<?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 Kaique Faustino Dias on Medium]]></title>
        <description><![CDATA[Stories by Kaique Faustino Dias on Medium]]></description>
        <link>https://medium.com/@kaiquefdias?source=rss-8e95f45a027a------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*8Wv7_haCIc9ZSJ6k</url>
            <title>Stories by Kaique Faustino Dias on Medium</title>
            <link>https://medium.com/@kaiquefdias?source=rss-8e95f45a027a------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 01:22:38 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@kaiquefdias/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[Entenda de uma vez por todas o que é Inteligência Artificial, Machine Learning e Deep Learning.]]></title>
            <link>https://medium.com/comunidadeds/entenda-de-uma-vez-por-todas-o-que-%C3%A9-intelig%C3%AAncia-artificial-machine-learning-e-deep-learning-acebbddec45a?source=rss-8e95f45a027a------2</link>
            <guid isPermaLink="false">https://medium.com/p/acebbddec45a</guid>
            <category><![CDATA[inteligencia-artificial]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[deep-learning]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Kaique Faustino Dias]]></dc:creator>
            <pubDate>Thu, 07 Dec 2023 22:32:04 GMT</pubDate>
            <atom:updated>2023-12-07T22:32:04.766Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>Quando não estamos habituados com alguns termos técnicos e que estão em evidência por toda parte, seja na mídia tradicional ou internet, é normal tomarmos determinadas conclusões baseados em achismos e naquilo que aparentemente as coisa são, este artigo tem o objetivo de quebrar os paradigmas moldados em você referente a essas 3 tecnologias fundamentais para nosso mundo.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*vMTG7Eo8lzmVVV_M" /></figure><p>Caro leitor, você provavelmente já se deparou com publicações em diversos lugares que falavam de um desses temas de forma superficial ou individual, e isso pode ter causado certa estranheza na hora de defini-los em sua mente, neste artigo eu irei apresentar a você de maneira sucinta, mas, levando em consideração os principais pontos para que você seja capaz de compreender de uma vez por todas o que é a Inteligência Artificial, Machine Learning e Deep Learning, e assim conseguir perceber quais as diferenças e importâncias de cada uma delas no nosso mundo da tecnologia.</p><h3>1.0 Inteligência Artificial</h3><blockquote>Para entendermos o termo Inteligência Artificial, devemos dar um passo para o lado e compreender o que significa Artificialidade.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*M9LdSnY-oOe06w0Q" /></figure><p>A palavra Artificial significa <strong>algo que imita/simula o natural mas não tem origem natural, ou seja, não foi produzido na ou pela natureza</strong>, de alguma forma foi produzido por nós, seres humanos, exemplos de coisas que podem ser reproduzidas de maneira artificial: Plantas, Flores, Árvores, Alimentos, Couro e inclusive alguns Elementos Químicos presentes na tabela periódica são sintetizados de maneira artificial, ou seja, pelas mãos do homem. Familiarizado com a palavra artificial? Perfeito, portanto, agora você é capaz de compreender o que é a Inteligência Artificial. Sabendo que a junção das palavras Inteligência + Artificial significa a sintetização de uma inteligência pelas mãos do homem, ou seja, a criação de uma máquina capaz de realizar tarefas que um ser humano racional é capaz de executar, mas, de forma autônoma, sem a intervenção da mente humana. A partir da Inteligência Artificial foi possível a criação dos carros 100% Autônomos pela Tesla e dos foguetes da SpaceX, que retornam para algum ponto específico do planeta após o lançamento, diminuindo drasticamente o custo com essa operação. Esses são apenas um dos exemplos do uso da Inteligência Artificial, existem centenas de outras aplicações, e uma que inclusive aconselho que você utilize é o ChatGPT, que nada mais é do que um assistente virtual, um robô que foi treinado com uma infinidade de dados disponíveis na internet e que hoje é capaz de trazer respostas plausíveis para diversas perguntas, podemos utilizá-lo para aprender uma nova língua, aprender conceitos avançados de cálculo, sobre música, política, uma infinidade de assuntos, onde a sua criatividade é o limite e não a máquina!</p><h3>1.1 De onde surgiu a ideia de Inteligência Artificial?</h3><p>A ideia da criação de uma inteligência artificial surgiu na década de 40, com o Cientista Alan Turing, que propôs a criação de um experimento querendo verificar se um computador seria capaz de demonstrar a mesma inteligência que nós seres humanos, e com essa ideia foi desenvolvido na época uma máquina chamada de “A Bomba” com o intuito de decifrar as mensagens trocadas pelas tropas da Alemanha durante a Primeira Guerra Mundial, mensagens essas que eram criptografadas por uma outra máquina, chamada de “Enigma”. Esse feito contribuiu consideravelmente para a derrota da Alemanha na Primeira Guerra Mundial.</p><p>Podemos então dizer que Alan Turing foi o pai da computação e um dos pais da Inteligência Artificial, mas, a expressão de Inteligência Artificial não foi apresentado por Alan Turing, esta expressão surgiu anos depois, na conferência de Dartmouth, realizada no Dartmouth College, nos EUA. A expressão foi utilizada por John McCarthy, um dos pais da Inteligência Artificial, e que em 1972 recebeu o Prêmio Turing, que é dado anualmente pela ACM (Association for Computing Machinery) para aquele que obteve maior contribuição na computação daquele ano.</p><p>Na conferência de Dartmouth estiveram presentes vários pesquisadores, além do John McCarthy, todos estavam animados com a ideia da criação de máquinas que fossem capazes de reproduzir as funções de inteligência dos homens. Apesar da expressão Inteligência Artificial ter sido formalizada em Dartmouth, os conceitos e teorias vinham sendo elaborados durante décadas anteriores.</p><h3>1.2 Tá, mas afinal o que é a Inteligência Artificial?</h3><p>Depois de ter apresentado alguns conceitos que eu julgo fundamentais para o entendimento da Inteligência Artificial propriamente dita, podemos definir academicamente o que é Inteligência Artificial. A IA é uma das áreas da Ciência da Computação, que tem como objetivo o desenvolvimento de sistemas e algoritmos que sejam capazes de realizar tarefas que antes só poderiam ser executadas por um ser humano, devido ao fator “Inteligência Humana”. Com o advento da tecnologia, e o avanço das pesquisas nas mais diversas áreas da matemática, estatística e computação, hoje é possível a elaboração desses sistemas e algoritmos, que possuem uma performance espetacular.</p><p>A área da Inteligência Artificial possui diversas subáreas, não vamos abordar todas elas tópico a tópico, iremos enxergar o Macro da IA, que se dá pela junção do Machine Learning e Deep Learning, a figura abaixo exemplifica bem o funcionamento hierárquico da Inteligência Artificial</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/796/0*bzuzxk--4fwqckQX" /></figure><p>Analisando a figura é de fácil compreensão que, <strong>DEEP LEARNING</strong> está contido dentro do <strong>MACHINE LEARNING</strong>, que por sua vez está contido dentro da <strong>INTELIGÊNCIA ARTIFICIAL</strong>, ou seja,<strong> IA ≠ ML ≠ DL</strong>, onde o símbolo <strong>≠</strong> significa <strong>DIFERENTE</strong>. Portanto, agora é compreensível que, os 3 conceitos são diferentes entre si, porém, fazem parte do mesmo universo, e com a junção das técnicas de Machine Learning e Deep Learning, é possivel a criação de sistemas ou máquinas que podem pensar, agir, sentir e se adaptar a situações diversas, assim como nós, os Humanos.</p><h3>2.0 Machine Learning</h3><blockquote>Neste tópico você irá entender o que é Machine Learning e seus principais conceitos, também vai entender o porquê este assunto que está em grande evidência na mídia e é tão importante no mundo da Ciência de Dados e Inteligência Artificial.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*G3gMYSpCD60K0ifg" /></figure><p>Você já sabe que o Machine Learning, ou Aprendizado de Máquina é uma subcategoria da inteligência artificial, esta tecnologia faz uso de algoritmos desenvolvidos por equipes de Matemáticos, Estatísticos e Cientistas da Computação, juntos eles criam formas de reproduzir via programação os passos lógicos para solucionar algum problema. Mas, antes de me aprofundar nos conceitos de Machine Learning, gostaria de apresentá-los os conceitos de Algoritmos, pois, é de extrema importância que você compreenda o que é um Algoritmo.</p><h3>2.1 O que é um Algoritmo?</h3><p>Para explicar a você o que é um algoritmo, gostaria de ilustrar a seguinte situação, imagine que você deseja fazer um bolo de chocolate, qual é o primeiro passo que você faz para conseguir avançar nessa tarefa? Provavelmente você se dirige a cozinha e separa os ingredientes, logo após, você vai adicionando os ingredientes em uma vasilha, mexe até que os mesmos formem uma massa homogênea, e quando estiver pronta, busca uma forma no formato de sua preferência, unta a forma de manteiga, adiciona a massa a forma untada e depois coloca ao forno, que você pré-aqueceu previamente a 200 °C, você liga um timer de 30 minutos, e após o apito do timer você retorna até o forno e verifica se a massa está no ponto desejado.</p><p>Ao ler este relato, você percebe que uma série de eventos aconteceram com o intuito de resolver um problema, e eu gostaria de te fazer algumas perguntas, que são:</p><p><strong>1° Qual o problema deste relato?</strong><br>R: O problema é fazer um bolo de chocolate.<br><br><strong>2° Quais são as etapas que você deve seguir para fazer um bolo de</strong> chocolate?<br>R:<br>1° - Separar os ingredientes;<br>2° - Adicioná Los a um recipiente apropriado;<br>3° - Mexer todos os Ingredientes até que a massa fique homogênea;<br>4° - Untar uma forma escolhida previamente;<br>5° - Adicionar a massa homogênea;<br>6° - Pré Aquecer o forno a 200 °C;<br>7° - Colocar a forma que está com a massa dentro do forno;<br>8° - Aguardar 30 minutos;<br>9° - Verificar se o bolo assou;<br>10° - Retirar o bolo do forno.<br><br><strong>3° Imagine que os únicos passos possíveis para fazer um bolo sejam os apresentados anteriormente, é possível fazer um bolo sem seguir os passos de maneira progressiva e sequencial, ou seja, do primeiro ao último?</strong><br>R: Não, pois, sem separar os ingredientes não é possível adicioná-los a um recipiente, consequentemente não é possível mexer os ingrediente até que a massa fique homogênea e assim por diante.</p><p>Concluímos então, que um algoritmo é a sequência lógica de passos, que são executados com o objetivo de solucionar um determinado problema, portanto, tudo que fazemos em nossas vidas segue um algoritmo, seguimos uma sequência lógica de passos para resolver problemas diariamente, logo, muitos desses problemas podem ser resolvidos com tecnologias que são capazes de entender o problema, e seguir a sequência lógica de passos necessárias para resolvê-lo, e essa é a proposta do Machine Learning, mas, nem tudo são flores, o Aprendizado de Máquina possui suas limitações e portanto, é aplicado em situações específicas, ele não resolve todos os problemas, ou seja, não é apenas com ele que você vai conseguir criar um robô capaz de cozinhar o que você pede diretamente a ele de forma totalmente independente.</p><p>Este tipo de inteligência artificial, é chamado de Inteligência Artificial “Fraca”, que no caso, é a inteligência artificial que não é capaz de aprender de maneira autônoma, é dependente da interferência humana para garantir um aprendizado robusto.</p><p>Abaixo deixo o link sobre IA Forte x IA Fraca da IBM:</p><p><a href="https://www.ibm.com/br-pt/topics/strong-ai">O que é a IA forte? | IBM</a></p><p>No Machine Learning, temos 3 tipos de aprendizado, no tópico seguinte falaremos sobre cada um deles.</p><h3>2.2 Quais os tipos de Aprendizado de Máquina existentes?