<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Airton Carneiro on Medium]]></title>
        <description><![CDATA[Stories by Airton Carneiro on Medium]]></description>
        <link>https://medium.com/@airtoncarneiro?source=rss-be31f7f0ef9e------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*gXuQg1gd_-8-YKDH.</url>
            <title>Stories by Airton Carneiro on Medium</title>
            <link>https://medium.com/@airtoncarneiro?source=rss-be31f7f0ef9e------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 07:37:08 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@airtoncarneiro/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Como agrupar seus dados em Tabelas ‘Fatos’ e ‘Dimensões’]]></title>
            <link>https://medium.com/a3data/como-agrupar-seus-dados-em-tabelas-fatos-e-dimens%C3%B5es-9782f7be3bf3?source=rss-be31f7f0ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/9782f7be3bf3</guid>
            <category><![CDATA[dimension-table]]></category>
            <category><![CDATA[warehouse]]></category>
            <category><![CDATA[fact-table]]></category>
            <dc:creator><![CDATA[Airton Carneiro]]></dc:creator>
            <pubDate>Wed, 15 Mar 2023 19:44:00 GMT</pubDate>
            <atom:updated>2023-03-15T19:44:00.543Z</atom:updated>
            <content:encoded><![CDATA[<h4>Se você é novo neste conceito, se liga aí! Abordaremos, de forma simples, o que elas são, seus usos e como defini-las no seu projeto.</h4><pre>Pré-requisito:<br>   - Conceito básico de Data Warehouse<br>   - Entedimento básico de SQL: select e join</pre><p>Índice:<br>- <a href="#b252">Introdução</a><br>- <a href="#1abe">Visão do nosso negócio</a><br>- <a href="#2c82">Desnormalização</a><br>- <a href="#9c89">Normalização</a><br>- <a href="#40ef">Tabelas Fato e Dimensão</a> <br>- <a href="#692d">Conclusão</a><br>- <a href="#b9a0">Referências</a></p><h3>Introdução</h3><p>Se você chegou até aqui, entendo que esteja interessado na área de dados ou está ingressando nela e que ainda está se familiarizando com os muitos conceitos e tecnologias que nos envolve — a briga é grande e sei disso! 🥷</p><p>Assim, de modo simplista, iremos abordar sobre um dos primeiros conceitos que temos contato quando nos deparamos com um <em>Data Warehouse</em> ou <em>Business Inteligence</em>: Tabela Fato e Tabelas Dimensões e, ao mesmo tempo, evoluir nas abordagens seguindo um fluxo evolutivo de ideias.<br>Vamos lá?!</p><h3>Visão do nosso negócio</h3><p>Vamos supor que nós somos os Engenheiros de Dados de uma empresa em franca expansão nacional e o seu negócio milionário consiste nas vendas de três únicos itens folheados à ouro: xícaras, taças e jarras.</p><p>Se formos levantar algumas informações histórico de vendas do nosso negócio, teríamos uma lista mais ou menos assim:</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/be41df77fe2da1f2f6c0dcc4908071c0/href">https://medium.com/media/be41df77fe2da1f2f6c0dcc4908071c0/href</a></iframe><p>Nesta lista temos a (1) Data da realização da venda, (2) Qual produto foi vendido, (3) A quantidade vendida, (4) O valor unitário de cada peça (medida em mil), (5) A marca do produto e, finalmente, (6) O cliente.</p><blockquote>Claro que há muitas outras informações que não estão presentes na lista!</blockquote><p>Podemos ver que algumas informações (entidades) se repetem entre as vendas, por exemplo: “Xícara Nol” em <em>produto</em>; “Goldeneve” e “Richstar” em <em>marca </em>e alguns clientes em <em>cliente</em>.</p><h3>Desnormalização</h3><p>Quando temos armazenadas nas tabelas as informações desta maneira, dizemos que elas estão <strong>desnormalizadas</strong>. Neste modelo, os dados são armazenados de forma redundantes. Sem entrar no mérito das vantagens deste modelo, um outro problema é a possível inconsistência de dados que ele pode gerar.