MLD103 · Análise exploratória e visualização de dados
Sobre o curso
Explore dados de forma sistemática para encontrar padrões, problemas e oportunidades e transforme as descobertas em gráficos claros que apoiam decisões de negócio.
Para quem é
Analistas e futuros cientistas de dados que já usam o pandas e querem explorar dados com rigor e comunicá-los bem.
Pré-requisitos
MLD102 ou experiência equivalente em carregar e limpar dados com pandas.
O que você será capaz de fazer
- Aplicar um roteiro estruturado de análise exploratória cobrindo distribuições, dados ausentes, valores extremos e relações
- Escolher o gráfico certo para comparações, distribuições, relações e tendências
- Detectar padrões enganosos, como variáveis de confusão, paradoxo de Simpson e sazonalidade
- Produzir um relatório de análise exploratória e um painel curto que apresentem descobertas e ações recomendadas
Aulas
- Aula 1 · Uma abordagem sistemática para explorar dados
- Aula 2 · Relações, segmentos e tempo
- Aula 3 · Visualização que comunica
- Aula 4 · Laboratório e atividade
Laboratório: Explorando pedidos e avaliações de um restaurante
Você vai explorar um ano de pedidos e avaliações de clientes de um pequeno grupo de restaurantes, buscando o que influencia o valor dos pedidos, as notas e os períodos fracos. No fim, vai montar um painel de uma página no Looker Studio a partir dos dados limpos.
Ferramentas gratuitas: Google Colab (gratuito) com pandas, matplotlib e seaborn, além do Looker Studio (gratuito) para o painel
Atividade avaliada
Faça uma análise exploratória completa de um conjunto de dados de sua escolha, ligado a um pequeno negócio, ou do conjunto de aluguel de bicicletas fornecido. Entregue um notebook que siga o roteiro de análise exploratória e um relatório de três páginas com pelo menos cinco descobertas, cada uma sustentada por um gráfico bem desenhado e por uma implicação para o negócio. Inclua uma descoberta que muda ou se inverte quando você segmenta os dados e uma lista curta de perguntas em aberto que exigem mais dados ou um teste controlado.
| Critério | Peso | Como é um trabalho excelente |
|---|---|---|
| Exploração sistemática | 25% | Distribuições, ausentes, valores extremos, relações e padrões temporais examinados seguindo um roteiro claro. |
| Qualidade dos gráficos | 25% | Cada tipo de gráfico combina com seu objetivo, com títulos claros, eixos rotulados, escalas honestas e pouca poluição visual. |
| Descobertas e raciocínio | 30% | Descobertas específicas, quantificadas e bem interpretadas, com segmentação usada para evitar conclusões enganosas. |
| Comunicação | 20% | O relatório começa pelas descobertas e ações, é fácil de percorrer e separa evidências de hipóteses. |
Peça de portfólio
Um relatório de análise exploratória e um painel no Looker Studio que transformam dados brutos de negócio em descobertas acionáveis.
Próximo passo
Continue com MLD104 · Estatística para machine learning · 6 horas · R$ 60,00
Conteúdo do curso
MLD103 · Análise exploratória e visualização de dados (6 h)
-
Aula 1 · Uma abordagem sistemática para explorar dados
-
Aula 2 · Relações, segmentos e tempo
-
Aula 3 · Visualização que comunica
-
Aula 4 · Laboratório e atividade
-
MLD103 Avaliação · Análise exploratória e visualização de dados