</h3><h3>2.2.1 Aprendizado Supervisionado</h3><p>O aprendizado supervisionado acontece com os conjuntos de dados rotulados, o rótulo é a definição do que queremos descobrir, e está relacionado a dezenas, centenas e até mesmo milhares de outras variáveis, por exemplo, vamos supor que você trabalhe em um departamento em um determinado banco, e sua função é definir se um cliente é um bom pagador ou mal pagador, para isso você avalia algumas variáveis, e entende que o cliente A é bom pagador e o cliente B é mal pagador, logo, você segue um algoritmo para realizar esta tarefa, o rótulo neste caso é o cliente ser mal pagador ou bom pagador, e as variáveis que levaram você a tomar essa decisão, podem ser, saldo em conta, quantidade de boletos pagos no último ano, quantidade de empréstimos feitos e etc. Hoje é totalmente viável utilizar um Modelo de Machine Learning capaz de efetuar este processo de classificação, bastando apenas ter os dados históricos daquele problema, para que o modelo seja treinado e aprenda com eles. Não iremos nos aprofundar aqui sobre os modelos, cada um deles merece um artigo dedicado devido ao grande volume de informações existentes para cada um. Seguem abaixo áreas que podem utilizar este tipo de Aprendizado de Máquina:</p><ul><li>Marketing: Escolha de clientes para campanhas dedicadas;</li><li>Saúde: Diagnóstico médico baseado no histórico e sintomas do paciente;</li><li>Financeira: Previsão de risco de crédito para empréstimos.</li></ul><p>Quando existem dados rotulados, ou seja, conhecidos, é muito convidativo fazer o uso de Algoritmos de Machine Learning Supervisionado.</p><h3>2.2.2 Aprendizado Não Supervisionado</h3><p>Ao contrário do aprendizado supervisionado, os modelos de Algoritmo de Machine Learning não Supervisionados são treinados com conjuntos de dados sem rótulos, ou seja, não existe nenhum resultado da variável alvo atrelado às demais variáveis do seu dataset. São algoritmos utilizados para explorar a estrutura e os padrões dos dados, utilizamos quando queremos clusterizar pessoas em grupos diferentes, quando queremos agrupar imagens que são semelhantes em determinadas coleções, descobrir produtos que frequentemente são comprados em conjunto, todas aplicações que não são rotuladas previamente, ou seja, que não possuem uma variável de entrada ligada com a variável de saída que seja conhecida. Seguem abaixo exemplos de aplicações deste tipo de modelo:</p><ul><li>Processamento de Imagem: Agrupamento de imagens que são semelhantes;</li><li>Detecção de Anomalias: identificar transações fraudulentas na área financeira;</li><li>Recomendação de Conteúdo: Sugestão de músicas, filmes ou produtos com base nos padrões de consumo dos clientes</li></ul><p>Podemos perceber que os algoritmos de Aprendizado Não Supervisionado são ideais para efetuar a descoberta de padrões nos dados, principalmente quando não temos informações previamente definidas sobre os rótulos desejados.</p><h3>2.2.3 Aprendizado por Reforço</h3><p>O Aprendizado por reforço, como o próprio nome sugere, acontece com o acerto ou com o erro do algoritmo treinado com relação ao dado de entrada e a saída esperada para aquele dado, nestes modelos de Machine Learning, o algoritmo é recompensado em caso de acerto e punido em caso de erro, o algoritmo busca sempre maximizar os acertos para que seja recompensado o maior número de vezes, abaixo deixo um diagrama que representa da maneira mais simples possível o funcionamento deste tipo de modelo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/977/0*0eziyOxOxbY_rrZ_" /></figure><p>RML = Reinforcement Machine Learning</p><p>Os sinais de + e — representam a ação tomada dependendo do resultado da saída, enquanto o + representa uma recompensa, o — representa uma punição.</p><p>Em resumo, podemos fazer uma analogia com o aprendizado dos bebês, quando com fome, sujo ou com sono, eles começam a chorar, os pais por sua vez ou dão mamadeira, ou dão banho ou colocam o bebê para dormir, sendo assim, o bebê compreende que quando ele chora ele é recompensado, logo, sempre vai agir dessa maneira quando for necessário. Abaixo seguem alguns exemplos de aplicações destes modelos de Machine Learning:</p><ul><li>Jogos Eletrônicos: Treinar o algoritmo para jogar Xadrez contra uma pessoa, ou, treinar o algoritmo para superar desafios dos jogos eletrônicos.</li><li>Robótica: Controlar robôs para tarefas complexas</li><li>Direção Autônoma: Desenvolver sistema de direção autônoma para veículos automotores, como os carros da Tesla.</li></ul><h3>3.0 Deep Learning</h3><blockquote>Neste tópico iremos abordar os conceitos básicos para que você entenda esta subárea fantástica do Machine Learning, área onde seus algoritmos simulam o funcionamento das redes de neurônios biológicas, ou seja, reproduzem o funcionamento de aprendizado do cérebro humano.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*abBvDajb2hCYUpA4" /></figure><p>Para entendermos o que é o Deep Learning, precisamos revisitar as nossas aulas de biologia e recordar como as bilhões de células minúsculas que possuímos no nosso cérebro, conhecidas como Neurônios e que são responsáveis por receber e processar os estímulos elétricos advindos de todo o nosso corpo funcionam.</p><h3>3.1 O que são neurônios e como eles funcionam?</h3><p>Em algum momento da sua vida você se deparou com a palavra neurônio, e sabe que eles são os responsáveis por fazer com que o nosso corpo funcione da maneira perfeita como funciona, mas, como os neurônios funcionam, para isso quero trazer a vocês uma imagem e explicar alguns detalhes importantes dela, e tenha calma, essas informações serão fundamentais para que você entenda o que é Deep Learning e como esses algoritmos funcionam posteriormente, portanto, observem a imagem abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/845/0*0YafwuBr9dipnSdx" /></figure><p>Essa é a formação básica de um neurônio, nesta figura, o neurônio de cor amarelo alaranjado está se conectando a um segundo neurônio de cor azul, contudo, prestem atenção apenas no neurônio amarelo. Os neurônios são células minúsculas constituídas por seu núcleo, corpo celular, dendritos, axônios e sinapses, a imagem indica quem é quem.</p><p>Vamos falar por tópicos a função de cada uma dessas partes do neurônio:</p><p><strong>Corpo Celular</strong>:<strong> </strong>É onde toda a estrutura do neurônio é formada, ou seja, onde os dendritos e axônio são acoplados e o núcleo incorporado.</p><p><strong>Dendritos: </strong>São os responsáveis por fazer com que os estímulos elétricos provenientes de todo o nosso corpo cheguem até o corpo celular, que por sua vez transmite essa informação para o núcleo.</p><p><strong>Núcleo: </strong>Responsável por processar o sinal elétrico que chega até o corpo celular através dos dendritos, e através deste processamento uma decisão é tomada e um sinal elétrico baseado nesta decisão é passado para frente através do Axônio.</p><p><strong>Axônio: </strong>Tem a função de encaminhar um sinal elétrico para outros neurônios, através das sinapses, sinal este que é resultado do processamento advindo no núcleo do neurônio.</p><p><strong>Sinapses:</strong> Tem a função de conectar aquele determinado neurônio a outros neurônios próximos, é através das sinapses que as informações transitam pelo nosso cérebro, chegando nas regiões que devem chegar.</p><p>Agora que você compreendeu a estrutura básica do neurônio, vamos exemplificar como os seres humanos aprendem, imagine que você está em seu carro e chega até um cruzamento, onde o semáforo entra no estágio “Amarelo”, que é um estágio de atenção, você então vai diminuindo a velocidade do carro apertando o pedal do freio, logo após o estágio “Amarelo”, o semáforo entra no estágio “Vermelho”, que é o estágio indicando “Permaneça com seu carro parado”, perceba que todas essas ações aconteceram pois, o seu cérebro recebeu informações externas provenientes de seus olhos, pés e mãos em forma de estímulos elétricos, esses estímulos elétricos chegaram aos seus neurônios, foram processados e transmitidos de neurônio para neurônio até chegarem ao cérebro, que por fim vai processar toda essa informação e enviar os estímulos necessários para os membros que vão fazer parte do processo de desaceleração do carro até que o mesmo pare. Uma curiosidade, existem em média 86 bilhões de neurônios no cérebro adulto, e cerca de 126 trilhões de sinapses.</p><p>Agora imagine se fosse possível reproduzir o funcionamento da rede neural biológica de forma artificial, de alguma maneira, replicar de maneira idêntica a transmissão de sinais, ou, informações como acontece com os neurônios no cérebro humano, porém, temos diversos estímulos, no exemplo dado anteriormente tivemos os estímulos responsáveis por fazer o cérebro tomar a decisão de parar o carro, e se fosse ao contrário? também é necessário termos a informação de continuar com o nosso trajeto, ou seja, manter o carro em movimento, para isso vamos responder a pergunta do tópico a seguir.</p><h3>3.2 Como criar neurônios que aprendem e interagem entre si artificialmente?</h3><p>Essa pergunta foi realizada e respondida pelo psicólogo Frank Rosenblatt em 1957, ele sugeriu a criação de um modelo nomeado de Perceptron, que foi concebido a priori como sendo um modelo de neurônio único. Abaixo deixo uma imagem ilustrando o que é o perceptron:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/895/0*F9pPGo7HJDPeP11W" /></figure><p><strong>Entradas</strong> = São equivalentes aos dendritos dos neurônios.</p><p><strong>Pn (P1, P2, P3,…,Pn)</strong> = São os pesos para cada um dos sinais de entrada, ou seja, cada um deles tem um peso diferente que deve ser ajustado buscando a melhor resposta na saída.</p><p><strong>Somatório </strong>= São equivalentes ao neurônio em si, é aqui onde acontece o processamento dos sinais de entrada, que na verdade são somados, portanto, temos uma soma ponderada acontecendo nesse estágio.</p><p><strong>Saída: </strong>É equivalente ao Axônio, ou seja, é através da saída que o sinal processado é passado adiante.</p><p>Agora, vamos entender com um exemplo prático o funcionamento do perceptron, imagine que seu modelo precisa adivinhar qual o objeto da imagem abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*LI5kWJNVEu3YZSRp" /></figure><p>Para nós, seres humanos, é muito fácil concluir que é uma moto, mas e como o perceptron opera para dizer que isso de fato é uma moto, bom, os pesos são ajustados baseado nas características daquilo que está sendo avaliado, logo, ele faz a leitura que o objeto possui duas rodas, processa e então ele responde que é uma bicicleta, porém, não se trata de uma bicicleta, portanto o peso equivalente a roda diminui, logo, ele verifica que o objeto tem manoplas e um banco central, então ele conclui que é um jet-ski, e ele errou novamente, e mais uma vez ele diminui os pesos do banco e das manoplas, ele verifica que possui escapamento e espelho retrovisor, além do motor, e dessa vez ele responde como sendo uma moto.</p><p>Porém, até para o exemplo ilustrado anteriormente apenas um perceptron iria sofrer para conseguir dar a resposta esperada, então, como podemos fazer com que essa tecnologia realize tarefas mais complexas? É aí que surgiram as redes de perceptron, ou seja, diversos perceptrons ligados uns com os outros, assim como os neurônios no cérebro humano, que como explicado anteriormente, dependem de bilhões deles para executar suas tarefas. Sendo assim, a junção de diversos perceptron formam as redes de neurônios artificiais, que agora são capazes de aprender tarefas extremamente complexas, equivalente ao cérebro humano.</p><h3>3.3 Mas afinal o que é o Deep Learning?</h3><p>Após toda essa explicação, deixo abaixo um exemplo gráfico de uma Rede Neural Profunda:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/957/0*LLGbr0HJKTJWKvo6" /></figure><p>Esta representação gráfica tem o intuito de copiar a representação neural biológica, que funciona exatamente da mesma maneira, esta é a Rede Neural Artificial, perceba que ela forma uma estrutura de neurônios conectados através de camadas, temos a Camada de Entrada, que é a responsável por receber as informações e aplicar seus pesos que são determinados, temos as camadas Escondidas, que são os neurônios conectados, responsáveis por fazer o processamento dos sinais originários da camada de entrada, e por fim a camada de saída, que é a responsável por apresentar o resultado esperado.</p><p>Temos dois tipos de Redes Neurais, a primeira é a Rede Neural Superficial e a segunda é a Rede Neural Profunda, a diferença entre elas se dá pela quantidade de camadas escondidas, enquanto que na Superficial nós temos a presença de apenas uma camada escondida, na profunda nós temos a presença de múltiplas camadas escondidas.</p><p>Portanto, depois de toda essa explicação, podemos concluir que os algoritmos de Deep Learning são Algoritmos de Redes Neurais Profundas, por isso do nome Deep Learning, que ao traduzirmos para o português ao pé da letra, significa Aprendizado Profundo. Basta apresentarmos os dados na entrada e a resposta esperada é apresentada na saída, sendo extremamente difícil de responder qual das camadas ou quais dos neurônios foram responsáveis por chegar na conclusão em si, devido a complexidade da rede.