Conteúdo do Curso

Desafio de Entrevista em Ciência de Dados

1. Python

Introdução Desafio 1: Compreensão de Lista Desafio 2: Manipulação de Strings Desafio 3: Manipulação de Dicionário Desafio 4: Laços Aninhados Desafio 5: Classes Perguntas Teóricas

2. NumPy

Desafio 1: Criação de Array Desafio 2: Manipulação de Array Desafio 3: Insights Estatísticos Desafio 4: Tratamento de Valores Ausentes Desafio 5: Ordenação de Subarranjo Questões Teóricas

3. Pandas

Desafio 1: Criação de DataFrame Desafio 2: Agrupamento de Dados Desafio 3: Indexação e MultiIndexação Desafio 4: Alterando DataFrame Desafio 5: Iterando Sobre Dados Questões Teóricas

4. Matplotlib

Desafio 1: Fundamentos da Construção de Gráficos Desafio 2: Outros Tipos de Gráficos Desafio 3: Subtramas Desafio 4: Personalizando Gráficos Desafio 5: Adicionando Texto aos Gráficos Questões Teóricas

5. Seaborn

Desafio 1: Visualizando Distribuições Desafio 2: Explorando Dados Categóricos Desafio 3: Gráficos Relacionais Desafio 4: Gráficos de Regressão Desafio 5: Gráficos de Matriz Questões Teóricas

6. Estatísticas

Desafio 1: Probabilidades e Distribuições Desafio 2: Teorema de Bayes Desafio 3: Teste de Hipóteses Desafio 4: Intervalos de Confiança Desafio 5: Correlação Questões Teóricas

7. Scikit-learn

Desafio 1: Escalonamento de Dados Desafio 2: Criação de Modelo Básico Desafio 3: Pipelines Desafio 4: Validação Cruzada Desafio 5: Ajuste de Hiperparâmetros Questões Teóricas

Desafio 2: Agrupamento de Dados

O Pandas, conhecido por suas ferramentas abrangentes de análise de dados, oferece um mecanismo versátil de agrupamento chamado método groupby. Esse método é fundamental para agregar dados com base em certos critérios, um processo semelhante à instrução GROUP BY do SQL. Os benefícios de usar groupby são vários:

Controle de Granularidade: Você pode agregar dados em diferentes níveis de granularidade, desde o nível mais alto (por exemplo, agrupando por país) até o mais detalhado (por exemplo, agrupando por carimbos de data/hora individuais).
Simplicidade: A sintaxe de groupby é concisa e expressiva, facilitando a realização de operações encadeadas e a obtenção de agregações complexas.
Extensibilidade: Com groupby, você pode aplicar funções de agregação personalizadas, não apenas as embutidas, dando a você o poder de calcular métricas personalizadas para os grupos.

Ao se aprofundar na exploração de dados, as capacidades de agrupamento do Pandas podem revelar padrões e tendências esclarecedores ao segmentar os dados em categorias significativas.

Tarefa

Demonstre o agrupamento de dados em Pandas com as seguintes tarefas:

Agrupe os dados por uma única coluna A.
Some todos os dados agrupados para a coluna A usando a função integrada.
Aplique várias funções de agregação ao mesmo tempo. Obtenha a agregação de soma para a coluna B e média para a coluna C.
Agrupe por múltiplas colunas (A e B).

Tarefa

Demonstre o agrupamento de dados em Pandas com as seguintes tarefas:

Agrupe os dados por uma única coluna A.
Some todos os dados agrupados para a coluna A usando a função integrada.
Aplique várias funções de agregação ao mesmo tempo. Obtenha a agregação de soma para a coluna B e média para a coluna C.
Agrupe por múltiplas colunas (A e B).

Tudo estava claro?