</p><h3>Normalização</h3><p>Assim como Stack Overflow está para nós, <strong>normalização</strong> está para Bancos Relacionais. Com a normalização tiramos as redundâncias (ou as diminuímos rs rs) criando tabelas onde armazenaremos as informações daquela entidade, onde cada registro possuí um identificador único. Assim, se quisermos referenciar nas vendas um produto, por exemplo, gravamos aquele identificador. [se quisermos entender melhor, podemos <a href="https://platzi.com.br/blog/normalizacao-de-banco-de-dados/">ler aqui</a>]<br>O lado sombrio deste cenário fica evidente quando temos que escrever um código em T-SQL e temos que “trazer” todas as informações que estão entre várias tabelas.<br>😓 Mas essa é vida…<br>Bem, deixando a tristeza de lado, vamos seguir.</p><h3>Tabelas Fatos e Dimensões</h3><p>Como o negócio da nossa empresa está bombando, algumas novas ações gerenciais estão em curso e foi-nos pedidos para que disponibilizássemos os dados das vendas com as informações estritamente necessárias para a área de Marketing para que seu time de Analytics e BI façam seus <em>insights</em>.<br>Desta forma, em nosso Data Warehouse podemos pensar na estratégia de modelagem dimensional. E vamos além! Pensando estrategicamente, sabemos que as informações que hoje entregamos podem ser úteis para as outras áreas. Logo, já modelaremos uma solução que seja absorvida facilmente por quaisquer projetos futuros.</p><p>Assim nascem as <em>Tabelas Fatos</em> e <em>Tabelas Dimensões..</em>.🤰</p><p>Bem… tendo em mente que:</p><ul><li><strong>Tabelas Fatos</strong>: armazenam medidas numéricas que representam o desempenho ou o comportamento de um processo de negócio.<br>Geralmente contêm <strong>chaves estrangeiras</strong> que se relacionam com as Dimensões. Exemplo de Fato incluem totais, quantidades, etc.</li><li><strong>Tabelas Dimensões</strong>: armazenam informações que descrevem as características das medidas armazenadas na tabela de Fatos.<br>Geralmente são descritas como atributos que podem ser usados para agrupar e analisar os dados na tabela de fatos. Exemplos de Dimensões incluem produtos, clientes, datas e locais, etc.</li></ul><p>Vamos ver como ficam os nossos dados. Mas antes, dois avisos!</p><blockquote>AVISO #1:📢<br>Não existe um jeito certo ou errado de se dimensionar as Tabelas Fatos e Tabelas Dimensões. A análise do negócio é fundamental para entender o que “levar” para esta<em> </em>e o que deixar naquela.</blockquote><blockquote>AVISO #2:📢 📢<br>Evite criar muitos relacionamentos entre a Tabela Fato e as Tabelas Dimensões. Se o caminho está descambando para este lado, opte por <a href="https://www.engdeanalytics.com.br/chapters/10/03/degeneradas.html#alternativa-3-dimensoes-degeneradas">Dimensões Degeneradas</a>.</blockquote><p>Vamos recordar quais informações temos daquela lista inicial trazendo os dados da primeira linha:</p><ul><li>id = 1</li><li>dt_venda = 2022–11–23</li><li>produto = Xícara Nol</li><li>qtd = 5</li><li>vl_unt = 1.30</li><li>marca = Goldeneven</li><li>cliente = Lúcia Afiz</li></ul><p>Assim, usando o diagrama estrela (há outros!), podemos criar nossa primeira modelagem dimensional da seguinte forma:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/812/1*wpi6rrCIpR28-IDp4iZSlQ.png" /></figure><p>O que for descritivo, informativo, ficou em “dimensões” e o que diz respeito à informação quantitativa, ficou em “fato”.</p><h3>Conclusão</h3><p>Diante do apresentado, concluímos que devemos pensar estrategicamente quando formos desenhar nosso Data Warehouse diante de cada entrega para nossos clientes internos. Certamente alguns dados serão reutilizados nas próximas entregas. Assim, criar Tabelas Fatos e Tabelas de Dimensões será uma tarefa essencial para nós!