</p><p>E onde o Deep Learning é utilizado no nosso dia a dia, seguem abaixo algumas aplicações dessa tecnologia:</p><ul><li>Reconhecimento Facial: Utilizado para fazer o reconhecimento facial em segurança, autenticação e identificação em redes sociais, aplicativos de bancos entre outros.</li><li>Assistentes Virtuais: Existem algoritmos chamados de processamento de linguagem natural, que são baseados em Deep Learning, ou seja, aprendem com os estimulos que são imputados, por exemplo, a Siri, a Alexa e o Google Assistant.</li><li>Saúde: Capaz de fazer uma previsão de doença, ou diagnosticar alguma enfermidade baseado nas imagens apresentadas.</li><li>Jogos: Capaz de simular os comportamentos de forma artificial dos NPCs (non-playable character) nos jogos de videogame.</li></ul><h3>4.0 Conclusão</h3><p>Após realizar essa leitura, espero que tenha conseguido atingir meu objetivo, que é fazer você compreender o que é a Inteligência Artificial, o que é o Machine Learning e Deep Learning. Portanto, você deve ter entendido que a Inteligência Artificial é uma ramificação da área de Ciência da Computação que tem como objetivo criar sistemas ou máquinas capazes de executar tarefas que antes eram possíveis de serem realizadas apenas pelos homens, devido o fator inteligência, mas, que com o avanço tecnológico e das pesquisas nas área da estatística, matemática e computação, hoje é possível criar sistemas de inteligência artificial capazes de executar diversas tarefas, esses sistemas são criados por Algoritmos de aprendizado de máquina (Machine Learning), que por sua vez tem diversas subáreas e o Deep Learning é uma das que mais se destaca na mídia, pois, simula o funcionamento das redes de neurônios biológicas, o que é algo extremamente futurista, mesmo para os dias atuais, ter um sistema ou máquina aprendendo como os seres Humanos é algo empolgante e ao mesmo tempo assustador. Portanto, o Deep Learning é uma subárea do Machine Learning que por sua vez é uma Subárea da Inteligência Artificial, são com suas particularidades intrínsecas, mas, que trabalham juntos, ou melhor dizendo, uma dentro da outra.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=acebbddec45a" width="1" height="1" alt=""><hr><p><a href="https://medium.com/comunidadeds/entenda-de-uma-vez-por-todas-o-que-%C3%A9-intelig%C3%AAncia-artificial-machine-learning-e-deep-learning-acebbddec45a">Entenda de uma vez por todas o que é Inteligência Artificial, Machine Learning e Deep Learning.</a> was originally published in <a href="https://medium.com/comunidadeds">comunidadeds</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análise de Dados com SQL: Guia Inicial Parte II]]></title>
            <link>https://medium.com/comunidadeds/an%C3%A1lise-de-dados-com-sql-guia-inicial-parte-ii-2b90bf9359f5?source=rss-8e95f45a027a------2</link>
            <guid isPermaLink="false">https://medium.com/p/2b90bf9359f5</guid>
            <category><![CDATA[window-functions]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[ciencia-de-dados]]></category>
            <category><![CDATA[sql]]></category>
            <category><![CDATA[cte]]></category>
            <dc:creator><![CDATA[Kaique Faustino Dias]]></dc:creator>
            <pubDate>Wed, 29 Nov 2023 14:21:48 GMT</pubDate>
            <atom:updated>2023-11-29T15:08:05.360Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>Este artigo é a continuação do Guia Inicial Parte I, a ideia desta continuação é complementar o conteúdo da primeira parte, para que você seja capaz de fazer suas primeiras consultas para Análise de Dados com SQL, neste artigo iremos apresentar alguns conceitos complementares que não foram possíveis de serem apresentados na parte I, aproveite a leitura.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ucAVo3Cu9N0EGZKU" /></figure><p>Caro leitor, este guia é a continuação do Guia Inicial Parte I, na primeira parte explicamos e exemplificamos o que são Bancos de Dados e o porquê da sua importância, abordamos os conceitos de bancos de dados relacionais, também falamos sobre o que é a linguagem SQL e qual a sua finalidade, apresentamos a você os conceitos básicos da estrutura de consulta em SQL, falamos sobre funções agregadoras, funções de agrupamento e ordenação, operadores de comparação e lógica booleana, e por fim, falamos sobre as uniões de tabelas, portanto, caso você tenha chegado aqui sem ter realizado a leitura da Parte I e não tenha este conhecimento prévio, é de extrema importância que você faça a leitura da primeira parte e entenda os conceitos que ali foram apresentados, segue abaixo o link do Guia Inicial Parte I:</p><p><a href="https://medium.com/comunidadeds/an%C3%A1lise-de-dados-com-sql-guia-inicial-parte-i-c08c0e5f73e7">Análise de Dados com SQL: Guia Inicial Parte I</a></p><p><strong>Neste artigo, iremos abordar os seguintes tópicos:</strong></p><p>1.0 Operadores de Lógica de Intervalo;</p><p>2.0 Subqueries;</p><p>3.0 CTE (Common Table Expression);</p><p>4.0 Window Functions.</p><p><strong>IMPORTANTE:</strong> Gostaria de lembrá-lo que os exemplos práticos serão retirados de consultas efetuadas no site Learn SQL, que faz uso de um banco de dados SQLite, e o domínio para acessar este site é:</p><p><a href="https://www.sql-practice.com/">Learn SQL - Online SQL Terminal - Practice SQL Querys</a></p><h3>1.0 Operadores de Lógica de Intervalo.</h3><blockquote>São cláusulas fundamentais para você que deseja fazer Análises de Dados com SQL, com elas você consegue criar filtros mais elaborados, com o intuito de selecionar aquilo que é fundamental para geração dos seus insights.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*2cKs8R5HI02yzkeR" /></figure><p>Os operadores de lógica de intervalo são responsáveis por efetuar a seleção das linhas de uma determinada tabela em um determinado intervalo, que deve ser definido previamente, esse intervalo pode ser numérico, datas ou até mesmo textos, portanto, são funções extremamente úteis para você que deseja fazer Análise de Dados com o SQL. No SQL existem os seguintes operadores de Lógica de Intervalo: BETWEEN, IN, LIKE e HAVING.</p><h3>1.1 Operador BETWEEN</h3><p>O operador BETWEEN que em português podemos traduzir literalmente como sendo ENTRE, tem a função de selecionar os valores dentro de um determinado intervalo, este intervalo tem um limite inferior (valor mínimo) e um limite superior (valor máximo), fazendo uma analogia com os operadores de comparação, o operador BETWEEN pode substituir os operadores maior e igual (&gt;=) e menor e igual (&lt;=), sua sintaxe é bem simples, devemos utilizar apenas o BETWEEN na cláusula WHERE e incluir o operador de lógica booleana AND entre os valores do intervalo. Segue abaixo um exemplo prático:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*VhKSxjYU4s_-2uTw" /></figure><p>Neste exemplo fizemos uma consulta na tabela patients, onde o objetivo era conseguirmos os patient_id, first_name e gender dos pacientes onde o peso estivesse entre 50 e 70 Kg, observe que a consulta retornou apenas valores dentro deste limite, nenhum valor fora do mesmo foi retornado.</p><h3>1.2 Operador IN</h3><p>O operador IN que traduzindo de forma literal para o portugês significa EM, tem o objetivo de efetuar a comparação dos valores de uma determinada coluna com uma lista de valores pré definidas pelo o usuário, fazendo uma analogia com os operadores de comparação, o operador IN é equivalente ao operador de comparação de igualdade sendo utilizado em conjunto com o comprador de lógica booleana OR, por exemplo, WHERE coluna_1 = A OR coluna_1 = B OR coluna_1 = C. O operador IN assim como os demais operadores deve ser utilizado na cláusula WHERE, segue abaixo um exemplo prático de utilização deste operador:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*WL7NWJzBEdN06VUQ" /></figure><p>Neste exemplo, para facilitar sua compreensão, mantive a mesma consulta utilizada no exemplo do BETWEEN, porém, enquanto que no BETWEEN nós fizemos uma consulta que retorna as linhas com os valores dentro de um determinado intervalo da coluna weight, no operador IN nós selecionamos as linhas onde os valores da coluna weight estivessem contidos na lista de valores pré definidos (40, 50, 60, 70, 80), portanto, retornamos apenas as linhas onde o peso fosse exatamente o mesmo que um dos valores contidos nessa lista, lembrando que essa lista pode ser constituída por valores do tipo string ou caractere.</p><h3>1.3 Operador LIKE</h3><p>O operador LIKE é utilizado para realizar buscas das linhas com determinados padrões de texto, assim como os demais operadores de lógica de intervalo, ele também deve ser utilizado na cláusula WHERE, e sua sintaxe é apenas LIKE. Imagine que você deseja retornar as linhas de uma determinada tabela onde deseja apenas os pacientes que seus nomes iniciem com a letra A, você necessita fazer o uso do operador LIKE juntamente ao símbolo de porcentagem, isso mesmo o símbolo ‘%’, temos 3 possibilidades de consulta com o operador LIKE e o símbolo de %, são elas:</p><p><strong>‘caracteres_desejados%’</strong>: Neste caso, ele retornará todas as linhas que apresentam os caracteres contidos antes do símbolo de %. Exemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*SYbPt78S2-cxFLXo" /></figure><p>Perceba que a consulta em questão retornou apenas as linhas da coluna first_name onde os nomes comecem com a letra A, pois, o símbolo de % neste caso, exclui tudo aquilo que vem após ele, e a consulta considera apenas o que vem antes a ele, que no caso foi a letra A, lembrando que é necessário colocar o valor da consulta entre ‘’, por se tratar de uma string ou caractere, como neste exemplo.</p><p><strong>‘%caracteres_desejados’</strong>: Neste caso, ele retornará todas as linhas que apresentam os caracteres contidos após o símbolo de %. Exemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*T8xhYRDYNha7WsBL" /></figure><p>Perceba que neste exemplo a consulta retornou apenas as linhas onde os conteúdos da coluna first_name finalizaram com a string ‘old’</p><p><strong>‘%caracteres_desejados%’</strong>: Neste caso, ele retornará todas as linhas que apresentam os caracteres contidos entre os símbolos de %. Exemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*CekJ0by0UzcL8OiQ" /></figure><p>Perceba que neste exemplo, a consulta retornou as linhas com os conteúdos da tabela first_name em que de maneira exclusiva possui a string ‘oma’ no meio de seu conteúdo, que é o caso dos nomes: Th<strong>oma</strong>s, Pal<strong>oma, </strong>R<strong>oma</strong>n e R<strong>oma</strong>ry.</p><h3>1.4 Operador HAVING</h3><p>Este operador é responsável por realizar filtros de determinados valores após um agrupamento, lembrando que os agrupamentos acontecem fazendo uso da cláusula GROUP BY. Podemos dizer então, que a cláusula HAVING é equivalente a cláusula WHERE, mas, só deve ser utilizada após um agrupamento, ou seja, se o seu intuito é efetuar o filtro do resultado de uma operação proveniente de um agrupamento, utilize a cláusula HAVING. Ex:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*iFhG2Sw1u51hFsJI" /></figure><p>Neste exemplo, executamos uma consulta para descobrirmos quais são os tipos de alergias que possuem mais de 50 pacientes, então contamos a quantidade de patient_id agrupadas pela coluna allergies, perceba que também utilizamos uma condição com a cláusula WHERE, filtramos os valores NULLOS dessa coluna, executei essa função para mostrar a você que mesmo a cláusula HAVING tendo uma função parecida, elas são utilizadas em momentos diferentes da sua consulta, observe que na cláusula HAVING eu adicionei a seguinte condição: HAVING COUNT(patient_id) &gt; 50, ou seja, eu pedi que sejam exibidos apenas as alergias com mais de 50 pacientes, e foi o que a consulta retornou, veja que todas as alergias exibidas no resultado são maiores do que 50.</p><h3>2.0 Subqueries</h3><blockquote>As Subqueries são fundamentais para que você consiga efetuar consultas mais elaboradas, com elas você consegue executar consultas aninhadas em consultas, ou seja, consultas dentro de consultas, elevando o nível dos seus scripts criados em SQL para fazer suas Análises de Dados.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*H3tGCNIdjqQLBZGF" /></figure><p>As subqueries ou subconsultas em português, são consultas incorporadas nas Cláusulas SELECT, FROM, WHERE ou HAVING. As Subqueries te abrem um leque de grandes possibilidades, onde você vai conseguir executar consultas que antes seriam inviáveis de serem executadas.