Você sabe oque é ciência de dados e inteligência artificial? Aprenda gratuitamente a programar para ciência de dados e inteligência artificial com certificados de instituições renomadas com essa coletânea de cursos para aprender o mínimo necessário e começar de imediato. Sem enrolação ou pegadinhas, preparei essa trilha de estudos para eu mesmo começar em 2025 e terminar em 5 meses, ou até menos, um projeto que venho adiando faz anos. Espero que goste da leitura e comece essa trilha junto comigo, deixe uma mensagem nos comentários e tenha um própero ano novo.
Oque é ciência de dados?
Ciência de dados é praticamente a evolução da estatística, apesar dessa mesma já ter sido chamada por esse nome muito antes. Surgiu com a necessidade dos Estados estabelecerem a demografia, sendo chamada de Matemática do ESTAdo e logo ESTAtística. Durante o século XX a ciência passou por uma revolução silenciosa, avanços na estatística forneceram modelos que permitiram melhorar o processo de pesquisa e orientar a tomada de decisões. Logo, a estatística se tornou um poderoso modo de pensar para abordar e resolver os mais diversos problemas em todas as áreas. Com o avanço dos computadores houve um crescente aumento de dados, e lidar com grandes volumes de dados foi um problema até pouco tempo atrás, mas hoje a estatística se reinventou com a skin de ciência de dados para lidar com Big Data usando abordagens computacionais modernas.
Oque é inteligência artificial?
Inteligência artificial (IA) refere-se à capacidade de sistemas computacionais de realizar tarefas que normalmente exigem a inteligência humana. Essas tarefas incluem aprendizado, reconhecimento de padrões, tomada de decisão e até mesmo interação com humanos. A IA ainda se divide quanto ao tipo de abordagem:
Por que entender de ciência de dados e inteligência artificial é importante?
Entender sobre assuntos que estão na vanguarda do conhecimento é importante para nos orientar sobre o estado da arte da sociedade no momento. Como visto, a estatística foi uma importante ferramenta para os avanços científicos no século XX, e isso só envolve lápis e papel com cálculos e lógica em um modo de pensar padronizado sobre os mais diversos tipos de dados não importa a área de conhecimento. Hoje a ciência de dados não está apenas no meio científico, empresas precisam descobrir o melhor modo de organizar e tratar seus dados para entender como impulsionar seus negócios. A formação de cientista de dados ainda é escassa nas universidades e a demanda por esses profissionais é enorme, muitas formações na área de TI convergem para trabalhar com ciência de dados mas estatística é a principal. Está há mais de 10 anos no top 20 das profissões mais bem pagas do mundo e não se sente ameaçada com os avanços em Inteligência Artificial como muitas outras pois agrega tais avanços para si.
Como estudar ciencia de dados e inteligencia artificial rápido, gratuitamente e com certificados
Os 5 passos mensais abaixo é o mínimo que você precisa para começar a se aventurar como cientista de dados, use constantemente o Chat GPT ou similar para tirar duvidas durante seus estudos. Quem acompanha o blog já conhece o modelo das minhas publicações: Depois do breve resumo geral abaixo com os melhores cursos, deixarei links de cada passo com uma explicação mais detalhada e cursos extras em português para quem tiver com problemas com inglês, atualize de acordo com a demanda de cada projeto:
Python, Janeiro de 2025: Python para ciência de dados e Inteligência Artificial é um curso gratuito da IBM com mais de 1 milhão de inscritos, tem 25 horas e é bem fácil terminar no primeiro mês formando uma base introdutória bem sólida.
Estatística e Matemática, Fevereiro de 2025: Conhecer pelo menos os Fundamentos de estatística com esse curso do Meta (empresa do Facebook) vai te ajudar a entender o propósito e abordagens da estatística e ciência de dados. Já para inteligência artificial, Matemática para machine learning: álgebra linear, do Imperial College London, vai ajudar a entender como funcionam as bases dos algortimos de aprendizado de máquina. Ambos os cursos são gratuitos, têm em torno de 20 horas e geram certificados.
Python para ciência de dados, Março 2025: Data Science, Machine Learning, Data Analysis, Python e R é um curso da Udemy que tem 8 horas com as principais bibliotecas de Python para ciência de dados - pandas ,numpy ,matplotlib e seaborn - e ainda introduz ao machine learning e a linguagem R, outra linguagem muito utilizada em ciência de dados. É gratuito mas não gera certificado (o certificado é pago).
Python para inteligência artificial, Abril 2025: A pricipal biblioteca de Machine Learning para inteligência artificial em Python é a scikit-learn. O curso Machine learning em Python da plataforma Cursa é gratuito, em português, tem certificado e dura 13 horas.
Projetos e Portfólio, Maio 2025: Elaborar projetos e criar um portfólio vai ajudar a por em prática e demonstrar o conhecimento de toda essa coleção de cursos juntos. Existem inúmeras aplicações mas se tiver dificuldades você pode seguir esse passo a passo para te orientar na criação do seu projeto original: Explore o espaço com o Python e o Visual Studio Code; inspirado pelo filme da Netflix "A Caminho da Lua", é um roteiro de aprendizagem básico que junto com Descubra a função do Python na exploração do espaço podem te ajudar a desenvolver seu projeto em ciência de dados, ambos são da Microsfot e têm entre 2 e 3 horas de duração. Já o roteiro de aprendizagem Prever os atrasos de lançamento de foguete com o machine learning, também da Microsoft, vai te ajudar a pensar como elaborar seu projeto em inteligência artificial e aprendizado de máquina.