<br>A ideia é criar tabelas normalizadas e com o mínimo — ou com o essencial — de ligações entre elas para que a performance na entrega dos dados não seja prejudicada.</p><h4>Referências:</h4><ul><li><a href="https://www.engdeanalytics.com.br/intro.html">Engenharia de Analytics</a></li><li><a href="https://www.astera.com/type/blog/data-warehouse-architecture/">Data Warehouse Architecture: Types, Components, &amp; Concepts</a></li><li><a href="https://platzi.com.br/blog/normalizacao-de-banco-de-dados/">Normalização de banco de dados: o que é e como fazer</a></li><li><a href="https://learn.microsoft.com/pt-br/office/troubleshoot/access/database-normalization-description">Descrição das noções básicas de normalização do banco de dados</a></li><li><a href="https://learn.microsoft.com/pt-br/power-bi/guidance/star-schema#star-schema-overview">Visão geral do esquema em estrela</a></li><li><a href="https://sqlspreads.com/blog/power-bi-fact-and-dimension-tables/">Power BI Fact and Dimension Tables</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9782f7be3bf3" width="1" height="1" alt=""><hr><p><a href="https://medium.com/a3data/como-agrupar-seus-dados-em-tabelas-fatos-e-dimens%C3%B5es-9782f7be3bf3">Como agrupar seus dados em Tabelas ‘Fatos’ e ‘Dimensões’</a> was originally published in <a href="https://medium.com/a3data">A3data</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Regressão Linear Para Todos: uma abordagem fácil]]></title>
            <link>https://medium.com/@airtoncarneiro/regress%C3%A3o-linear-para-todos-uma-abordagem-f%C3%A1cil-8bb7bdb29b9b?source=rss-be31f7f0ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/8bb7bdb29b9b</guid>
            <category><![CDATA[regressão-linear]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[linear-regression]]></category>
            <category><![CDATA[regression]]></category>
            <category><![CDATA[ciencia-de-dados]]></category>
            <dc:creator><![CDATA[Airton Carneiro]]></dc:creator>
            <pubDate>Tue, 21 Apr 2020 23:49:05 GMT</pubDate>
            <atom:updated>2020-04-22T00:33:44.421Z</atom:updated>
            <content:encoded><![CDATA[<p><em>Toda pessoa que inicia os estudos em Ciência de Dados depara-se com muitos termos (e olha que não são poucos!) que quando vai atrás, mais confunde do que explica. Assim, numa linguagem simples, pretendo discorrer a Regressão Linear para todas que buscam entender seus conceitos e onde ela é aplicada.</em></p><p><em>ATENÇÃO: As explicações são dadas com base no nível em que me encontro. Assim, é provável que este artigo sofra modificações futuras e/ou alguém mais embasado no assunto me corrija em algo que tenho errado.</em></p><h4>AFINAL, O QUE É REGRESSÃO LINEAR</h4><p>É uma das muitas técnicas de regressão (Lembre-se: Regressão é a análise para se descobrir a relação entre uma variável dependente de sua(s) variável(eis) independente(s) <em>(estes termos serão explicados adiante)</em>. Ou, em outras palavras, “é a função que relaciona o X e o Y”. Ela possui uma relação contínua (linear) entre as suas variáveis. Ou seja, é como se [quase] estivéssemos vendo uma equação do primeiro grau (lembre-se: este artigo é uma “abordagem fácil” 😁😉).</p><p>Então, para deixar o assunto ainda mais fácil, vamos imaginar o seguinte: Um pai diz para seu filho que ele receberá um valor <strong>Y</strong> em reais à depender da nota <strong>X</strong> de sua prova.</p><p>Vamos então supor que o filho já apresentou as seguinte notas e recebeu do seu pai o dinheiro conforme a imagem abaixo:</p><figure><img alt="Gráfico cartesiano da relação entre nota e valor à receber" src="https://cdn-images-1.medium.com/max/563/1*C4KpX4SLNzRAJi1qVj1elw.png" /><figcaption>Gráfico semi-gerado pelo <a href="https://www.geogebra.org/">https://www.geogebra.org/</a></figcaption></figure><p>Relembrando os eixos cartesianos, temos: A(1,1), B(3,3), C(4,4) e D(6,6); onde o primeiro número é a nota e o segundo o valor recebido.