</p><h3>2.1 Subquery na Cláusula SELECT</h3><p>As Subqueries na cláusula SELECT são utilizadas para que você crie uma coluna ao resultado final da consulta que antes seria muito difícil sem o uso dessa técnica. Para criar uma subquery, basta executar uma query dentro de parênteses ‘( )’ na cláusula SELECT, conforme o exemplo abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*3NBCOLIkWhpHValg" /></figure><p>Neste exemplo, era necessário exibir o ID do paciente, seu first_name e comparar com o último ID cadastrado, portanto, criamos uma subquery dentro da cláusula select, pois, o intuito era exibir uma coluna que mostrasse linha a linha qual o ultimo ID de paciente cadastrado no banco de dados, e comparar com o ID de cada um dos pacientes, ou seja, o Donald, é o paciente 1 de 4530, o Mickey o paciente 2 de 4530 e assim por diante.</p><h3>2.1 Subquery na Cláusula FROM</h3><p>As subqueries na Cláusula FROM são utilizadas para criar tabelas temporárias, que são utilizadas na consulta principal, da mesma forma que na cláusula SELECT, elas são criadas na cláusula FROM através de parênteses ‘( )’, observe o exemplo abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*mdPoKFoXI9Up8bP_" /></figure><p>Neste exemplo, o objetivo era de efetuar uma consulta que retornasse a quantidade de pacientes total cadastrados que são moradores das cidades de Barrie, Dundas e Hamilton. Foi criado uma tabela temporária fazendo uso de uma subquery na cláusula from, nesta tabela selecionamos as colunas patient_id, first_name e a city, efetuamos o filtro selecionando apenas as cidades solicitadas. Após a criação da subquery temos uma tabela temporária, que foi utilizada na nossa consulta principal, onde, agrupamos as determinadas cidades e contamos os pacientes que moram nelas, chegando no resultado apresentado anteriormente.</p><h3>2.1 Subquery na Cláusula WHERE</h3><p>A Subquery na Cláusula WHERE tem como objetivo efetuar um filtro na consulta principal em virtude de uma condição que é definida dentro da subquery. assim como as subqueries nas cláusulas SELECT e FROM, ela também é definida por parênteses ‘( )’, só que dessa vez, na cláusula WHERE. Observe o exemplo abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ll7tIJSQMz_Aj0Pg" /></figure><p>Neste exemplo, era necessário efetuar uma query que retornasse os ID’s dos pacientes a partir do paciente que recebeu exatamente o registro do meio, ou seja, se tivéssemos um total de 100 ID’s, seriam exibidos os pacientes cadastrados a partir do ID 50 em diante.</p><h3>2.1 Subquery na Cláusula HAVING</h3><p>Assim como a Subquery na cláusula WHERE, também tem a finalidade de efetuar um filtro baseado no resultado de uma subquery, porém, com a diferença que esse filtro se dará no resultado da agregação feita no GROUP BY, conceito esse explicado no tópico 1.4 de operadores de Lógica de Intervalo. Segue abaixo o exemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*6K92RsBMbxj7fVor" /></figure><p>Neste exemplo, o objetivo era efetuar uma consulta que retornasse os diagnósticos que possuem um valor de pacientes superior a seguinte condição: Total de Pacientes / Total de Diagnósticos. Para isso, efetuamos uma subconsulta na cláusula HAVING onde efetuamos esta operação na tabela patients, dividindo a contagem total de patient_id por 305, onde 305 foi o número checado préviamente de diagnósticos já realizados, e então a consulta retornou os diagnósticos que possuem uma quantidade superior a esta operação.</p><h3>3.0 CTE — Common Table Expression</h3><blockquote>As CTE são tabelas construídas de maneira temporária, para auxiliá-lo em consultas complexas, diferente das subqueries, ela não é construída dentro de nenhuma cláusula, neste tópico você vai entender como utilizá-las.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*fdgK5q5xxSwNI4IX" /></figure><p>As CTE, ou Common Table Expression, são tabelas temporárias muito úteis quando queremos fazer análises muito complexas, pois, elas facilitam muito as nossas vidas quando é necessário efetuar uma consulta que se fossemos fazer sem o uso dessa função, seria necessário a união de diversas tabelas e efetuar diversas operações, podendo ser necessário a criação de uma outra tabela dedicada apenas para essa consulta, ou seja, seria uma query muito complexa, com o plus de ser necessário criar essa nova tabela, apenas para efetuá-la. Elas são chamadas de tabelas temporárias, pois não são gravadas no disco rígido, elas são criadas e utilizadas no momento da consulta e apagadas após o fim do processo, trazendo a vantagem de não ocupar grandes espaços, além de manter a organização no seu Banco de Dados.</p><p>A sua sintaxe é muito simples, é necessário utilizarmos a cláusula WITH nome_da_cte AS ( consulta que vai criar a tabela ), observe abaixo um exemplo de uso dessa função:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*x9Jt7lxe3P_civAA" /></figure><p>Neste exemplo, o objetivo era encontrar a data da última internação de cada paciente no banco de dados, e depois contar quantos pacientes foram internados por cada uma dessas datas. Para trazer essa resposta, construímos uma tabela temporária que é criada a partir de uma query, e essa tabela exibe a última data de internação de cada paciente. Após a criação dessa tabela, efetuamos uma consulta agrupando e contando os pacientes pelas datas, e assim obtivemos o resultado exibido anteriormente.</p><h3>4.0 Window Functions — Funções de Janela.</h3><p>São um grupo de funções “especiais” que podem operar em uma determinada janela de linhas pré-definidas, elas fazem o agrupamento dessas linhas sem afetar todas as outras colunas, como acontece com o GROUP BY . São funções incríveis de onde tiramos diversos insights úteis quando estamos analisando dados.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*JMXfXhbvjMXGWa4n" /></figure><p>As Window Functions foram criadas com o intuito de fazermos análises em ranges definidos, trazendo a vantagem de podermos agrupar os valores desses ranges, sem impedir as outras operações nas demais colunas da tabela na sua consulta. Existem funções de média, soma,ranqueamento, primeiro e último valor, clusterização de valores, ranking percentual, contagem e etc. Não irei abordar todas as possibilidades neste tópico, caso contrário iria ficar enorme, e o intuito é que seja um guia rápido, falarei das mais comuns, entendendo o princípio de funcionamento de uma delas, as demais seguem a mesma lógica, porém, com outras finalidades.</p><p>A estrutura das window functions são definidas da seguinte maneira:</p><p><strong>SELECT</strong></p><p>coluna_1,</p><p>coluna_2,</p><p>.</p><p>.</p><p>.</p><p><strong>WINDOW FUNCTION</strong> ( ‘coluna_da_operação’ ) <strong>OVER</strong> (</p><p><strong>PARTITION BY</strong> ‘coluna_que_queremos_particionar’</p><p><strong>ORDER BY</strong> ‘coluna_que_iremos_usar_para_ordenar’</p><p><strong>ROWS ‘</strong>definição_da_janela’ )</p><p><strong>FROM</strong> tabela</p><p><strong>WINDOW FUNCTION</strong>: Aqui é definido o nome da operação que desejamos realizar no conjunto de dados selecionado, dentro do parênteses deve ser definido em qual coluna essa operação ocorrerá;</p><p><strong>OVER</strong>: Utilizado para definir que aquela operação se trata de uma Window Function;</p><p><strong>PARTITION BY: </strong>Neste campo definimos a partir de qual coluna iremos segmentar a operação da Window Function;</p><p><strong>ORDER BY:</strong> Definimos por qual coluna iremos ordenar o resultado da operação, além disso, devemos usar as cláusulas <strong>ASC</strong> e <strong>DESC </strong>para definir o tipo de ordenação;</p><p><strong>ROWS: </strong>Aqui iremos definir qual os limites da janela, ou seja, a partir de qual ponto ela inicia e até qual ponto ela tem que ir.</p><p><strong>**OBS: Não é obrigatório o uso de todos campos mencionados anteriormente em todas as Window Functions, algumas não necessitam de preenchimento algum dentro do parênteses e uso simultâneo do PARTITION BY e ORDER BY, isso varia de função para função, sendo necessário ler sua documentação para entendê-la a fundo.</strong></p><h3>4.1 Window Function: AVG( )</h3><p>Como já é conhecido, a função AVG calcula a média aritmética de uma determinada coluna que é definida dentro de seu parênteses, sua sintaxe como função de janela é:</p><pre>AVG(&lt;coluna_x&gt; ) OVER (PARTITION BY &lt;coluna_y&gt;)</pre><p>Observe o exemplo abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*2cn2N4Eh2vc18146" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*8uxZmV3y9TJ1TPAC" /></figure><p>As duas imagens acima são resultados da mesma query, perceba nas imagens que obtivemos a média de altura pelos dois gêneros, onde, nas linhas que o gênero foi igual a F, era exibido o resultado da média para este grupo, enquanto que para as linhas onde o gênero é igual a M, foi exibido a média deste outro grupo.</p><h3>4.2 Window Function: MAX( ) e MIN( )</h3><p>Assim como a média, as funções MIN e MAX são utilizadas para encontrar o valor mínimo e o valor máximo de uma determinada coluna, sua sintaxe como função de janela é:</p><pre>MAX(&lt;coluna_x&gt; ) OVER (PARTITION BY &lt;coluna_y&gt;)</pre><p>e</p><pre>MIN(&lt;coluna_x&gt; ) OVER (PARTITION BY &lt;coluna_y&gt;)</pre><p>Segue exemplo de aplicação:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Pj4fJPzi09arojTx" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*33TolI4dM98wQsAb" /></figure><p>Assim como no exemplo da função AVG, dessa vez desejamos exibir qual a maior altura por gênero, veja que para o gênero feminino a maior altura foi de 206 cm, enquanto que para o gênero masculino a maior altura foi de 226 cm. A função mínimo funciona da mesma forma, você mesmo pode testar no SQL-PRACTICE, faça a mesma query substituindo MAX por MIN e compare os resultados.</p><h3>4.3 Window Function: ROW_NUMBER( )</h3><p>O objetivo da função de janela ROW_NUMBER( ) é de criar rankings em função dos parâmetros definidos nela, ou seja, ela atribui valores que vão de um até a quantidade máxima de linhas da tabela, ela vai ranquear do maior para o menor, como do menor para o maior, segue abaixo a sua sintaxe:</p><pre>ROW_NUMBER( ) OVER (PARTITION BY &lt;coluna_base_agrupamento&gt; <br>              ORDER BY &lt;coluna_com_valores_que_serao_ranqueados&gt; ASC/DESC)</pre><p>Escolha ASC se você deseja que o ranking vá do menor para o maior, ou, escolha DESC se você deseja que o ranking vai do maior para o menor.</p><p>Observe o exemplo abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*KfSZLX8EvGwWSqkE" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*8GvErpmJRGg-OZl1" /></figure><p>Observe que ele ranqueou os pacientes com maior altura para os de menor altura, com base no agrupamento por gênero, caso você não quisesse agrupar pelo gênero, é só remover a cláusula PARTITION BY e a coluna de gênero, deixando apenas a ordenação, e ele irá fazer um ranking geral.</p><h3>4.4 W. Function: FIRST_VALUE( ) e LAST_VALUE( )</h3><p>Essa função de janela tem o intuito de retornar o menor valor dentro do agrupamento definido, por exemplo, nós temos diversos pacientes no dataset do hospital utilizado até o momento, esses pacientes foram até o hospital mais de uma vez e em dias diferentes, se queremos descobrir qual foi o primeiro dia de cada um dos pacientes, ou, o último dia de cada um deles, podemos utilizar as funções de janela FIRST_VALUE ou LAST_VALUE. A sintaxe do uso dessas funções é:</p><pre>FIRST_VALUE(&#39;coluna_valor_desejado&#39;) OVER (PARTITION BY &#39;coluna_que_desejamos_agrupar&#39; <br>                                           ORDER BY &#39;coluna_que_desejamos_ordenar&#39;)</pre><p>e</p><pre>LAST_VALUE(&#39;coluna_valor_desejado&#39;) OVER (PARTITION BY &#39;coluna_que_desejamos_agrupar&#39; <br>                                           ORDER BY &#39;coluna_que_desejamos_ordenar&#39;)</pre><p>Observe os exemplos abaixo:</p><h3>4.4.1 FIRST_VALUE( ):</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*7Fpsk_umxddh_T0w" /></figure><p>Observe que neste exemplo nós descobrimos qual foi a data da primeira consulta dos pacientes e comparamos com a data de todas as consultas dele(a).</p><h3>4.4.2 LAST_VALUE( ):</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*QjrhdBI4ucRLBool" /></figure><p>Observe que neste exemplo nós descobrimos qual foi a data da última consulta dos pacientes e comparamos com a data de todas as consultas dele(a).