3 cursos gratuitos para quem nunca programou e quer virar cientista de dados
Um dos maiores desafios para pessoas de áreas "não tech" que querem se tornar cientista de dados é aprender a programar. E considero um dos maiores erros dessas pessoas começarem aprendendo R ou Python. A minha justificativa é a seguinte: geralmente os livros ou cursos de R ou Python para data science dão menos ênfase aos conceitos de lógica de programação. Conceitos que quando não estão bem consolidados, podem tornar a trilha de aprendizado mais difícil, e até comprometer o desempenho profissional no futuro.
Escolhi 3 cursos gratuitos que podem ajudar a tornar mais eficiente o processo de desenvolvimento do pilar da ciência de dados associado à ciência da computação.
1. Curso Express de Lógica de Programação da Softblue
A proposta deste curso é ensinar conceitos como tipos de dados, variáveis, constantes, operadores, estruturas de controle e funções. Conhecer bem estes conceitos fundamentais de lógica de programação é o passo zero antes de aprender qualquer linguagem de programação.
Começar aprendendo analisar dados com R ou Python sem dominar estes conceitos é o mesmo que querer calcular equações sem antes ter estudado a tabuada. Portanto, se você nunca programou ou tem pouca afinidade com o assunto, recomendo começar por aqui.
Dica: antes de avançar para os próximos cursos, recomendo praticar bastante com pseudocódigo as 3 primeiras listas de exercícios disponibilizadas aqui.
2. Curso de SQL Completo da Softblue
Além dos conceitos de lógica de programação, para ter proficiência em R ou Python é importante saber lidar com dados tabulares. Conhecer sobre bancos de dados relacionais e SQL não é um requisito para aprender R ou Python, mas acredito que este conhecimento pode facilitar o aprendizado. Além do mais, SQL é um dos principais requisitos das vagas para a área de dados.
A proposta deste curso é ensinar conceitos de bancos de dados relacionais e o uso da linguagem SQL. É uma abordagem clássica de banco de dados, ou seja, não é direcionado para data science e big data. Mas acredite, esta base é importantíssima para qualquer atividade relacionada a dados, mesmo que não faça uso direto de SQL.
Dica: se desejar, pratique SQL gratuitamente nesta plataforma.
3. Python Fundamentos para Análise de Dados da Data Science Academy
Quem me conhece sabe que gosto muito de trabalhar com a linguagem R, entretanto, por entender que as empresas em geral usam mais Python do que R, recomendo para quem não conhece nenhuma das duas linguagens, que comece aprendendo Python.
A proposta deste curso é ensinar os fundamentos da linguagem Python para data science. O curso pode ser dividido em três grandes partes:
A) Fundamentos de Python
Esta parte é composta pelos seguintes módulos:
- Módulo 1: Introdução;
- Módulo 2: Variáveis, Tipos e Estrutura de Dados;
- Módulo 3: Loops, Condicionais, Métodos e Funções.
Nestes módulos você irá aprender os fundamentos de Python, aplicando os conceitos aprendidos no primeiro curso desta lista. Antes de avançar para os módulos seguintes é importante garantir que realmente compreende muito bem todos os assuntos abordados.
Dica: pratique bastante, dessa vez em Python, os exercícios contidos nas 6 primeiras listas disponibilizadas aqui.
B) Manipulação de dados e orientação a objetos em Python
A segunda parte é composta pelos seguintes módulos:
- Modulo 4: Tratamento de Arquivos, Módulo, Pacotes e Funções Built-in;
- Módulo 5: Orientação a Objetos;
- Módulo 6: Manipulando Bancos de Dados em Python.
Nestes módulos você irá aprender como lidar com arquivos e bancos de dados, aprenderá sobre funções built-in, módulos e pacotes e terá uma introdução ao paradigma da orientação a objetos.
Dica: pratique bastante os exercícios das listas 7 e 8 disponibilizadas aqui.
C) Python para Data Science
Os módulos seguintes do curso são voltados para as técnicas de data science. O curso é focado na aplicação em Python, então não espere muita profundidade teórica com relação aos métodos utilizados. Caso você não tenha familiaridade com os assuntos abordados, conduza esta parte do curso como uma visão geral (só pra sentir o gostinho), sem se preocupar tanto em entender tudo nos mínimos detalhes. Para compreender tudo que é abordado no curso daqui pra frente, é importante conhecer os seguintes assuntos:
Uma alternativa é pausar aqui, estudar um pouco mais os conceitos teóricos, e depois retomar o curso.
Conclusão
O objetivo deste artigo é dar uma direção para quem tem pouca ou nenhuma afinidade com programação e deseja ingressar na área de ciência de dados. Garantir bases sólidas antes de avançar para os temas de interesse com certeza facilitará o aprendizado, portanto, preocupe-se em absorver e praticar todos os assuntos, sem pressa e no seu tempo.