<br>Ora, o filho, que de bobo não tem nada, planeja tirar 9 ou 10 nas próximas provas. Como ele já sabe quanto recebeu por cada uma das notas (A, B, C e D), ele faz uma análise e chega à seguinte conclusão (e nós também!): O valor que recebo é igual ao valor da nota! Logo, vou ganhar R$ 9 ou R$ 10 por prova!!!</p><h4>VARIÁVEL DEPENDENTE E INDEPENDENTE</h4><p>Agora é um excelente momento de conhecermos estes conceitos!<br>Pelo exemplo passado o que o filho quer descobrir? Quer descobrir o valor que irá receber em dinheiro. Esta é a variável dependente!!!<br><strong>Logo, variável dependente é o valor que se quer descobrir</strong>.</p><p>Assim, resta-nos explicar [o que já se torna óbvio] a variável independente: <strong>variável independente é o valor que temos como amostra</strong>.</p><p>Se traçarmos uma reta ligando os pontos A, B, C e D e prologarmos, conseguiremos descobrir quanto o filho receberá se tirar 2, 5, 7, 8, 9 e 10.</p><figure><img alt="Regressão linear entre as notas e o valor à receber" src="https://cdn-images-1.medium.com/max/584/1*3nL_8KmNBWoinr73WKy-Ug.png" /><figcaption>Gráfico gerado pelo <a href="https://www.desmos.com/">https://www.desmos.com/</a></figcaption></figure><p>O que acabamos de fazer (de uma forma bem simples) foi uma Regressão Linear com uma Correlação Perfeita e Positiva (<em>este termo será explicado mais adiante</em>)! Claro que facilitei no primeiro exemplo. Mas vamos acrescentar alguns novos conceitos e avançar no entendimento de Regressão Linear.</p><h4>REGRESSÃO LINEAR PROPRIAMENTE DITA</h4><p>Ora, os dados anteriores foram como mamão com açúcar. Com um simples cálculo mental conseguiríamos chegar à mesma conclusão. Mas o que foi demonstrado é que a Regressão Linear traça uma linha onde considera a melhor forma (cálculo) para se prever os dados.</p><p>Vamos trabalhar com o seguinte gráfico:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/604/1*t24A3wSvI9phKER1yY0fkg.png" /><figcaption>Gráfico gerado pelo <a href="https://www.geogebra.org/">https://www.geogebra.org/</a></figcaption></figure><p>Nossa missão é: “Traçar uma reta que passe por todos os pontos e que seja capaz de nos dizer os valores das variáveis dependentes”.<br>É óbvio que não conseguiremos! Talvez o Galvão com seu conceito de “reta curva” consiga. 😂😂😂</p><p>Bem, então vamos mudar nossa missão: “Traçar uma reta de modo que a distância entre cada ponto (A, B, C, D, E e F) e ela (a reta) seja a menor possível (isto se chama <em>Mínimo Quadrado</em>).</p><p>Hum… Agora as coisas mudam de figura e acabou o mamão com açúcar!</p><p>A equação da Regressão Linear é:<strong> Y = a + bX +e</strong> [<em>esta é única equação que mostraremos aqui. Não queremos nos assustar</em>]. Onde:<br><strong>* Y</strong> é a variável dependente;<br><strong>* a</strong> é uma constante igual ao valor de Y quando X=0;<br><strong>* b</strong> é o coeficiente angular de X (mede qual é o acréscimo de Y quando o X aumenta em uma unidade);<br>* <strong>X</strong> é a variável independente;<br>* <strong>e</strong> é o erro residual.</p><blockquote>Para uma melhor compreensão, sugiro assistir os seguintes vídeos:<br><a href="https://www.youtube.com/watch?v=7gWN20iFUFw&amp;list=PLA0675987914E07BB&amp;index=23">GRINGS — Correlação e Regressão linear — aula 22</a><br><a href="https://www.youtube.com/watch?v=tvxpdr1SIAI&amp;list=PLA0675987914E07BB&amp;index=24">GRINGS — Correlação e Regressão com uso da HP 12c — aula 23</a>.