</p><h3>4.5 Parametrização da Janela</h3><p>Até o momento mostramos as funções de janela e não fizemos a parametrização da definição da janela, isso porque os exemplos mostrados anteriormente excluíam essa necessidade, mas, vamos falar um pouco sobre como funciona a parametrização da janela de exibição em consultas SQL. Na cláusula ROWS fazemos o uso de outras palavras reservadas para definirmos o tamanho da janela, são elas:</p><p><strong>PRECEDING</strong> — Utilizado para definir a quantidade de linhas antes da linha atual.</p><p><strong>CURRENT</strong> — Utilizado para dizer que queremos exibir até a linha atual</p><p><strong>FOLLOWING</strong> — Utilizado para dizer a quantidade de linhas após a linha atual</p><p><strong>UNBOUNDED PRECEDING</strong> — Quando adicionamos o UNBOUNDED antes do PRECEDING, estamos dizendo para a consulta que queremos todas as linhas que precedem a atual.</p><p><strong>UNBOUNDED FOLLOWING</strong> — Quando adicionamos o UNBOUNDED antes do FOLLOWING, estamos dizendo para a consulta que queremos todas as linhas que vem após a atual.</p><p>Por exemplo, digamos que o diretor do hospital deseja saber qual a média móvel da altura dos pacientes nos últimos 5 dias. Segue abaixo o script para efetuar essa consulta:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*paoPLkXvftHtDs7x" /></figure><p>Neste exemplo fizemos a parametrização da janela utilizando o UNBOUNDED PRECEDING e o UNBOUNDED FOLLOWING, pois, adicionamos no filtro todas as linhas onde a data fosse maior ou igual a ‘2019–06–01’ que é o primeiro dos últimos 5 dias para o cálculo da média móvel solicitado pelo diretor do hospital, portanto, usamos a palavra UNBOUNDED para dizer que queremos que seja considerado tudo que vem antes da linha atual e tudo que vem após a linha atual, ou seja, selecionamos o range inteiro.</p><p>Suponhamos que o diretor pediu para que fosse calculado a média móvel da altura, de 3 em 3 pacientes, ou seja, o primeiro paciente tem sua média calculado com a altura dos 2 pacientes seguintes, o segundo paciente com a altura dos 2 seguintes e assim sucessivamente, a consulta ficaria da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*IcNJujZivxAwkYV8" /></figure><p>Peguemos a primeira linha para simular se o resultado apresentado está correto, a altura do primeiro paciente é 150 enquanto que as dos dois pacientes em sequência a ele é 173 e 160, a soma de 150 + 173 + 160 é igual a 483 que dividido por 3 (range parametrizado) é igual a 161, resultado apresentado pela consulta SQL.</p><p>Caso queira adquirir mais conhecimento a respeito de Windows Functions, assista ao vídeo abaixo que foi disponibilizado no canal da CDS, vídeo muito completo e que pode te ajudar ainda mais a entender essas funções que são excelentes para Análise de Dados com consultas em SQL.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FMzxIhnIaXuY%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DMzxIhnIaXuY&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FMzxIhnIaXuY%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/489ec7f586931c99501d8d4c03988ced/href">https://medium.com/media/489ec7f586931c99501d8d4c03988ced/href</a></iframe><h3>5.0 Conclusão</h3><p>Finalizamos nosso guia prático de SQL para Análise de Dados II, aqui você adquiriu o restante do conhecimento necessário para realizar suas primeiras queries em SQL, mas, não pare por aqui, continue se dedicando e indo atrás de mais conteúdo, colocando em prática o que aprendeu neste guia, o mundo de consultas em SQL é enorme, utilize o site SQL-PRACTICE para estudar, lá existe outro dataset completo com o diagrama entidade relacionamento, além disso, ele possui questões que vão de nível simples ao nível avançado, você executa as queries direto no site e o mesmo te retorna dizendo se a query está correta ou não para aquela determinada pergunta pré definida pelos desenvolvedores.</p><p>Espero que tenha gostado deste guia e agradeço por ter ficado até aqui.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2b90bf9359f5" width="1" height="1" alt=""><hr><p><a href="https://medium.com/comunidadeds/an%C3%A1lise-de-dados-com-sql-guia-inicial-parte-ii-2b90bf9359f5">Análise de Dados com SQL: Guia Inicial Parte II</a> was originally published in <a href="https://medium.com/comunidadeds">comunidadeds</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análise de Dados com SQL: Guia Inicial Parte I]]></title>
            <link>https://medium.com/comunidadeds/an%C3%A1lise-de-dados-com-sql-guia-inicial-parte-i-c08c0e5f73e7?source=rss-8e95f45a027a------2</link>
            <guid isPermaLink="false">https://medium.com/p/c08c0e5f73e7</guid>
            <category><![CDATA[operadores-de-comparação]]></category>
            <category><![CDATA[funções-agregadoras]]></category>
            <category><![CDATA[banco-de-dados]]></category>
            <category><![CDATA[união-em-sql]]></category>
            <category><![CDATA[sql]]></category>
            <dc:creator><![CDATA[Kaique Faustino Dias]]></dc:creator>
            <pubDate>Tue, 14 Nov 2023 18:22:42 GMT</pubDate>
            <atom:updated>2023-11-14T18:22:42.181Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>Introdução ao uso do SQL para análise de dados, entenda o que são bancos de dados, o que é o SQL e para o que ele serve. Ao final deste artigo você estará apto a efetuar suas primeiras consultas em SQL.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Ni0WZNKMLRnsI_g5" /></figure><p>Caros leitores, este artigo tem o intuito de apresentar os conceitos básicos do SQL (Structured Query Language) e de Bancos de Dados Relacionais, as principais funções para que você consiga efetuar suas primeiras queries e tenha o conhecimento mínimo necessário para manusear essa ferramenta tão importante para a Análise de Dados.</p><p>Seguem abaixo os tópicos que serão abordados no artigo:</p><p>1. O que são e para que servem os Bancos de Dados;</p><p>2. O que é o SQL e porquê utilizamos esta ferramenta;</p><p>3. A linguagem SQL na prática:</p><p>3.1 A estrutura básica de consulta;</p><p>3.2 Funções de agrupamento;</p><p>3.3 Operadores de Comparação;</p><p>3.4 Operadores de Lógica Booleana;</p><p>3.5 Funções de união.</p><p>4. Conclusão e próximos passos.</p><h3>1. O que são os Bancos de Dados</h3><blockquote>Um assunto muito importante para os profissionais da área de Dados, portanto, é interessante que você domine os conceitos básicos sobre eles, para que consiga efetuar suas Análises de Dados da melhor maneira possível.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*WfL-CIj3uN1xjolR" /></figure><p>Imagine uma biblioteca onde existem corredores, estantes e prateleiras, cada corredor determina um assunto, cada estante é utilizada para organizar os tópicos de cada assunto e nas prateleiras estão dispostos os livros com seus determinados tópicos e conteúdos, ou seja, um depósito de informações estruturadas, que permite uma fácil gestão e acesso daqueles conteúdos pelos usuários.</p><p>Este exemplo dado anteriormente serve para ilustrar o que é um banco de dados, que nada mais é do que algum lugar onde você armazena informações de maneira organizada, portanto, a sua planilha de controle financeiro do excel pode ser chamada de banco de dados, o livro caixa da padaria também é um banco de dados, até mesmo um álbum de fotografia pode ser considerado como sendo um banco de dados. Esses exemplos possuem uma coisa em comum, todos foram idealizados com o intuito de guardar informações, e é esse o objetivo do banco de dados.</p><p>Agora, voltando para o mundo da tecnologia, os bancos de dados são softwares instalados em máquinas físicas, que possuem processador, memória ram e hd, onde esses softwares fazem a gestão das informações que estão sendo armazenadas nos hd’s dos computadores. Podemos ter um banco de dados formado por apenas uma máquina, como, também existem bancos de dados que são formados por centenas de máquinas trabalhando em conjunto, que é o caso dos bancos de dados do Google e da Amazon.</p><p>Os bancos de dados podem ser locais ou remotos, a chamada nuvem, algumas empresas, durante anos possuíam bancos de dados locais, dentro de suas plantas em alguma sala refrigerada, e existia a necessidade de terem pessoas dedicadas a manutenção desses bancos de dados, equipes de dezenas, às vezes centenas de pessoas, pois, assim que os mesmos atingiam sua capacidade, era necessário fazer o upgrade do hardware, adicionando mais hd’s, memória ram e aumentando a capacidade de processamento, ou, se algum problema acontecesse, era necessário resolver o quanto antes, a falta de conexão aos bancos de dados poderia causar prejuízos incalculáveis ao negócio.</p><p>Com o advento da computação em nuvem, muitas empresas decidiram extinguir este modelo de banco de dados, que era extremamente custoso, e começaram a contratar serviços de empresas como a Amazon (AWS) e o Google (GCP), e levaram seus bancos de dados para a Nuvem, ou seja, não é mais necessário ter preocupação com manutenção de hardware, além da facilidade de upgrades, que ao invés de ter toda a mão de obra para cotar peças, negociar, comprar e depois instalar/configurar, agora pode ser resolvido com apenas um simples clique.</p><p>Existem alguns tipos de bancos de dados, porém, os mais utilizados são os <strong>Bancos de Dados Relacionais </strong>e os<strong> Bancos de Dados Não Relacionais</strong>, neste artigo abordaremos apenas os bancos de dados Relacionais, pois, as consultas em SQL acontecem nesse primeiro tipo.</p><h3>Bancos de Dados Relacionais</h3><blockquote>São os bancos de dados mais utilizados por todo o mundo, pois armazenam informações no formato de tabelas que se relacionam entre si, e diversos modelos de negócio fazem uso desse tipo de estrutura para armazenar as informações dos seus clientes, produtos ou serviços.</blockquote><p>Observem abaixo dois exemplos da estrutura de dois bancos de dados diferentes, que são conhecidos como DER (Diagrama Entidade Relacionamento):</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/692/0*JARp_KoGXkJ1i7Vp" /></figure><p>Neste caso, temos um banco de dados simples de um hospital, onde temos as tabelas: Patients, Doctors, Admissions e Province Names. Cada uma dessas tabelas tem suas próprias colunas que explicam alguma informação, por exemplo, na tabela patients existe a coluna first_name, que é a coluna onde os nomes dos pacientes é armazenada. Perceba que existe um link entre as tabelas, uma espécie de “seta” que liga a coluna da tabela A a uma coluna da tabela B, essa é a conexão que existe entre as tabelas dos bancos de dados relacionais, e é através dessa conexão que as tabelas se conversam, ou melhor, se unem, caso você tenha um conhecimento básico de Excel ou Google Sheets, a união acontece de forma parecida ao VLOOKUP ou PROCV em português, onde são relacionados valores comuns às duas tabelas.</p><p>Agora você deve está se perguntando, mas, se no final das contas necessitamos das informações de todas as tabelas, por que não montar apenas uma única tabela? Para responder a esta pergunta, vamos analisar a imagem de um DER um pouco mais complexo, segue abaixo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*71QkN9kWhlcPO4GO" /></figure><p>Perceba que a quantidade de tabelas deste DER é muito maior, enquanto no DER anterior nós possuímos 4 tabelas e 21 colunas, neste DER nós possuímos 11 Tabelas e mais de 70 colunas, agora imagine analisar uma única tabela com 70 colunas, ou, alimentar uma mesma tabela com informações de diversos departamentos distintos de uma empresa, seria uma grande confusão, algo muito difícil de administrar. Portanto, na década de 70 o Sr. Edgar F. Codd, Cientista da computação que trabalhou na IBM, propôs a ideia de organizar os dados em tabelas com relações definidas, relações por chave, onde temos as chamadas Primary Key e as Foreign Key.</p><p>Para explicar o funcionamento das chaves, eu gostaria que vocês observassem duas tabelas do DER acima, as tabelas “products” e “order_details”, percebam que elas se relacionam através da coluna “product_id”, vejam que a mesma coluna habita as duas tabelas, e é através desta coluna que a união acontece, mas, qual delas é considerada a Primary Key e qual é a Foreign Key? e a resposta é muito simples, as Primary Key por Default, são a primeira coluna de cada tabela, elas servem para identificar de forma única cada registro da mesma, e é uma boa prática da construção dos bancos de dados ela levar o nome da tabela para qual pertence, pegando o exemplo da tabela “products” a Primary Key desta tabela é a coluna “product_id”. Por outro lado, as Foreign Keys são as colunas das tabelas que recebem os valores da Primary Key de outra tabela, ou seja, elas estão lá justamente para que seja possível efetuar a união entre essas duas tabelas, então uma tabela sempre vai possuir apenas uma Primary Key e N Foreign Key, onde N é a quantidade de tabelas com a qual aquela tabela se relaciona, podendo ser duas, três ou até mesmo quatro, não existindo um limite definido de tabelas.