Aprenda Programação em Python 3 do Zero com Facilidade

8,268 students enrolled

Aprenda Programação em Python 3 do Zero com Facilidade

Domine o Python3! Curso Completo com Exercícios e Projetos + Bônus Especial: Machine Learning Supervisionado em Python!

8,268 students enrolled

Created by Ivan Lourenço Gomes

Last updated 2/2020

Portuguese

Portuguese [Auto-generated]

Preview this course

Aprenda Programação em Python 3 do Zero com Facilidade

$35.99 $54.99 35% off

13 hours left at this price!

30-Day Money-Back Guarantee

12.5 hours on-demand video
9 downloadable resources
Full lifetime access
Access on mobile and TV

Certificate of Completion

Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business

What you'll learn

Domínio dos princípios da lógica de programação
Fluência na escrita de programas em Python
Facilidade no uso de dados externos em programas Python através de requisições HTTP para APIs
Criação de programas para resolução de problemas reais do dia a dia
Machine Learning em Python

+ – Conceitos Básicos

11 lectures 02:05:20

Preview 01:16

Nesta aula começaremos a usar o Python. Vamos fazer o download do Python 36 e criar um atalho do Python Shell na área de trabalho.

Instalação do Python36 (Windows)

Preview 08:04

Vamos agora entender o funcionamento do Python Shell e escrever as primeiras linhas de código.

Começando a usar o Python Shell.

11:21

O conceito de variável é fundamental em qualquer linguagem de programação. Neste aula vamos entender o que são variáveis e como usá-las na linguagem Python.

Preview 14:52

Tipos de dados: Strings

20:22

Tipos de Dados: Números

16:47

Exercício: Números

Preview 06:43

Tipos de dados: Listas e Tuplas

13:28

Exercício: Listas e Tuplas

06:21

Tipos de dados: Dicionários

17:49

Exercício: Dicionários

08:17

+ – Começando a programar

16 lectures 04:23:50

Lógica e Condicionais: If, Elif e Else (Parte 1)

19:46

Lógica e Condicionais: If, Elif e Else (Parte 2)

18:32

Exercício: Condicionais

16:53

Loops: While

19:55

Loops: For

19:46

Exercício: Loops

11:09

Validação de Dados

20:14

Exercício: Validação de Dados

14:16

Funções

16:44

Exercício: Funções (Parte 1)

15:50

Exercício: Funções (Parte 2)

15:44

Criar e Conectar Módulos

06:45

Módulos Built-in (Parte 1)

12:49

Módulos Built-in (Parte 2)

16:33

Módulos Externos

19:13

Exercício: Módulos

19:41

+ – Projeto de Conclusão do Curso

1 lecture 09:09

Projeto de Conclusão do Curso

09:09

+ – Nova Seção: App de Previsão do Tempo em Python

19 lectures 02:42:22

Preview 01:49

Requisições HTTP em Python

Preview 09:45

Obter a Localização do Usuário

08:17

Trabalhando com Dados em JSON

09:00

Registro no Accuweather

04:07

Obter Código do Local (Parte 1)

15:05

Obter Código do Local (Parte 2)

05:44

Obter Clima Atual

10:40

Refactoring (Parte 1)

12:21

Refactoring (Parte 2)

05:40

Refactoring (Parte 3) - Evitando Erros

09:30

Desafio 1 - Previsão dos Próximos 5 dias

03:29

Resolução do Desafio 1 - Parte 1

12:15

Resolução do Desafio 1 - Parte 2

10:12

Desafio 2 - Pesquisa de Local

05:17

Resolução do Desafio 2 - Parte 1

06:56

Resolução do Desafio 2 - Parte 2.1

11:26

Resolução do Desafio 2 - Parte 2.2

08:45

Resolução do Desafio 2 - Parte 3

12:04

+ – Nova Seção: Machine Learning em Python

23 lectures 03:02:35

O que é Machine Learning?

Preview 04:23

Preparação do Ambiente de Trabalho

Preview 06:42

Iris Dataset

13:23

Aplicação do KNN

12:09

Avaliação da Performance do Modelo

10:02

Exercício: Seleção do Valor de K

02:09

Resolução do Exercício: Seleção do Valor de K

12:40

Regressão Logística

05:25

Aplicação do Modelo de Regressão Logística

09:23

Importação do Advertising Dataset

10:25

Regressão Linear

03:50

Aplicação do Modelo de Regressão Linear (Parte 1)

10:44

Aplicação do Modelo de Regressão Linear (Parte 2)

05:36

Avaliação da Performance do Modelo de Regressão Linear

08:55

Exercício: Regressão Linear

06:03

Resolução do Exercício: Regressão Linear (Parte 1)

10:36

Resolução do Exercício: Regressão Linear (Parte 2)

05:30

Importação do Digits Dataset

10:31

SVM: Support Vector Machine

02:48

Aplicação do SVM (Parte 1)

02:54

Aplicação do SVM (Parte 2)

05:40

Leitura e Reconhecimento da Imagem de um Dígito (Parte 1)

15:35

Leitura e Reconhecimento da Imagem de um Dígito (Parte 2)

07:12

Requirements

Você precisa ter um computador
E você precisa ter vontade de aprender coisas novas e usar a cabeça para desenvolver soluções para problemas reais

Description

Neste curso, que é um dos mais populares da Udemy no tema de programação, cada um dos conceitos fundamentais da linguagem Python são abordados de forma prática e com explicações passo a passo, tornando o aprendizado super fácil e intuitivo.

Além disso, o curso está recheado de exercícios e desafios práticos pra que você tenha a chance de aplicar tudo o que está aprendendo em situações reais do dia a dia.

Utilizamos no curso o Python 3, o mais recente do momento. Você vai terminar o curso com bastante domínio da linguagem Python e esta base servirá também para aprender a programar em outras linguagens com muito mais facilidade.

Além dos assuntos fundamentais, faremos juntos um projeto de app de previsão do tempo. Nele, vamos utilizar requisições HTTP para pegar informações de diferentes serviços meteorológicos e apresentar a previsão do tempo ao usuário.

Temos também uma seção inteira abordando inteligência artificial em Python, mais especificamente Machine Learning, usando a biblioteca scikit learn. Vamos aprender a usar Machine Learning para criar um programa que classifica espécies de plantas, um que prevê o valor de vendas decorrentes de campanhas publicitárias e um que reconhece dígitos escritos à mão.

O curso está imperdível! Se você quer aprender a programar e se tornar um profissional na área de tecnologia, inscreva-se já e vamos aprender Python, a linguagem mais popular do momento!

Who this course is for:

Qualquer pessoa que queira aprender a programar
Pessoas que queiram dominar a linguagem Python para no futuro criar tecnologias relacionadas com Machine Learning, Desenvolvimento de jogos, Cálculos científicos, Estatística, Web Scraping, Desenvolvimento Web, etc.