</blockquote><p>Tendo descoberto os valores de <strong>a</strong> e <strong>b</strong> (assistiram aos vídeos?), podemos traçar a linha que representa a Regressão Linear:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/606/1*h8QuppdtB55hmkqxAvuj7A.png" /></figure><p>Observamos que praticamente todos os pontos (com exceção do A(?)) não estão coincidindo com a reta. Há uma distância (sinalizada em vermelho) que chamamos de Erro. <br>Cada ponto tem seu erro calculado da seguinte forma: Yn-(bx2+a).</p><h4>CORRELAÇÃO</h4><p>A Correlação é a medida do grau de relação entre duas variáveis através de “r” (coeficiente de Pearson). Este coeficiente mede o grau de correlação entre duas variáveis. Por exemplo: as vendas de guarda-chuvas aumentam quando aumentam as chuvas; há mais consumo de margarina quando se consome mais pães.<br>E este coeficiente varia de -1 (muito fraco) à 1 (muito forte).</p><p>A Correlações podem ser:<br>* Diretas: o valor de Y aumenta quando X aumenta;<br>* Nulas: não há relação entre o aumento de X e de Y;<br>* Inversas: o valor de Y diminui quando X aumenta (ou o inverso).</p><h4>REGRESSÃO LINEAR SIMPLES e MÚLTIPLA</h4><p>Quando se é possível avaliar a relação apenas entre duas variáveis, sendo uma a preditora (variável independente) e outra a resposta (variável dependente), temos a Regressão Simples. No entanto, quando a resposta não está atrelada à apenas um único evento, temos a Regressão Composta.<br>Nem sempre, na Regressão Múltipla, devemos usar todas as variáveis preditoras. Devemos identificar as correlações entre elas e, daí, usarmos somente aquelas que são importantes para nos responder ao questionamento.</p><p>É isto!</p><h4><strong>Referências:</strong></h4><p><a href="https://www.listendata.com/2018/03/regression-analysis.html"><em>https://www.listendata.com/2018/03/regression-analysis.html</em></a></p><p><a href="https://www.youtube.com/watch?v=7gWN20iFUFw&amp;list=PLA0675987914E07BB&amp;index=23"><em>https://www.youtube.com/watch?v=7gWN20iFUFw&amp;list=PLA0675987914E07BB&amp;index=23</em></a></p><p><a href="https://pt.khanacademy.org/math/statistics-probability/describing-relationships-quantitative-data/more-on-regression/v/squared-error-of-regression-line">https://pt.khanacademy.org/math/statistics-probability/describing-relationships-quantitative-data/more-on-regression/v/squared-error-of-regression-line</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8bb7bdb29b9b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[DataCamp: opinião após 100 dias de aprendizado]]></title>
            <link>https://medium.com/@airtoncarneiro/datacamp-opini%C3%A3o-ap%C3%B3s-100-dias-de-aprendizado-eb2c6cb5d269?source=rss-be31f7f0ef9e------2</link>
            <guid isPermaLink="false">https://medium.com/p/eb2c6cb5d269</guid>
            <category><![CDATA[mooc]]></category>
            <category><![CDATA[datacamp]]></category>
            <dc:creator><![CDATA[Airton Carneiro]]></dc:creator>
            <pubDate>Fri, 27 Dec 2019 23:00:20 GMT</pubDate>
            <atom:updated>2019-12-27T23:11:50.003Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*kXBzqUuQtwTODHoU" /><figcaption>Photo by <a href="https://unsplash.com/@sickhews?utm_source=medium&amp;utm_medium=referral">Wes Hicks</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>Ontem, 26/12/2019, completaram-se 100 dias de assinatura no <a href="https://www.datacamp.com/">DataCamp</a> onde, dia após dia, completei 24 cursos que representam a tilha ‘Python Programmer’ e ‘Data Analyst’. Assim, esta publicação é para aqueles que estão procurando um curso online e querem “ouvir” a opinião de quem faz DataCamp. Tenho dedicado diariamente de 60 à 90 minutos somente para ele. Depois tenho feito alguns outros cursos online e lido artigos (muitos, inclusive, aqui mesmo do Medium).