</p><p>Os bancos de dados relacionais mais utilizados pelas empresas são: MySQL, PostgreSQL, Oracle, Maria DB e Microsoft SQL Server.</p><h3>2. O que é o SQL e por que utilizamos esta ferramenta:</h3><blockquote>O SQL é uma das ferramentas mais utilizadas pelos Analistas e Cientistas de Dados, pois, é através dela que a conexão e as consultas com os bancos de dados relacionais acontecem.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Vz8DrHWm_PLYje8O" /></figure><p>O SQL, ou, Structured Query Language (Linguagem de Consulta Estruturada) é uma linguagem que foi desenvolvida com o intuito de ser utilizada para gerenciar bancos de dados relacionais, ou seja, através dos comandos dessa linguagem conseguimos acessar os bancos de dados e efetuar consultas nas tabelas dos mesmos. Ela é utilizada através de softwares que são dedicados para fazer a administração de banco de dados, alguns dos softwares mais utilizados são: DBVisualizer, DataGrip e Dbeaver. Além disso, também é possível fazermos consultas SQL através do terminal.</p><p>Abaixo deixo um print da tela inicial do Dbeaver, que é o software que venho utilizando:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*r9g3NEjSRXyVL8pw" /></figure><p>A maioria desses softwares tem esta aparência, portanto, escolha um que te agrade e comece seus estudos, pois, o importante será saber utilizar as cláusulas (palavras reservadas) certas para conseguir as respostas para as suas perguntas de negócio, sabendo trabalhar com um desses softwares a adaptação a outro é muito rápida.</p><h3>3. A linguagem SQL na prática</h3><blockquote>Após os conceitos explicados anteriormente, agora você será capaz de compreender na prática a linguagem SQL, e será capaz de efetuar suas primeiras consultas, dando um passo importante neste mundo da Análise de Dados.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*1isfWknWdoxHzAEh" /></figure><p>A linguagem SQL é uma linguagem muito amigável, possui poucas palavras reservadas, das quais também podem ser chamadas de: cláusulas, comandos ou Instruções.</p><p>Para seguir com as orientações neste tópico, irei fazer uso de um site chamado Learn SQL, seu domínio é: <a href="https://www.sql-practice.com/">https://www.sql-practice.com/</a>. Este é um ótimo lugar para vocês começarem a aprender sobre a linguagem SQL, pois, ele é basicamente um terminal online para SQL, muito parecido com os softwares offline, como o DBEAVER, trás a vantagem de você não ter a necessidade de instalar e configurar nada na sua máquina para poder praticar, aos mais curiosos, ele utiliza seus bancos de dados construídos em SQLite, e atualmente tem dois db (data bank) disponíveis, que são o hospital.db e northwind.db.</p><h3>3.1 A estrutura básica de consulta</h3><p>A estrutura básica de consulta se dá pelas instruções SELECT e FROM. O SELECT é responsável por efetuar a seleção das colunas, enquanto que o FROM é responsável por escolher a tabela onde essas colunas habitam, iremos fazer as consultas no banco de dados hospital.db.</p><p>Segue abaixo uma consulta básica fazendo uso das cláusulas SELECT e FROM:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*HVUqvrevo3AoxrlU" /></figure><p>O caractere “*” é utilizado quando desejamos que todas as colunas de uma tabela sejam retornadas simultaneamente.</p><p>Segue abaixo uma outra consulta fazendo uso das cláusulas básicas:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*zn0g9L3JpLdxVcWf" /></figure><p>Neste segundo exemplo, dessa vez selecionei apenas as colunas first_name e specialty da tabela doctors. Muito simples, agora, façam vocês algumas consultas básicas!</p><p>Para terem acesso ao DER do banco de dados, cliquem em “View Schema”, e lá vocês vão conseguir encontrar quais são as tabelas e as colunas deste banco de dados.</p><h3>3.2 Funções Agregadoras</h3><p>As funções agregadoras são as funções responsáveis pelas operações matemáticas nas consultas SQL, ou seja, é possível efetuarmos uma contagem de linhas de uma coluna, a soma dos conteúdos e a média, além disso, conseguimos verificar os valores distintos de uma determinada coluna, as funções agregadores sempre são utilizadas na cláusula SELECT, pois, o objetivo delas é efetuar operações com os conteúdos das colunas.</p><h3>3.2.1 Função Contagem:</h3><p>O comando utilizado é o COUNT, segue exemplo de uma consulta utilizando o comando COUNT:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*OG_l1bcG4E_1U-ou" /></figure><p>Neste caso, contamos a quantidade de first_name da tabela doctors, veja que o resultado retornado foi de 27, ou seja, existem 27 linhas nessa tabela.</p><h3>3.2.2 Função Soma:</h3><p>Utilizada para somarmos os conteúdos de uma determinada coluna, lembrando que, os conteúdos dessa coluna, obrigatoriamente devem ser numéricos, a sintaxe dessa função é SUM. Segue exemplo de uma consulta efetuando a soma dos conteúdos de uma coluna:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*WQvr-Gzh4hTr29GY" /></figure><p>Neste exemplo, efetuamos a soma dos conteúdos da coluna weight (peso) que habita a tabela patients, portanto, o peso total dos pacientes que já foram internados é de 347799 Kg, neste exemplo, que é puramente didático, não me parece ser uma informação de grande valia, mas, você pode precisar responder a seguinte pergunta:</p><p>Qual foi o faturamento total do mês da empresa?</p><p>E a resposta pode ser dada efetuando a soma da coluna com os valores de cada venda.</p><h3>3.2.3 Função Média:</h3><p>A função média que possui a sintaxe AVG, é utilizada quando desejamos obter a média aritmética de uma coluna, ou seja, M = (V1 + V2 + V3 + V4+…Vn) / (n) . Iremos utilizar o mesmo exemplo usado para explicar a função soma, segue:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*q9yNB7KF5RxyeKU6" /></figure><p>Perceba que o peso médio dos pacientes é de 76.77 kg, que neste caso, já pode ser uma informação útil para as tomadas de decisões do hospital.</p><h3>3.2.4 Função Máximo:</h3><p>O Objetivo da função máximo é encontrar qual o maior valor de uma determinada coluna, a sua sintaxe é MAX, segue abaixo o mesmo exemplo utilizando a coluna weight da tabela patients do banco de dados:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*jSV3EgMkVV40BOyj" /></figure><p>Veja que o resultado retornado é de 142, o que significa que o maior valor registrado nesta coluna é este.</p><h3>3.2.5 Função Mínimo:</h3><p>O Objetivo da função mínimo é encontrar qual o menor valor de uma determinada coluna, a sua sintaxe é MIN, segue abaixo o mesmo exemplo utilizando a coluna weight da tabela patients, do banco de dados hospital.db:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Fqt-MQ37k4skTkeH" /></figure><p>O resultado neste caso foi 1, quer dizer que o menor valor registrado nesta coluna é 1.</p><h3>3.2.6 Função Distinct:</h3><p>O objetivo desta função é de retornar todos os valores diferentes presentes nas células daquela coluna, pois, muitas vezes os valores acabam se repetindo durante as células da coluna, e pode ser interessante conhecer todos os valores de maneira individual, a sintaxe do comando é DISTINCT</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*3Tgcite3FkOmViND" /></figure><p>Consultamos os nomes registrados na coluna first_name da tabela doctors. Observem que ele retornou diversos nomes, e nenhum se repete.</p><h3>3.2.7 Função Count com o Distinct</h3><p>Imagine que você deseja efetuar a contagem da quantidade de médicos únicos que trabalham no hospital, para isso podemos fazer uso da função COUNT com a função DISTINCT, que vai efetuar a contagem dos médicos únicos, segue abaixo o exemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*bH1-rQeDC1sGPg4K" /></figure><p>Perceba que o valor retornado é 27, isso significa que existem 27 nomes únicos registrados nessa coluna.</p><h3>3.3 Funções de agrupamento e ordenação</h3><h3>3.3.1 Função de agrupamento GROUP BY.</h3><p>Utilizamos a função de agrupamento quando queremos entender o comportamento de um determinado grupo, por exemplo, por algum motivo o diretor do hospital deseja saber a quantidade de pacientes que foram atendidos por cidade, para efetuarmos a consulta é necessário contarmos os pacientes agrupados por cidade, em outras palavras, precisamos separar paciente por paciente pela sua cidade de origem, e depois contarmos eles, vamos fazer uso da cláusula GROUP BY, que é a função responsável pelo o agrupamento, a consulta ficaria da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*eodKwBbwy6Zn6qng" /></figure><p>Antes de falarmos sobre o resultado, gostaria de dizer que utilizei a palavra reservada “AS”, para dar um outro nome ao resultado da consulta, no caso total_pacientes, o AS é chamado de alias e utilizamos ele quando queremos nomear alguma coluna. Perceba que a consulta retornou a quantidade de pacientes atendidos por cidade. A função GROUP BY é extremamente útil e é uma das funções mais utilizadas para responder perguntas de negócios.</p><h3>3.3.2 função de ordenação ORDER BY.</h3><p>Agora imagina que você precisa responder às seguintes perguntas para o diretor do hospital:</p><p>-Quais as cidades com o maior número de pacientes atendidos?</p><p>-Quais as cidades com o menor número de pacientes atendidos?</p><p>Para responder estas perguntas, será necessário efetuar a organização do resultado da consulta realizada na explicação do agrupamento. A primeira pode ser respondida ordenando de maneira decrescente, ou seja, da cidade com maior número de pacientes, para a cidade com o menor número de pacientes, o resultado da consulta seria:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*jkLnUgC9JSdNiYWU" /></figure><p>Adicionamos após a função de agrupamento GROUP BY a função de ordenação ORDER BY, neste caso, como o objetivo era organizar do maior para o menor, utilizamos a palavra reservada DESC, abreviação de Descending ou Descendente em português.</p><p>A segunda pergunta pode ser respondida fazendo apenas a substituição da palavra reservada DESC por ASC, de Ascending ou Ascendente em português, segue o exemplo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*PgFKXBomS-XL7UoO" /></figure><p>Perceba que agora a primeira linha contém uma cidade com apenas um único paciente, e conforme você vai avançando para as linhas posteriores, essa quantidade começa a aumentar gradualmente, agora vocês conseguem compreender como fazer uma ordenação proveniente de um agrupamento.</p><h3>3.4 Operadores de Comparação</h3><p>Os operadores de comparação são utilizados como o próprio nome sugere, para efetuar comparação, sem muitas delongas, eles são utilizados quando desejamos efetuar um determinado filtro, utilizamos os operadores de comparação com uma palavra reservada chamada WHERE, do português ONDE. Possuimos os seguintes operadores:</p><h3>3.4.1 Igualdade</h3><p>O operador de igualdade é utilizado quando desejamos efetuar uma consulta onde queremos que os resultados retornados sejam iguais a aquele que estamos comparando, a sintaxe é o símbolo de igualdade “=”. Segue um exemplo de uso:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*XJKDLNkKH4um_fZx" /></figure><p>Nessa consulta, o objetivo era retornar o nome dos pacientes que são moradores da cidade de Ajax, como se trata de uma string (valor constituído por caracteres) é necessário colocarmos entre ‘’.</p><h3>3.4.2 Desigualdade</h3><p>O operador de desigualdade é utilizado quando desejamos efetuar uma consulta onde queremos que os resultados retornados sejam diferentes daquele valor que estamos comparando, a sintaxe é “&lt;&gt;”. Segue um exemplo de uso:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*D8i5VYqcLzji0rnX" /></figure><p>Perceba que agora, o resultado da consulta exclui os pacientes que moram em Ajax.</p><h3>3.4.3 Maior ou Menor</h3><p>Os operadores Maior ou Menor, são utilizados quando desejamos que a consulta retorne apenas as linhas onde os valores são Maior, ou, Menor do que o valor comparado, a sintaxe do maior é o símbolo “&gt;” e a sintaxe do menor é o símbolo “&lt;”. Seguem os exemplos de uso:</p><p>Exemplo comparador maior:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*9HEPg5eBMZbjoIlR" /></figure><p>Essa consulta teve como objetivo verificar todos os pacientes com mais de 70 kg.