Desvio Padrão e Percentis
- Machine Learning #4 - Distribuição de Dados
- Machine Learning #5 - Gráfico de Dispersão
- Machine Learning #6 - Regressão Linear
- Machine Learning #7 - Regressão Polinomial e Múltipla
- Machine Learning #8 - Escala de Dados e Divisão Treino/Teste
- Machine Learning #9 - Árvore de Decisão
- Machine Learning #10 - Avaliando Classificadores: Matriz de Confusão e Curv...
- Machine Learning #11 - Agrupamento: Hierárquico e K-Means
- Machine Learning #12 - Regressão Logística
- Machine Learning #13 - Validação Cruzada e Grid Search
- Machine Learning #14 - Dados Categóricos e Bagging
- Machine Learning #15 - K-Nearest Neighbors (KNN)
Pyenv Virtualenv Jupyter Anaconda Hackathon Introdução Variáveis Strings Operadores Listas Dicionários Condicionais Loops Funções Funções Avançadas Orientação a Objetos Métodos Mágicos Exceções Context Managers Módulos Scripts JSON Encapsulamento SOLID Classes Associação Dependência Herança Polimorfismo Interfaces Composição Numpy Pandas - Pandas #1 - Introdução: Series e DataFrames
- Pandas #2 - Selecionando e Filtrando Dados com loc, iloc e Máscaras Booleanas
- Pandas #3 - Operações Aritméticas em Series e DataFrames
- Pandas #4 - Analisando e Limpando Dados
- Pandas #5 - Dados Ausentes: isna(), ffill(), bfill() e interpolate()
- Pandas #6 - Ordenando e Reindexando DataFrames
- Pandas #7 - Estatísticas Descritivas e describe()
- Pandas #8 - Funções Cumulativas, rank() e Janelas Móveis
- Pandas #9 - Correlações e Visualização de Dados
- Pandas #10 - apply(), map() e pipe(): Aplicando Funções
- Pandas #11 - Trabalhando com Texto e Dados Categóricos
- Pandas #12 - Datas e Séries Temporais
- Pandas #13 - Agrupando e Agregando Dados com groupby()
- Pandas #14 - Remodelando Dados: pivot_table(), melt() e stack()/unstack()
- Pandas #15 - MultiIndex: Índices Hierárquicos
- Pandas #16 - Combinando DataFrames: merge, join e concat
- Pandas #17 - Lendo e Escrevendo Excel, HTML e Exportando Arquivos
- Pandas #18 - Gráficos Avançados: Boxplot, Área, Pizza e Subplots
Matplotlib Complexidade Arrays Pilhas e Filas Listas Encadeadas Hash Tables Árvores Árvores de Busca Grafos Busca Ordenação Estatística Distribuição Dispersão Regressão Pré-processamento Árvore de Decisão Avaliação de Modelos Clustering Validação de Modelos KNN