</p><h3>UMA BREVE EXPLICAÇÃO DO CONTEXTO</h3><p>Já estava me familiarizando com alguma coisa há uns doze meses. Mas somente há quatro resolvi me dedicar aos estudos e ir atrás de cursos online para aprender. <br>Quando não sem tem um tutor, sobra o Google. De imediato apareceram várias opções: DataCamp, edX, Coursera, Dataquest, Udacity, Data Science Academy (DSA) e Udemy.<br>Fiz algumas pesquisas de opiniões na internet e dentro da minha realidade resolvi fazer a assinatura do DataCamp.</p><p>A minha primeira escolha foi a Udacity mas pesou o fato dela ter <a href="https://canaltech.com.br/mercado/udacity-encerra-suas-operacoes-no-brasil-em-definitivo-144803/">fechado as atividades</a> aqui no Brasil.<br>A segunda foi a DSA. O curso de Inteligência Artificial me agradou bastante. Mas lendo as informações do curso, eles recomendam fazer o curso Cientista de Dados primeiro. Resolvi então fazer uma auto análise:</p><blockquote>Conseguirei acompanhar todo o<br>conteúdo e tirar o melhor proveito dele?</blockquote><p>Decidi então criar mais músculos antes de entrar no mundo (pago) da DSA. E restringi minhas pesquisas de opiniões à dois: DataCamp e Dataquest.</p><p>As opiniões que li e que foram mais decisivas na escolha foram estas:</p><blockquote><em>“DataCamp é mais indicado para quem não tem conhecimento algum.”</em></blockquote><p>e</p><blockquote><em>“A maioria das pessoas que conheço começam pelo DataCamp e, depois que pegam confiança, migram para o Dataquest”.</em></blockquote><h3>FALANDO SOBRE O DATACAMP!</h3><p>Antes de tudo, quero deixar claro que a minha intenção era mostrar muita coisa para que pudesse ajudar na sua escolha. Mas, lendo o termo de privacidade, me vi restringido. Então, do que sobrou, ainda para não correr risco, fiz uma solicitação à DataCamp mostrando as imagens que pretendia divulgar e eles solicitaram que não mostrasse algumas. Assim, infelizmente, terei bem menos do que primeiramente eu intencionei. :(</p><p><em>Para começar, é importar dizer que todos os áudios e legendas dos </em><strong><em>cursos estão em inglês</em></strong><em>. Então, se não tiver nenhuma miníma familiaridade com o inglês, </em><strong><em>não recomendo</em></strong><em>.</em></p><p>O site dá a opção de aprender:<br>* por cursos específicos: Mais de 315!<br>* por tecnologia: R, Python, SQL, etc<br>* por trilhas: Ciência de Dados, Programação, Aprendizado de Máquina, etc.</p><p>Todas as opções “se misturam”. Assim, você pode escolher um curso específico usando uma determinada tecnologia; pode escolher alguma trilha e completar alguns cursos.</p><p><strong>DA ESTRUTURA DOS CURSOS</strong></p><p>Os cursos são ministrados por pessoas que, não necessariamente, são do DataCamp. Tanto que há uma opção de você tornar-se um instrutor (guarde isto que falarei mais adiante).</p><p>Assim, os instrutores vão gravando os cursos e o DataCamp vai disponibilizando-os. E alguns cursos são aproveitados para fazerem parte de uma trilha.</p><p>Cada curso geralmente tem 4 ou 5 módulos. Cada módulo tem não menos que 4 seções. Cada seção é composta por vídeos curtos intercalados por execícios “guiados”. E você pontua por cada vídeo assistido e exercícios respondidos corretamente. Caso você solicite ajuda (Hint), é subtraído alguns pontos que aquele exercício te pontuaria. E caso peça a solução, você não ganha ponto.</p><p>Ao final de cada módulo e/ou seção é possível dar uma nota (estrelas). Isso pode ser bom para que eles saibam onde estão acertando e onde estão errando (lembre-se do que falei dos instrutores!)</p><p>Atualmente o site disponibiliza as seguintes seções de aprendizado:<br>* Learn<br>* Practice<br>* Projects<br>* Assessment</p><p><strong>Learn</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yRJbEb6UxCZyY-d7TikJ3Q.jpeg" /></figure><p>Nesta seção você escolhe o curso, a trilha que quer fazer podendo filtrar pela tecnologia usada ou o tópico. Também é possível filtrar pelo instrutor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5nJJtoYuUnEVUkJYcfgQug.