Computação em nuvem, Cloud, é uma outra área interessante para estudar e aumentar seus conhecimentos em ciência de dados e inteligência artificial. Na leitura abaixo tem uma orientação de como você pode dar seus primeiros passos sobre isso também.
Tempo médio de leitura: 25 minutos
A maioria dos cursos é pela já tradicional plataforma Coursera. Muita gente critica a velocidade de aprendizado em data science, dizendo que são anos de prática e construção de conhecimentos para tal, mas há relatos de pessoas que conseguiram entrar na área em 6 meses apenas com cursos gratuitos disponíveis online. Existem sim cursos pagos e bons, mas fragmentar e conseguir uma gama de certificados de instituições já renomadas acaba saindo melhor do que apostar no escuro com certificados menos reconhecidos e cursos mais extensos. Porém mais do que habilidades e certificados é o network, ou seja, sua rede de contatos ou rede de relacionamentos, que fará a maior diferença para ingressar na área. Você não precisa fazer todos os cursos listados abaixo. Mantenha o foco no seu objetivo, veja quais links atendem aos seus critérios: prefere que seja em português? gostaria de certificado? E não se esqueça de estudar mantendo bons hábitos e anotações com a técnica FOAR.
Python
Python é a linguagem de programação de alto nível mais popular desde 2021 devido sua simplicidade e versatilidade. O Chat GPT foi escrito em Python, é uma das linguagens preferidas para desenvolvimento web, análise de dados, automação e machine learning pois tem uma comunidade grande e ativa, o que significa uma abundância de recursos, tutoriais, bibliotecas e suporte online. O primeiro mês de estudos, janeiro de 2025, será dedicado inteiramente a aprender a linguagem Python. Além do curso principal - Python para ciência de dados e Inteligência Artificial - descrito anteriormente, os seguintes cursos listados em ordem de relevância podem ser úteis:
Estatística e Matemática
Essa provavelmente será a etapa mais difícil. Esse mês, fevereiro de 2025, o mais importante será desenvolver o pensamento estatístico para saber como abordar seus problemas com as novas ferramentas computacionais. Formular e testar hipóteses, saber oque diz um teste A/B ou de correlação de Pearson além de criar modelos que possam inferir sobre seus dados. Grosseiramente falando, ciência de dados nada mais é do que você criar uma fórmula matemática que consiga descrever as variáveis e dados que você está tratando. Pense em algo como a 2ª lei de Newton na Física (F = m∙a, Força é igual a massa multiplicado pela aceleração) seu objetivo será pegar os dados de uma empresa ou qualquer outro projeto e modela-los de modo que uma fórmula parecida os descrevam, como por exemplo o aumento de vendas em datas festivas. Logo, entender sobre as Distribuição de Dados mais comuns é crucial, pois é o ponto de partida quando você busca entender os dados que está coletando. Se alguma dessas distribuições se aproxima do modelo que você está tentando criar vai lhe poupar muito tempo. Por exemplo, se você estiver fazendo um trabalho para uma empresa de telemarketing e quiser saber número de ligações que ocorre ou poderão ocorrer em um determinado intervalo de tempo, a distribuição de Poisson será a base para modelar seus dados. Não se intimide, criar um pensamento estatístico é realmente complicado e leva tempo mas é uma das mais poderosas formas de pensar. Mantenha esse resumo de distribuição de dados sempre a mão e curta cada pequeno avanço na sua jornada, pois quanto mais você aprende estatística mais vai entender das abordagens tradicionais para refinar seus métodos de pesquisa.
O próximo passo é aplicar isso em inteligência artificial, muitas ferramentas estatísticas estão presentes e algumas novas terminologias às vezes são usadas para descrever antigos métodos que a estatística já utilizava. Em aprendizado de máquina você vai aprender sobre Aprendizado supervisionado (Regressão Linear Simples, Regressão Linear Múltipla, Regressão Logística, K-nearest neighbors (KNN), Árvores de Decisão, Random Forest, entre outros) e Aprendizado Não-Supervisionado, principalmente o K-means, que são processos onde você vai treinar o modelo que você criou para descrever e inferir seus dados de modo mais automatizado.