</p><p>Exemplo comparador menor:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*V2UTUn-D0No1uUcd" /></figure><p>Agora, o objetivo foi de retornar os pacientes com menos de 70 Kg.</p><h3>3.4.4 Maior ou Igual / Menor ou Igual</h3><p>Os operadores Maior ou Igual / Menor ou igual, são utilizados quando desejamos que a consulta retorna apenas as linhas onde os valores são Maior ou Igual, ou, Menor ou Igual ao o valor comparado, a sintaxe do maior ou igual é o símbolo “&gt;=” e a sintaxe do menor ou igual é o símbolo “&lt;=”. Seguem os exemplos de uso:</p><p>Exemplo operador Maior ou Igual:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ZEfDQ5wTynelJfQD" /></figure><p>Dessa vez, além de retornarmos os pacientes com mais de 70 kg, também serão retornados os pacientes com exatos 70 kg.</p><p>Exemplo Operador Menor ou Igual:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*4ZerPq8LMS5GLp5W" /></figure><p>Neste caso, retornamos os pacientes com menos de 70 kg e os pacientes com exatos 70 kg</p><h3>3.5 Operadores de Lógica Booleana;</h3><p>A lógica booleana é um sistema que utiliza da álgebra binária, ou seja, de operações com 0 e 1, ou, Verdadeiro ou Falso. No SQL fazemos uso de duas lógicas, a logica AND ou E e a lógica OR ou OU, Na lógica booleana temos outros operadores, como o NOT, NAND, NOR e o XOR, mas, são operadores que são muito específicos e não é o intuito de abordá-los neste artigo.</p><h3>3.5.1 Lógica AND</h3><p>A lógica AND significa E, em outras palavras, quando fazemos uma comparação, ela será verdadeira se as duas condições forem verdadeiras, por exemplo, “Cachorro e Marrom”, a lógica será verdadeira se o Animal for um cachorro e for da cor Marrom. Assim como os operadores de comparação, ela também é utilizada na cláusula WHERE. O Exemplo abaixo responde a seguinte pergunta, Me retorne apenas os pacientes do gênero masculino e que pesem mais de 70 kg:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*nDMmesj4UwPWafG2" /></figure><p>Perceba que a consulta retornou apenas os pacientes do gênero ‘M’ (masculino) e que pesam mais de 70 Kg.</p><h3>3.5.1 Lógica OR</h3><p>A lógica OR significa Ou, em outras palavras, quando fazemos uma comparação, ela será verdadeira se uma das duas condições forem verdadeiras, por exemplo, “Cachorro ou Gato”, a lógica será verdadeira se o Animal for um cachorro ou se o animal for um gato. Assim como os operadores de comparação, ela também é utilizada na cláusula WHERE. O Exemplo abaixo responde a seguinte pergunta, me retorne apenas os pacientes do gênero masculino ou que pesem mais de 70 kg:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*hTt_bfd30cK9mbz1" /></figure><p>Perceba que agora temos pacientes do gênero ‘F’ (feminino), isso porque existem mulheres que pesam mais de 70 kg, e a lógica OR é verdade se um dos argumentos for verdadeiro.</p><h3>3.6 Funções de união</h3><p>As funções de união são utilizadas quando desejamos encontrar valores que estão presentes em duas ou mais tabelas, então fazemos a união entre as tabelas, para que seja possível retornar as colunas necessárias em nossas análises, elas acontecem através das chaves primária (Primary Keys) e chaves estrangeiras (Foreign Keys), que foram explicadas anteriormente, no tópico “O que são os Bancos de Dados”. Possuímos 4 tipos de união entre as tabelas, a união LEFT JOIN, RIGHT JOIN, INNER JOIN e OUTER JOIN, que são utilizadas na cláusula FROM.</p><h3>3.6.1 INNER JOIN</h3><p>A função INNER JOIN retorna apenas as linhas da tabela A onde a primary key exista exatamente como foreign key na tabela B, abaixo irei deixar uma imagem para ajudar você a compreender como esta união ocorre:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/385/0*Zu_r67ZcxAq6OrBU" /></figure><p>Imagine que o conteúdo da Tabela A é a circunferência da esquerda e o conteúdo da tabela B a circunferência da direita, quando fazemos a união com o INNER JOIN o conteúdo que será apresentado como resultado desta consulta é o conteúdo em verde, ou seja, o conteúdo que existe nas duas tabelas.</p><p>Segue o exemplo usando a ferramenta Learn SQL:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*z6RWTGXkZueEZa_D" /></figure><p>Neste exemplo, é desejado a exibição do nome do paciente e a data da sua entrada no hospital, para isso, precisamos da coluna first_name que pertence a tabela patients e a coluna admission_date, pertencente a tabela admissions. Fizemos a união na cláusula FROM, a sintaxe da união funciona da seguinte maneira</p><p>SELECT</p><p>coluna_tabela_a,</p><p>coluna_tabela_b</p><p>FROM tabela_a (tabela da esquerda) INNER JOIN tabela_b ON (tabela da direita) (coluna_chave_estrangeira_tabela_b = coluna_chave_primaria_tabela_a)</p><p>Em um primeiro momento pode parecer confuso, mas, conforme forem praticando, vão entender a dinâmica da coisa.</p><h3>3.6.2 LEFT JOIN</h3><p>A função LEFT JOIN retorna todas as linhas da tabela A, e apenas as linhas da tabela onde a primary key exista exatamente como foreign key na tabela B, abaixo irei deixar uma imagem para ajudar você a compreender como esta união ocorre:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/362/0*_HPCCk6f9Ur-34Cn" /></figure><p>Imagine que o conteúdo da Tabela A é a circunferência da esquerda e o conteúdo da tabela B a circunferência da direita, quando fazemos a união com o LEFT JOIN o conteúdo que será apresentado como resultado desta consulta é o conteúdo em verde, ou seja, todo conteúdo da tabela A e o conteúdo da tabela B que possua a Primary Key da tabela A como sendo sua Foreign Key.</p><p>Segue o exemplo usando a ferramenta Learn SQL:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*aiwV6lvHv7YGJ-D9" /></figure><p>Perceba que dessa vez, diferente do INNER, ele também retornou os nomes dos pacientes que por algum motivo, não tem sua chave primária como chave estrangeira na tabela admission, e nas células da coluna admission_date onde não existe a correlação, o SQL retorna o NULL para indicar essa situação, o que significa que não existe foreign key da tabela admission equivalente a primary key da tabela patient.</p><h3>3.6.3 RIGHT JOIN</h3><p>A função RIGHT JOIN retorna todas as linhas da tabela B, e apenas as linhas da tabela onde a primary key exista exatamente como foreign key na tabela A, abaixo irei deixar uma imagem para ajudar você a compreender como esta união ocorre:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/356/0*x_OyqZx-7WHu3Edi" /></figure><p>Imagine que o conteúdo da Tabela A é a circunferência da esquerda e o conteúdo da tabela B a circunferência da direita, quando fazemos a união com o RIGHT JOIN o conteúdo que será apresentado como resultado desta consulta é o conteúdo em verde, ou seja, todo conteúdo da tabela B e o conteúdo da tabela A que possua a Primary Key da tabela B como sendo sua Foreign Key.</p><p>Segue o exemplo usando a ferramenta Learn SQL:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*2cl-GPZ0WncES-H2" /></figure><p>Neste caso, ele retornou todos os valores da tabela admission, e apenas os valores da tabela patient que tem correlação com a tabela admission.</p><h3>3.6.4 FULL OUTER JOIN</h3><p>A função FULL OUTER JOIN retorna todas as linhas da tabela A e Todas as linhas da tabela B, independentemente se existe Primary Key de uma das tabelas como Foreign Key da outra.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/382/0*8iLTndpJ8ddXjz8V" /></figure><p>Segue o exemplo usando a ferramenta Learn SQL:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*diMevBaRKMo1FDNy" /></figure><p>Dessa vez, a consulta retorna tudo de todas as tabelas, tendo primary key da tabela A como foreign key da tabela B ou não, quando ele não encontrar valor correspondente, ele vai preencher com NULL.</p><p>Deixo o seguinte vídeo da comunidade DS como recomendação:</p><p><a href="https://www.youtube.com/watch?v=mcsWvJKvo24">https://www.youtube.com/watch?v=mcsWvJKvo24</a></p><p>Nele você pode elevar o seu conhecimento sobre uniões para outro nível, e conseguir compreender o que não foi possível aqui neste artigo.</p><h3>4. Conclusão e próximos passos.</h3><p>Agora você é capaz de executar algumas consultas básicas no SQL, fazendo uso das funções agregadoras, funções de agrupamento, operadores de comparação, lógica booleana e funções de união. Existem outros assuntos mais avançados e importantes, como as Windows Functions, Subqueries e as Table Views, mas, como o intuito deste guia é ser algo rápido, para que você já consiga efetuar algumas queries (consultas), com o material apresentado aqui você já vai conseguir vencer a inércia e iniciar os estudos da linguagem SQL.</p><p>Irei escrever um artigo abordando as Subqueries, Table View e Windows Functions, assim que finalizá-lo estarei disponibilizando o Link aqui para você.</p><p>Abaixo deixo o link de um vídeo da Comunidade DS, do nosso colega Jonas Barleta, nele vocês encontrarão dicas excelentes para estudar SQL:</p><p><a href="https://www.youtube.com/watch?v=_SLYxvQ0Qok">Como estudar SQL de forma prática? Se liga nessa dica!</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c08c0e5f73e7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/comunidadeds/an%C3%A1lise-de-dados-com-sql-guia-inicial-parte-i-c08c0e5f73e7">Análise de Dados com SQL: Guia Inicial Parte I</a> was originally published in <a href="https://medium.com/comunidadeds">comunidadeds</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Migração de Carreira para Ciência de Dados:]]></title>
            <link>https://medium.com/comunidadeds/migra%C3%A7%C3%A3o-de-carreira-para-ci%C3%AAncia-de-dados-48371142477c?source=rss-8e95f45a027a------2</link>
            <guid isPermaLink="false">https://medium.com/p/48371142477c</guid>
            <category><![CDATA[tecnologia]]></category>
            <category><![CDATA[ciencia-de-dados]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[portfolio]]></category>
            <category><![CDATA[migração-de-carreira]]></category>
            <dc:creator><![CDATA[Kaique Faustino Dias]]></dc:creator>
            <pubDate>Wed, 08 Nov 2023 21:01:59 GMT</pubDate>
            <atom:updated>2023-11-09T01:22:07.318Z</atom:updated>
            <content:encoded><![CDATA[<h4>Os 3 passos que um Engenheiro Eletricista está seguindo para efetuar sua transição de carreira para a área de Ciência de Dados.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/0*739QcfNAnp3DcaJ-" /></figure><p>Caros leitores, espero que todos estejam bem!</p><p>Tomei a liberdade de redigir este artigo, onde busco ajudar aqueles que ainda estão em dúvidas se transicionar de carreira para a área de Ciência de Dados vale a pena e se realmente faz sentido para ti, além disso, apresentarei quais passos estou seguindo nessa trajetória de transição de carreira.</p><p>Lembrando que não trago nenhuma verdade absoluta, apenas minha humilde perspectiva da coisa, sei que já existem centenas de textos e vídeos tratando deste assunto, entretanto, cada um tem sua perspectiva, são realidades e momentos de vida diferentes, logo, todo compartilhamento deste tipo de experiência é bem vindo, então, espero que aproveitem esta leitura, e que ela possa contribuir ao menos em 0.5% na sua decisão.</p><h3>1° Passo: O pontapé inicial.</h3><blockquote>A primeira coisa a ser feita quando começamos a pensar em mudança de carreira é responder a seguinte pergunta: <em>Por quê?</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*RUb6IOjddcLrQ9uo" /></figure><p>Sim, antes de iniciarmos um planejamento de transição de carreira, ainda mais para uma área que demanda muita dedicação e investimento de tempo, como é o caso da Ciência de Dados, devemos ter nossos motivos muito bem esclarecidos, logo, a pergunta “Por quê?” é muito importante e aconselho que vocês reflitam sobre ela, pois, é muito chato começar algo e no meio do caminho acabar se frustrando por ter tomado esta decisão impulsivamente, veja bem, é uma decisão que vai impactar sua vida ao longos dos próximos anos, portanto, tenha motivos razoáveis.</p><p>Quando resolvi fazer a transição de carreira, criei uma lista de motivos, escrevi tudo aquilo que me impulsiona para realizar a transição de carreira, depois, organizei do mais importante para o menos importante, e refleti durante um tempo sobre esses motivos, aconselho que vocês criem uma lista com os seus próprios motivos.</p><p>Segue abaixo minha lista de motivos:</p><ol><li>Fazer algo onde minhas habilidades tragam valor, algo que possa contribuir com resultados positivos e que consigamos quantificar o quão positivo as ações tomadas foram.