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NEBDqvuoz6J4Mx4Gff_YYA.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8UupHCHbVLgZwvaI6oqxYw.jpeg" /></figure><p>Nem todos os cursos estão disponibilizados no aplicativo de celular. Eles estão gradualmente convertendo os cursos.</p><p><strong>Practice</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rYvRYQYcVkGsqlNsOCeIHw.jpeg" /></figure><p>Esta parte é onde você pode exercitar o que aprendeu. À cada curso concluído é liberada a prática correspondente. As práticas são exercícios onde é apresentada uma situação e pede, dentre as opções disponíveis, responder a correta.<br>Isto é bom para sempre relembrar o que tem estudado.</p><p><strong>Projects</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8wTvEXe0EzwjmlUY8K1lbA.jpeg" /></figure><p>Aqui são disponibilizados projetos em Jupyter com cenários reais para que você possa resolvê-los. Diferentemente dos cursos, não há opção de mostrar a resposta. Então, se não souber responder, o jeito é revisar o conteúdo.</p><p>Os projetos são do tipo passo à passo. Sendo cada célula do notebook usado para isto. À exemplo dos cursos do Kaggle, tem a opção de executar um código interno que irá verificar suas respostas (soluções) e dizer qual delas estão certas e quais estão erradas.</p><p><strong>Assessment</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*56AKGSW0AGkpMoVT0Nnxeg.jpeg" /></figure><p>E, finalmente, é possível fazer um teste de conhecimento dentre as opções disponíveis. Os testes são do tipo <em>countdown</em> e não oferecem qualquer ajuda.</p><p>Neste momento são disponibilizados 9 testes. Destes, já fiz 3. É possível repetir o mesmo teste após alguns dias caso queira melhorar a pontuação.</p><h3>OPINIÃO</h3><p>Antes de opinar, é importante esclarecer (1) que você encontre outras opiniões diferentes das minhas; (2) que cada pessoa tem um jeito e ritmo de aprendizado; e (3) É na soma das diversidades de opiniões que se é possível tirar a melhor conclusão.</p><p>Vamos lá!</p><ol><li>A assinatura anual é muito barata. Mesmo o dólar estando às alturas (R$ 4,05 hoje — o que daria, em conversão direta, R$ 134,55)!</li><li>Ter a possibilidade de fazer os cursos isoladamente é muito bom. Escolher o assunto do seu interesse é muito legal.</li><li>Sobre as trilhas ou as carreiras…</li></ol><p>3.1. Para quem está dependendo apenas de si para aprender, a Internet é um mundo que nos deixa sem rumo. Assim, ter um guia dos assuntos para aprender é uma mão na roda!</p><p>3.2. Alguns cursos que compõe uma determinada trilha parecem fora de sintonias. A impressão que passa é que a trilha não está coerente. Não é uma evolução de conhecimento. Mas um pancadão isolados de conhecimentos.<br>Acredito que isso se deve ao fato desta trilha terem cursos de vários instrutores. Assim, cada um tem um estilo de ensino diferente, níveis de conhecimentos diferentes, apresentações dos exercícios diferentes.<br>Este foi um ponto que li numa das opiniões e pude comprovar como verdadeira. :(<br>Mas não é algo que invalide. Bola para frente! Nem tudo é perfeito.</p><p>4. A inclusão dos projetos (sim! é recente. Foi depois da minha assinatura) é algo muito útil para quem ainda não trabalha como cientista de dados. Quem está aprendendo tem a necessidade de exercitar-se com real.</p><p><strong>Resumo</strong>: Para quem se sente meio perdido, quer um direcionamento e não quer gastar muito, <strong>recomento sim o DataCamp</strong> como porta de entrada. Isto, claro, se o inglês não for um problema.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=eb2c6cb5d269" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>