Data Science em R: ETL parte 3 - Text Mining

Vamos iniciar relembrando a criação de strings.

Nem tudo o que é colocado em " " funciona perfeitamente para ser considerada uma string. Veja algumas expressões especiais que podem modificar tudo.

Também é possível obtermos vetores de strings e aplicarmos diferentes estratégias para entendê-los.

Nesta aula iniciou com diferentes estratégias de combinações entre strings para formar outros elementos.

Uma observação muito interessante é que podemos incluir condições a estas combinações.

É muito importante que você aprenda a unir todos os elementos de um vetor de strings em apenas uma string.

Agora, uma das partes mais interessantes que é extrair subgrupos de uma string maior.

Agora, nesta aula mostro como transformar as informações de string em dados úteis para as análises.

Que tal aprender como modificar uma string sem grandes sacrifícios?

E se você estiver interessado em mostrar partes específicas de uma string? Aprenda agora como isso é possível.

Vamos avançar nesta parte de visualização de palavras específicas numa strings, agora para outros tipos de objetivos.

Agora vamos ver como encontrar um padrão específico a partir de uma quantidade determinada de repetições dentro de uma string.

Nesta aula mostro diferentes formas de quantificar a presença de padrões específicos numa string.

Aqui vamos procurar palavras que iniciam com um determinado padrão específico.

Avançando, vamos ver como identificar em strings, palavras que terminem com um determinado padrão especificado. 

Nesta aula explico a regra do "ou" que consiste em detectar uma série de opções de correspondências ao invés de uma opção apenas.

Agora você verá como incluir a negação na busca por padrões em strings.

Agora nesta aula, vamos ver como manipular strings estando com bancos de dados, ou seja, data frames ou tibbles.

Nesta aula você verá como adicionar novas variáveis ao data frame, sendo elas resultados de manipulações de strings que estão no mesmo data frame.

Esta aula é muito importante, pois nela você vai aprender a extrair partes de interesse numa string.

Aqui mostro que ao encontrar uma correspondência é possível também substituí-la por um elemento fixo ou um vetor.

Nesta aula mostro como você poderá separar uma string de diferentes maneiras.

Nesta aula você terá dicas adicionais sobre como buscar padrões nas strings.

Chegamos a etapa final de nosso curso, onde você terá a oportunidade de juntar tudo o que aprendeu para aplicar em seu ambiente de trabalho. A seguir veremos quais as etapas que constituem este nosso projeto.

"E qual seria o próximo passo?"

Provavelmente você está se perguntando quais os passos para que eu saiba analisar corretamente os dados e ser um(a) Cientista de Dados? O que eu preciso aprender? E qual a ordem lógica das coisas? Será que estou seguindo os passos corretamente sem pular nada importante?

No processo de criação das habilidades necessárias para a Ciência de Dados é normal ficarmos perdidos e confusos a respeito das etapas a serem seguidas. E o que adianta sair por ai aprendendo de tudo e não aprender o que realmente é necessário?

E tenho percebido que muitos alunos assim como eu no início, ficam em dúvida sobre quais cursos devem fazer para ter a habilidade de analisar dados e também em qual ordem estes cursos devem ser feitos, a fim de evitar três problemas:

- A perda de tempo aprendendo o que não é necessário (Overdose de informação)

- Pular etapas importantes e assim se perder no processo.

- Não conseguir acompanhar os cursos, por não saber o que vem antes ou vem depois.

Então por isso quero deixar em ANEXO a esta aula uma sequência ideal de cursos para que você ganhe tempo e atinja o alvo de forma objetiva.

E como você já faz parte de nosso time de profissionais de sucesso, achei justo de presentear com vários cupons promocionais (no mesmo anexo) para que não tenhas desculpas de não dominar esta nova carreira profissional.

Agora iremos abordar o caminho exato para a carreira de Data Scientist e como este curso se encaixa nesta sequência de habilidades.