</li><li>Unir o útil ao agradável, trabalhar com projetos dando suporte a pessoas e contribuindo com tomada de decisões estratégicas do negócio é o que faz sentido para o meu perfil profissional.</li><li>Os dados explicam muitas coisas, e devem ser utilizados em todas as áreas nos próximos anos, a possibilidade de poder prever uma doença de uma pessoa por suas características genéticas é impressionante, uma habilidade muito nobre, dentre outras aplicações extremamente úteis para as pessoas de modo geral.</li><li>A volatilidade na Ciência de Dados é absurda, ou seja, é necessário me manter atualizado para continuar exercendo a função com maestria, essa volatilidade vai me fazer sempre estar indo contra a inércia e o ócio.</li><li>Ao longo dos últimos anos, as oportunidades nas áreas de T.I aumentaram exponencialmente, e as perspectivas para os próximos anos são da necessidade de alta demanda destes profissionais, isso não é garantia de trabalho nem nada, entretanto, perspectivas positivas te trazem motivação para continuar estudando e evoluindo.</li><li>As oportunidades na minha área de formação estão escassas, onde a maioria das empresas acabam não lhe contratando para de fato efetuar uma função para qual você foi preparado ao longo de anos, logo, o seu propósito acaba se esvaindo, se tornando algo puramente focado em sobrevivência (angariação de recursos).</li><li>Não posso ser preciosista e deixar de reconhecer que a Ciência de Dados é uma das áreas que melhor remuneram, como tenho o desejo de transicionar de carreira, escolher algo onde os vencimentos não são adequados aos meus objetivos de vida, não faz sentido.</li><li>Devido ao advento da tecnologia, a possibilidade de trabalhar de onde você estiver é algo encantador, poder trabalhar para uma empresa de qualquer lugar do planeta de forma remota é algo interessante, lembrando que esse tipo de oportunidade é muito difícil de acontecer, mas, só pelo fato dela existir é um excelente combustível para continuar se dedicando.</li></ol><p>PS: Lembrando que é algo extremamente particular, talvez meus motivos não sejam os mesmos que os de vocês, reforço, criem sua própria lista de motivos, escrevam a mão ou digitem no bloco de notas, apontem tudo que está te levando a realizar a transição de carreira, esse é um ótimo exercício.</p><h3>2° Passo: O que e quando estudar?</h3><blockquote>Organize a sua jornada de estudos antes de iniciá-la, crie um mapa mental das habilidades dos Cientistas de Dados, depois elabore um fluxo de estudos e monte um cronograma, essa será sua bússola para alcançar seu objetivo.</blockquote><p>Inicialmente é interessante que você pesquise por si só o que um cientista de dados precisa possuir de conhecimentos, e se possível, construa um mapa mental deles, pois, devido ao avanço rápido das tecnologias, pode ser que quando você estiver lendo este artigo, às ferramentas e habilidades apresentados aqui estejam defasadas(os), hoje, em meados de novembro de 2023 um Cientista de Dados precisa ter os seguintes conhecimentos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*HNbb5CefRdZq0dzw" /></figure><p>Segue o link da ferramenta utilizada para construir o mapa mental apresentado anteriormente:</p><p><a href="https://mm.tt/app/map/3020552678?t=cuJxsiV180">https://mm.tt/app/map/3020552678?t=cuJxsiV180</a></p><p>O Mapa demonstra as habilidades e conhecimentos fundamentais dos Cientistas de Dados, abaixo deixo disponível o fluxo de estudos que estou seguindo para alcançar meu objetivo, que é me tornar um Cientista de Dados, este fluxo foi elaborado seguindo o mapa mental apresentado anteriormente:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*txOACWgG_WZ9wdTr" /></figure><p>Obs: O fluxograma apresentado anteriormente foi elaborado na ferramenta</p><p><a href="https://app.diagrams.net/">https://app.diagrams.net/</a></p><ol><li>Lógica de programação: Algoritmos, Fluxograma e Pseudocódigo</li><li>Linguagem de Programação, Python: Sintaxe da Linguagem, tipos e características das variáveis, laços de Repetição, biblioteca Pandas, biblioteca Matplotlib, biblioteca Plotly, biblioteca Seaborn, biblioteca Numpy e Framework Streamlit.</li><li>Linguagem SQL: Estrutura básica de consultas, Operadores de Comparação, Operadores de lógica booleana, funções agregadoras, agrupamentos, Join’s, sub-queries, table view, windows functions.</li><li>Linguagem de Terminal: Aprender os comandos básicos da linguagem terminal, comandos para navegar nos diretórios através do terminal, criar, excluir ou copiar diretórios, solicitar o caminho de um determinado diretório, entre outros comandos importantes.</li><li>Versionamento de Código, Git e GitHub: Aprenda o que é e para que serve o Versionamento de Código, sobre o ciclo de vida de um arquivo versionado, aprendas os comandos básicos para commitar alterações, navegar entre branchies e commits, fazer merge, resolver problemas de merge, desfazer alterações, se conectar a um repositório remoto, enviar e solicitar alterações feitas no repositório remoto, aprenda sobre fluxo de trabalho (Por exemplo: GitFlow).</li><li>Gerenciamento de Ambientes Virtuais: Escolha um gerenciador de ambientes de virtuais e estude seus comandos, recomendo o Pyenv, pois, existe muito conteúdo disponível na internet sobre esse gerenciador, aprenda sobre as boas práticas do preenchimento do arquivo README.md e Requirements.txt.</li><li>Estatística: Distribuições Estatísticas, Medidas Descritivas, Inferências Estatística, Regressão, Probabilidade, Amostragem, Análise Exploratória de Dados</li><li>Machine Learning: Estudar Aprendizado de Máquina Supervisionado, como, Regressão Linear, Árvores de decisão, Random Forest, K-NN, entre outros. Estudar aprendizado de Máquina Não Supervisionado, como, K-Means e Autoencoders.</li><li>Computação em Nuvem: Estudar os principais serviços do AWS, como, EC2, S3, RDS e VPC. Estudar os principais serviços do GCP, como, GCP Fundamentals, Cloud Storage e BigQuery.</li><li>Conhecimentos de Negócio: Estude sobre modelos de negócio B2B, B2C e SaaS.</li><li>Storytelling: Estude sobre como realizar uma apresentação cativante, quais elementos utilizar em suas apresentações para que elas sejam mais organizadas e fáceis de serem absorvidas pelos ouvintes.</li></ol><p>Gostaria de ressaltar que o conteúdo de cada habilidade apresentado na lista acima não obedece nenhuma regra de obrigatoriedade, mas, acredito muito que é o essencial para começar na área. Existe muito mais conteúdo para ser estudado em cada tópico, deixei de forma resumida aquilo que venho estudando ao longo dos últimos meses, você pode se basear nestes tópicos e seguir a mesma cronologia de estudos, além é claro, de incluir novos conteúdos nessa mesma lista.</p><h3>3° Passo: O portfólio de Projetos do Cientista de Dados</h3><blockquote>Construa um portfólio de projetos para Ciência de Dados, apresente suas habilidades técnicas, soft skills e experiências profissionais.</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*5kjZBQHUf1cBe2tX" /></figure><p>O Portfólio de Projetos para nós Cientistas de Dados, é o melhor cartão de visita possível, nele conseguimos concentrar informações de suma importância, informações das experiências profissionais que possuímos, das nossas habilidades, dos cursos que já concluímos, e a cereja do bolo, apresentar todos os nossos projetos particulares já realizados de maneira organizada, portanto, quando um recrutador ou qualquer pessoa interessada em nossas habilidades se depararem com nosso portfólio bem construído, as chances de conseguirmos uma oportunidade são enormes, quem acessá-lo terá a oportunidade de conhecer as nossas experiências e inclusive os projetos que já executamos.</p><p>Considere a criação de imediato do seu portfólio, pois, todas as suas experiências são válidas, incluindo as que são da sua área de origem, sua bagagem do passado vai te ajudar no presente e no futuro, portanto, caso ainda não tenha tantas ou nenhuma habilidade desenvolvida na área de dados, não use isso como justificativa para não iniciar, aproveite as suas experiências passadas para já começar a estruturar seu portfólio, adicione qual seu foco atualmente, que provavelmente são os estudos para transicionar de carreira, caso você possua, adicione sua formação de nível técnico ou superior, adicione as suas habilidades técnicas, suas soft skills e faça uma breve apresentação sobre quem é você.</p><p>Quando iniciei meus estudos na área de Ciência de Dados, na minha primeira semana eu criei meu portfólio de projetos, e venho alimentando o mesmo conforme vou adquirindo novas habilidades e finalizando novos projetos, existem diversos portfólios, procure os das pessoas da área e utilize eles como inspiração para criar o seu, segue o link do meu portfólio para sua apreciação:</p><p><a href="https://kaiqueds.github.io/portfolio_projetos/">https://kaiqueds.github.io/portfolio_projetos/</a></p><h4>Caso não tenha ideia de como criar o seu portfólio, você pode seguir os seguintes passos:</h4><ul><li>Instale um editor de textos em sua máquina, recomendo o VSCODE:</li></ul><p><a href="https://code.visualstudio.com/">https://code.visualstudio.com/</a></p><ul><li>Acesse o site <a href="https://html5up.net/">https://html5up.net/</a> e escolha um dos templates gratuitos, faça download do modelo escolhido.</li><li>Voltando no VSCODE, instale uma extensão para visualização em tempo real de páginas HTML, para que você consiga acompanhar as alterações que você fizer no seu portfólio.</li><li>Abra os arquivos do template escolhido no VSCODE, e comece as edições dos códigos HTML, removendo os campos que não vai utilizar, adicionando as informações pertinentes e aconselho incluir uma foto atualizada na sua página.</li><li>Após finalizado a edição dos arquivos, crie uma conta no GitHub <a href="https://github.com/">https://github.com/</a> e utilize a hospedagem da plataforma para hospedar seu portfólio, é gratuito e muito funcional.</li></ul><h3>E chegamos ao fim!</h3><blockquote>Conclusão e Próximos passos.</blockquote><p>Esses 3 passos que estou seguindo, são passos que demandam muita dedicação, muito investimento de tempo, muita força de vontade e foco, além disso, é necessário disciplina, a constância diária de estudos é o que realmente vai te fazer evoluir, portanto, estude TODOS OS DIAS, nem que sejam 15 minutos, claro, se puder se dedicar mais, se dedique, porém, não deixe de estudar algo todos os dias, e tenha ciência que essa será sua rotina daqui para frente, pois, como eu citei na minha lista de motivos do “1° Passo”, “A área de dados é muito volátil”, ou seja, ela muda muito e precisamos constantemente nos atualizarmos, além é claro, absorver o conteúdo já existente, o que levará anos para acontecer!</p><h3>Agradecimentos e Recomendações</h3><p>Agradeço a Comunidade DS, pois, sem ela não teria avançado nos meus estudos tão rápido como avancei nesses últimos meses, e não teria criado coragem de começar a redigir artigos para a área de Dados, então, agradeço ao meu mentor Meigarom Lopes por toda sua iniciativa de idealizar e criar a Comunidade DS, que vem preparando e ajudando centenas de pessoas nesta área fantástica, que é área de Dados.</p><p>A Comunidade DS é um ecossistema maravilhoso, colaborativo, didático e desafiador, onde a comunidade busca sempre fortalecer os membros, portanto, caso queira acelerar seu aprendizado caro leitor, te convido a fazer parte desse ecossistema que vem me ajudando, afinal, ser orientado por pessoas mais experientes é uma excelente ideia.</p><p>Portanto, recomendo que acompanhem as redes sociais da comunidade DS, onde são disponibilizados conteúdos que podem te ajudar nesta caminhada na Ciência de Dados, seguem os links:</p><p>Canal do YouTube: <a href="https://www.youtube.com/@ComunidadeDS">https://www.youtube.com/@ComunidadeDS</a></p><p>LinkedIn: <a href="https://www.linkedin.com/company/comunidade-ds/mycompany/verification/">https://www.linkedin.com/company/comunidade-ds/mycompany/verification/</a></p><p>Me coloco a disposição caso tenha ficado com alguma dúvida, podem entrar em contato comigo através do meu LinkedIn, que é:</p><p><a href="https://www.linkedin.com/in/kaique-faustino-dias-40321390/">https://www.linkedin.com/in/kaique-faustino-dias-40321390/</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=48371142477c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/comunidadeds/migra%C3%A7%C3%A3o-de-carreira-para-ci%C3%AAncia-de-dados-48371142477c">Migração de Carreira para Ciência de Dados:</a> was originally published in <a href="https://medium.com/comunidadeds">comunidadeds</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>