Resumindo: Com estatística e ciência de dados você vai coletar e tratar os seus dados para gerar um modelo que mais se aproxima para tentar descrevê-los, e com inteligência artificial você vai automatizar todo esse processo principalmente para a entrada de novos dados. Os cursos listados anteriormente são: Fundamentos de estatística e Matemática para machine learning: álgebra linear são cursos bem pesados, e aconselho a continuar buscando cursos e videos sobre estatística para desenvolver um pensamento estatístico cada vez mais afiado:
Python para ciência de dados
O curso introdutório visto em janeiro de 2025, Python para ciência de dados e Inteligência Artificial, já serviu para mostrar as principais bibliotecas da linguagem Python voltadas a ciência de dados. Esse mês, março de 2025, servirá para nos aprofundarmos nessas bibliotecas. Além do curso sugerido Data Science, Machine Learning, Data Analysis, Python e R, esses cursos adicionais podem ser úteis:
Python para inteligência artificial
Ao longo desses meses fomos introduzidos o conceito de inteligência artificial. Então esse mês, abril de 2025, iremos focar sobre as aplicações de Python em inteligência artificial. A pricipal biblioteca de Machine Learning para inteligência artificial em Python é a scikit-learn, como já comentado, e o curso principal sugerido foi Machine learning em Python. Outros cursos que podem ser úteis ao longo desse mês:
Projetos e Portfólio
Depois de tantos cursos é bom começar a pensar por conta própria para ver como usa-los na vida real. Oque você vai fazer são pequenos projetos de ciência de dados e inteligência artificial e aplicar seus conhecimentos entendendo cada passo. Meu projeto para finalizar essa trilha de cursos é cruzar as previsões de economistas para quantificar quantas vezes eles acertam, pois oque mais vemos são economistas "errando" feio em suas previsões. Então será que não estão aplicando ciência de dados corretamente em seus modelos? Ou a premissa de oferta e demanda do mercado torna mais atraente influenciar as massas a certos comportamentos do que de fato estarem "certos" nas previsões que compartilham? Algumas das etapas são: Fazer uma raspagem na web (web scraping é uma técnica para extrair dados da web) a procura de previsões antigas de n economistas, tratar os dados e cruzar com o cenário que se concretizou. As etapas são muito semelhantes em diversos projetos então seja criativo. Eu iriei fazer uma publicação parecida com esta quando terminar, é importante que você compartilhe seus projetos formando um portfólio em um blog ou pelo menos nas redes sociais. Além dos roteiros de aprendizagem citados anteriormente, Explore o espaço com o Python e o Visual Studio Code; inspirado pelo filme da Netflix "A Caminho da Lua" e Descubra a função do Python na exploração do espaço, os seguintes links podem ajudar na elaboração do seu primeiro projeto original:
Cloud
A computação em nuvem (Cloud Computing) revolucionou a maneira como armazenamos, processamos e acessamos dados e aplicativos. Ela permite que indivíduos e organizações usem uma infraestrutura de TI sob demanda, sem precisar investir pesadamente em hardware próprio. Ou seja, o armazenamento e/ou processamento ocorre em um computador e os dados e resultados são transferidos para outro pela web. O Google drive é uma solução para armazenamento e o Game Pass e Gefornce Now são serviços na nuvem para jogos. Para ciência de dados é uma ótima uma solução para trabalhar com big data, já que o processamento de tantos dados requer um hardware robusto que nem sempre temos acesso, que pode ser em um supercomputador ou através de computação distribuida, isto é, vários computadores combinam seu poder computacional para trabalhar como se fossem um supercomputador. Projetar e implementar uma solução de ciência de dados no Azure é um curso que pode ajudar a dar seus primeiros passos na Cloud, é em português e da Microsoft. Alguns videos de introdução a Cloud no Youtube:
Cursos de R
R é a linguagem de programação mais tradicional voltada a estatística. É uma ótima opção para ciência de dados, mas lembrando que nem sempre é necessária uma linguagem de programação, muitas vezes o Excel já é o suficiente para analisar seus dados e tirar insights preciosos. Alguns cursos de R que podem ser úteis:
Extras
Alguns cursos extras que podem ser úteis depois de terminar essa trilha de estudos de ciência de dados:
Computação quântica
A computação quântica usa hardware e algoritmos baseados em mecânica quântica para resolver problemas tão complexos que computadores clássicos e mesmo supercomputadores demorariam milhares de anos ou nem podem resolver. Um dos maiores problemas é que a atual criptografia pode ser facilmente quebrada com essas máquinas, logo, as criptomoedas sofrem uma grande ameaça com os avanços da computação quântica. É lógico que a criptografia quântica também avançará, mas praticamente tudo deverá ser remodelado a essa nova realidade e praticamente todas as criptomoedas atuais ficarão inseguradas e obsoletas. Mesmo sendo uma tecnologia de ponta podemos acessar computadores quânticos, de modo restrito, através da Cloud. Mas é praticamente inútil se não tivermos a mínima noção do assunto pois as linguagens de programação atuais não estão preparadas para a arquitetura e lógica da computação quântica, Python por exemplo tem mais de 30 anos. Então novas linguagens de programação voltadas para a computação quântica estão surgindo como Q# da Microsoft e Qiskit da IBM, e até mesmo avanços sobre uma internet quântica (Science, 2021). Alguns links que podem ser úteis caso tenha avançado o suficiente em ciência de dados e inteligência artificial e estiver em busca de novos horizontes:
Fontes adicionais:
Blog Towards Data SciencePizza de Dados
Programação Dinâmica
Blog da Letícia Gerola
Blog do Gil Santanna
Nenhum comentário:
Postar um comentário