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 3: Indexação e MultiIndexação

Pandas, uma biblioteca indispensável no kit de ferramentas do cientista de dados, oferece recursos de indexação robustos que são integrais para a manipulação e recuperação de dados.

Eficiência: O acesso rápido a dados e a manipulação frequentemente dependem de estratégias inteligentes de indexação, especialmente para conjuntos de dados maiores.
Flexibilidade: Seja indexação básica de linhas/colunas, rótulos hierárquicos ou mesmo indexação baseada em data e hora, o Pandas oferece suporte completo.
Legibilidade: Uma indexação descritiva pode tornar o código mais intuitivo e fácil de seguir, agilizando assim a fase de exploração de dados.

Um sólido entendimento das técnicas de indexação, incluindo a indexação múltipla, pode acelerar tarefas como a recuperação de dados, agregação e reestruturação.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Tudo estava claro?

Seção 3. Capítulo 3

Desafio 3: Indexação e MultiIndexação

Pandas, uma biblioteca indispensável no kit de ferramentas do cientista de dados, oferece recursos de indexação robustos que são integrais para a manipulação e recuperação de dados.

Eficiência: O acesso rápido a dados e a manipulação frequentemente dependem de estratégias inteligentes de indexação, especialmente para conjuntos de dados maiores.
Flexibilidade: Seja indexação básica de linhas/colunas, rótulos hierárquicos ou mesmo indexação baseada em data e hora, o Pandas oferece suporte completo.
Legibilidade: Uma indexação descritiva pode tornar o código mais intuitivo e fácil de seguir, agilizando assim a fase de exploração de dados.

Um sólido entendimento das técnicas de indexação, incluindo a indexação múltipla, pode acelerar tarefas como a recuperação de dados, agregação e reestruturação.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Tudo estava claro?

Seção 3. Capítulo 3

Desafio 3: Indexação e MultiIndexação

Pandas, uma biblioteca indispensável no kit de ferramentas do cientista de dados, oferece recursos de indexação robustos que são integrais para a manipulação e recuperação de dados.

Eficiência: O acesso rápido a dados e a manipulação frequentemente dependem de estratégias inteligentes de indexação, especialmente para conjuntos de dados maiores.
Flexibilidade: Seja indexação básica de linhas/colunas, rótulos hierárquicos ou mesmo indexação baseada em data e hora, o Pandas oferece suporte completo.
Legibilidade: Uma indexação descritiva pode tornar o código mais intuitivo e fácil de seguir, agilizando assim a fase de exploração de dados.

Um sólido entendimento das técnicas de indexação, incluindo a indexação múltipla, pode acelerar tarefas como a recuperação de dados, agregação e reestruturação.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Tudo estava claro?

Pandas, uma biblioteca indispensável no kit de ferramentas do cientista de dados, oferece recursos de indexação robustos que são integrais para a manipulação e recuperação de dados.

Eficiência: O acesso rápido a dados e a manipulação frequentemente dependem de estratégias inteligentes de indexação, especialmente para conjuntos de dados maiores.
Flexibilidade: Seja indexação básica de linhas/colunas, rótulos hierárquicos ou mesmo indexação baseada em data e hora, o Pandas oferece suporte completo.
Legibilidade: Uma indexação descritiva pode tornar o código mais intuitivo e fácil de seguir, agilizando assim a fase de exploração de dados.

Um sólido entendimento das técnicas de indexação, incluindo a indexação múltipla, pode acelerar tarefas como a recuperação de dados, agregação e reestruturação.

Tarefa

Mergulhe no uso de índices com Pandas através destas tarefas:

Defina uma coluna Date como índice de um DataFrame.
Redefina o índice de um DataFrame.
Crie um DataFrame com um MultiIndex.
Acesse dados de um DataFrame MultiIndexado com os índices A e 1.

Seção 3. Capítulo 3

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