Desafio de Entrevista em Ciência de Dados

Desafio de Entrevista em Ciência de Dados

0%

1. Python

Vamos dar uma olhada no que vamos trabalhar neste curso. A primeira seção irá familiarizá-lo com Python, uma linguagem de programação flexível e avançada conhecida por sua sintaxe clara e legibilidade.

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

NumPy é uma biblioteca fundamental em Python que facilita cálculos numéricos eficientes com poderosos arrays n-dimensionais e funções matemáticas.

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

O Pandas oferece estruturas de dados intuitivas e versáteis para manipulação e análise eficientes de dados, otimizando as etapas iniciais do pipeline de ciência de dados.

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

Matplotlib é uma biblioteca completa de Python para a criação de visualizações estáticas, animadas e interativas em Python.

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

O Seaborn é uma biblioteca de visualização de dados em Python baseada em Matplotlib, que oferece uma interface de alto nível para criar gráficos estatísticos informativos e atraentes.

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

A Estatística oferece aos cientistas de dados técnicas e ferramentas fundamentais para extrair percepções significativas dos dados, permitindo-lhes tomar decisões informadas e fazer previsões com base em evidências empíricas.

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

Scikit-learn é uma biblioteca Python de código aberto que fornece ferramentas simples e eficientes para análise de dados e modelagem, especialmente para aprendizado de máquina. Cientistas de dados a utilizam extensivamente por sua coleção abrangente de algoritmos e técnicas de processamento, permitindo que eles desenvolvam e implantem modelos preditivos de maneira rápida.

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

Conteúdo do Curso

Desafio de Entrevista em Ciência de Dados

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

Questões Teóricas

1. Como você pode filtrar linhas em um DataFrame `df` onde os valores da coluna 'A' são maiores que 10?

2. O método `df.describe()` retorna o quê?

3. Se `series` é uma Série Pandas, o que `series.value_counts()` fará?

4. Qual dos seguintes métodos é utilizado para concatenar dois DataFrames, `df1` e `df2`?

5. Qual método é usado para verificar o número de observações `None` através das colunas?

6. O que o seguinte código retorna: `df.dtypes`?

7. Que método é utilizado para remover duplicatas de um DataFrame?

8. Como você pode transpor um DataFrame?

9. Qual método Pandas é usado para combinar dois DataFrames lado a lado?

10. O que `df.head(3)` retorna?

Como você pode filtrar linhas em um DataFrame df onde os valores da coluna 'A' são maiores que 10?

Selecione a resposta correta

df.get(df['A'] > 10)

df[df['A'] > 10]

df.where('A' > 10)

df.find(df['A'] > 10)

O método df.describe() retorna o quê?

Selecione a resposta correta

Estatísticas resumidas do DataFrame

As cinco primeiras linhas do DataFrame

Os tipos de dados das colunas no DataFrame

Um gráfico que descreve o DataFrame

Se series é uma Série Pandas, o que series.value_counts() fará?

Selecione a resposta correta

Retorne a frequência de cada valor único na série.

Organize a série com base nos valores

Conte o número total de valores na série.

Retorne valores únicos na série

Qual dos seguintes métodos é utilizado para concatenar dois DataFrames, df1 e df2?

Selecione a resposta correta

pd.append(df1, df2)

df1.concat(df2)

pd.concat([df1, df2])

df1.combine(df2)

Qual método é usado para verificar o número de observações None através das colunas?

Selecione a resposta correta

df.check()

df.isnull().sum()

df.na_count()

df.observe()

O que o seguinte código retorna: df.dtypes?

Selecione a resposta correta

As primeiras cinco linhas do DataFrame

As últimas cinco linhas do DataFrame

Uma máscara booleana do DataFrame baseada em valores nulos.

Os tipos de dados de cada coluna

Que método é utilizado para remover duplicatas de um DataFrame?

Selecione a resposta correta

df.dropna()

df.delete_duplicates()

df.remove_duplicates()

df.drop_duplicates()

Como você pode transpor um DataFrame?

Selecione a resposta correta

df.T

df.transpose = True

df.rotate()

df.flip()

Qual método Pandas é usado para combinar dois DataFrames lado a lado?

Selecione a resposta correta

df.join()

df.bind()

df.concat()

df.union()

O que df.head(3) retorna?

Selecione a resposta correta

As três primeiras linhas do df

As últimas três linhas de df

Uma amostra aleatória de três linhas do df

Os três valores mais frequentes de df

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 3. Capítulo 6

some-alt