Seção 3. Capítulo 2

Desafio 2: Agrupamento de Dados

Controle de Granularidade: Você pode agregar dados em diferentes níveis de granularidade, desde o nível mais alto (por exemplo, agrupando por país) até o mais detalhado (por exemplo, agrupando por carimbos de data/hora individuais).
Simplicidade: A sintaxe de groupby é concisa e expressiva, facilitando a realização de operações encadeadas e a obtenção de agregações complexas.
Extensibilidade: Com groupby, você pode aplicar funções de agregação personalizadas, não apenas as embutidas, dando a você o poder de calcular métricas personalizadas para os grupos.

Ao se aprofundar na exploração de dados, as capacidades de agrupamento do Pandas podem revelar padrões e tendências esclarecedores ao segmentar os dados em categorias significativas.

Tarefa

Demonstre o agrupamento de dados em Pandas com as seguintes tarefas:

Agrupe os dados por uma única coluna A.
Some todos os dados agrupados para a coluna A usando a função integrada.
Aplique várias funções de agregação ao mesmo tempo. Obtenha a agregação de soma para a coluna B e média para a coluna C.
Agrupe por múltiplas colunas (A e B).

Tarefa

Demonstre o agrupamento de dados em Pandas com as seguintes tarefas:

Agrupe os dados por uma única coluna A.
Some todos os dados agrupados para a coluna A usando a função integrada.
Aplique várias funções de agregação ao mesmo tempo. Obtenha a agregação de soma para a coluna B e média para a coluna C.
Agrupe por múltiplas colunas (A e B).

Tudo estava claro?

Seção 3. Capítulo 2

Desafio 2: Agrupamento de Dados

Controle de Granularidade: Você pode agregar dados em diferentes níveis de granularidade, desde o nível mais alto (por exemplo, agrupando por país) até o mais detalhado (por exemplo, agrupando por carimbos de data/hora individuais).
Simplicidade: A sintaxe de groupby é concisa e expressiva, facilitando a realização de operações encadeadas e a obtenção de agregações complexas.
Extensibilidade: Com groupby, você pode aplicar funções de agregação personalizadas, não apenas as embutidas, dando a você o poder de calcular métricas personalizadas para os grupos.

Ao se aprofundar na exploração de dados, as capacidades de agrupamento do Pandas podem revelar padrões e tendências esclarecedores ao segmentar os dados em categorias significativas.

Tarefa

Demonstre o agrupamento de dados em Pandas com as seguintes tarefas:

Agrupe os dados por uma única coluna A.
Some todos os dados agrupados para a coluna A usando a função integrada.
Aplique várias funções de agregação ao mesmo tempo. Obtenha a agregação de soma para a coluna B e média para a coluna C.
Agrupe por múltiplas colunas (A e B).

Tarefa

Demonstre o agrupamento de dados em Pandas com as seguintes tarefas:

Agrupe os dados por uma única coluna A.
Some todos os dados agrupados para a coluna A usando a função integrada.
Aplique várias funções de agregação ao mesmo tempo. Obtenha a agregação de soma para a coluna B e média para a coluna C.
Agrupe por múltiplas colunas (A e B).

Tudo estava claro?

Controle de Granularidade: Você pode agregar dados em diferentes níveis de granularidade, desde o nível mais alto (por exemplo, agrupando por país) até o mais detalhado (por exemplo, agrupando por carimbos de data/hora individuais).
Simplicidade: A sintaxe de groupby é concisa e expressiva, facilitando a realização de operações encadeadas e a obtenção de agregações complexas.
Extensibilidade: Com groupby, você pode aplicar funções de agregação personalizadas, não apenas as embutidas, dando a você o poder de calcular métricas personalizadas para os grupos.

Ao se aprofundar na exploração de dados, as capacidades de agrupamento do Pandas podem revelar padrões e tendências esclarecedores ao segmentar os dados em categorias significativas.

Tarefa

Demonstre o agrupamento de dados em Pandas com as seguintes tarefas:

Agrupe os dados por uma única coluna A.
Some todos os dados agrupados para a coluna A usando a função integrada.
Aplique várias funções de agregação ao mesmo tempo. Obtenha a agregação de soma para a coluna B e média para a coluna C.
Agrupe por múltiplas colunas (A e B).

Seção 3. Capítulo 2

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo