
Definição simples e clara de dados (ex: números, textos, imagens).
Diferença entre dados brutos e informações.
Exemplos do dia a dia (ex: dados de compras, redes sociais, sensores).
Conceito de pipeline como "linha de produção" dos dados.
Etapas típicas: extração (ETL/ELT), transformação, carga, armazenamento e disponibilização.
Ferramentas comuns (sem aprofundar): alteryx, python, aws Glue
Conceito dos 5 Vs: Volume, Velocidade, Variedade, Veracidade e Valor.
Diferença entre Big Data e dados tradicionais.
Armazenamento de dados, data Lake, mas
Exemplos de Big Data (ex: streaming de vídeos, dados de sensores IoT, logs de aplicativos).
Definição de on-premise (infraestrutura local) e nuvem (serviços como AWS, Azure, GCP).
Vantagens e desvantagens de cada abordagem.
Tendência de migração para a nuvem (ex: escalabilidade, custos, segurança).
Engenheiro de Dados: estrutura e movimenta os dados, cria pipelines e cuida da infraestrutura.
Cientista de Dados: analisa grandes volumes de dados, aplica estatística e machine learning.
Analista de Dados: gera relatórios, interpreta dados, apoia a tomada de decisão.
Outras funções possíveis: engenheiro de machine learning, arquiteto de dados, analista BI.
Dúvidas sobre upload de dados no google looker no arquivo "Guia_ Como Exportar CSV Corretamente para Google Looker Studio.pdf".
O que é a AWS?
Como criar uma conta gratuita
Conceito de regiões e zonas de disponibilidade
Painel do AWS Management Consol
Upload de um dataset no Amazon S3
Consulta via Amazon Athena
Criação de visualização simples (QuickSight)
Quer entrar na área de dados, mas não sabe por onde começar?
Este curso é o roteiro ideal para estudantes, universitários e iniciantes que desejam entender o mundo de dados de forma prática, sem enrolação, sem pré-requisitos técnicos e com foco total no que o mercado realmente valoriza.
Durante as aulas, você vai:
Descobrir o que são dados, os tipos existentes e suas aplicações no mundo real
Aprender a usar Excel para analisar, organizar e limpar dados com eficiência
Escrever suas primeiras consultas em SQL para extrair e cruzar informações de bancos de dados
Começar com Python e bibliotecas como pandas e matplotlib para analisar dados de forma profissional
Visualizar dados de maneira clara e impactante, contando histórias com gráficos
Entender os conceitos básicos de computação em nuvem com foco em AWS
Criar um portfólio público no GitHub com projetos reais para otimizar seu CV, se destacar em entrevistas e processos seletivos.
Este não é apenas mais um curso teórico. Aqui você aprende fazendo, desenvolve projetos aplicáveis e sai com um portfólio que comprova suas habilidades técnicas.
Se você está em busca do primeiro estágio, da primeira vaga em dados ou em transição de carreira, este curso foi feito exatamente para você.
Inscreva-se agora mesmo e dê seu primeiro passo rumo a uma carreira em dados agora mesmo!