QUEM DOMINA ANÁLISE E CIÊNCIA DE DADOS ESTÁ SENDO MAIS VALORIZADO A CADA DIA EM TODOS OS SETORES
Em até 90 dias você aprende do ZERO ao AVANÇADO e na PRÁTICA todas as Técnicas e Habilidades para DOMINAR a Análise e Ciência de Dados e trabalhar com dados.
A falta de experiência deixa de ser um impeditivo, porque você sabe gerar valor com dados.
Você consegue se destacar nos processos seletivos porque tem as habilidades e técnicas necessárias.
Você passa a receber propostas com salários de R$ 6.000,00 a R$ 22.000,00 e escolhe o que quiser.
Você consegue trabalhar como Analista ou Cientista de Dados em qualquer área e em qualquer empresa.
O que muda quando você domina a Análise e Ciência de Dados
Veja o que você aprende no Método TCD
Além de todo esse conteúdo você terá também 10 Projetos Completos com Cenários Reais do Mercado de Trabalho.
Programação em Python
Você irá aprender passo a passo e na prática com foco em soluções de problemas.
Análise e Manipulação de Dados
Você irá aprender a transformar dados brutos em insights que geram valor ao negócio.
Gráficos
Você irá aprender a criar e analisar mais de 50 tipos de gráficos para todo tipo de análise de dados.
Estatística
Você irá aprender de forma simples e objetiva para aplicá-la diretamente nos seus projetos.
Machine Learning
Você irá aprender a criar, treinar, avaliar e colocar em produção modelos preditivos.
Aplicações Online
Você irá aprender colocar seus projetos em produção de forma online e gerar valor na sua entrega.
Banco de Dados e SQL
Você irá aprender tudo sobre Banco de Dados e Linguagem SQL e ter mais esse diferencial.
Portfólio de Projetos
Você irá aprender como montar um Portfólio para se destacar e já com 10 Projetos Completos.
LinkedIn Estratégico
Você irá aprender como personalizar seu LinkedIn para Área de Dados vinculado ao seu Portfólio.
Quer conquistar uma vaga como Analista ou Cientista de Dados, mesmo começando do zero.
Está cansado de teoria e quer aprender na prática para se destacar no mercado.
Quer se destacar em processos seletivos, mesmo sem experiência.
Quer migrar de carreira para Área de Dados.
Quer ser mais valorizado na sua profissão atual trabalhando com dados.
Quer construir uma carreira sólida em dados e ser conhecido pela sua competência técnica.
Se você disser SIM para algum destes itens, esse Método é PERFEITO pra você!
- Seu acesso é vitalício, dessa forma todas aulas e materiais será seu pra sempre.
- Professor com mais de 20 anos de experiência na área de dados.
- Metodologia didática e passo a passo, com estrutura lógica para facilitar o entendimento, mesmo que você esteja começando do zero.
- São mais de 320 aulas com uma jornada de aprendizado passo a passo e na prática.
- Aulas curtas e objetivas (média de 15 minutos) para manter seu foco e facilitar o aprendizado.
- Scripts e Jupyter Notebooks prontos para você baixar e praticar tudo o que é ensinado.
- Todos Scripts e Jupyter Notebooks documentados e comentados, caso você queira inserir em seu Portfólio.
- 10 Projetos Completos e Documentados que você poderá incluir em seu Portfólio.
- Conteúdo 100% prático com casos reais e aplicações de mercado.
- Suporte Personalizado direto com o professor 7 dias por semana, via WhatsApp e E-mail
- Grupo exclusivo no Telegram para interação entre alunos e professor
- Certificado de Conclusão do Curso
Entenda porque o Método TCD é Diferenciado
Banco de Dados e SQL
Curso Completo
- Mais de 80 aulas práticas
- Do ZERO ao AVANÇADO
- Aplicações reais de mercado
Portfólio de Projetos
Git e GitHub
- Aulas passo a passo
- Subindo os Projetos
- Personalizando o Portfolio
BIG Data
E-Book Completo
- 68 Páginas
- Explicações simplificadas
- Mais um diferencial pra você
Esses Bônus serão presentes exclusivos pra você!
Conheça alguns alunos que começaram do zero e tiveram resultados
Módulo 01 - Metodologia e Orientações
- 01 - Boas Vindas e Orientações
- 02 - Metodologia e Técnicas de Aprendizado
Módulo 02 - Fundamentos da Ciência de Dados
- 01 - O que é Ciência de Dados
- 02 - Pilares da Ciência de Dados
- 03 - O que é Machine Learning
- 04 - Como as Máquinas Aprendem
- 05 - Etapas para criação de um modelo de Machine Learning - Parte 1
- 05 - Etapas para criação de um modelo de Machine Learning - Parte 2
- 06 - Tipos de Variáveis
Módulo 03 - Instalação e Configuração das Ferramentas
- 01 - Baixando e Instalando Anaconda Python
- 02 - Conhecendo o Jupyter Notebook
- 03 - Baixando e Instalando o VS Code
- 04 - Conhecendo o VS Code
- 05 - Baixando e Instalando o Sublime Text
- 06 - Conhecendo o Sublime Text
- 07 - Instalando e Configurando o Power BI
Módulo 04 - Python: Começando do Zero
- 01 - Números
- 02 - Variáveis
- 03 - Strings
- 04 - Listas - Parte 1
- 04 - Listas - Parte 2
- 05 - Dicionários
- 06 - Tuplas
- 07 - Funções Built-In
- 08 - Input
- 09 - Data e Hora em Python
- 09 - Data e Hora em Python
- 10 - Função Map
- 11 - Função Reduce
- 12 - Filter
- 13 - List Comprehensions
- 14 - Zip
- 15 - Enumerate
- 16 - Erros e Excessões
Módulo 05 - Lógica de Programação - Estruturas Condicionais e Funções
- 01 - Estrutura Condicional - IF / ELSE / ELIF
- 02 - Estrutura Condicional - Switch Case
- 03 - Estrutura de Repetição - Loop For
- 04 - Estrutura de Repetição - Loop While
- 05 - Funções
- 06 - Range
- 07 - Lambda
- 08 - Criando uma Calculadora Simples
Módulo 06 - Pandas - Manipulação e Análise de Dados
- 01 - Series
- 02 - DataFrames
- 03 - Carregando Arquivos
- 04 - Comandos Básicos Essenciais
- 05 - Data e Hora
- 06 - Exclusão e Alteração de Colunas
- 07 - Criando um DataFrame de Forma Manual
- 08 - Valores Duplicados
- 09 - Filtrando Dados
- 10 - Slices
- 11 - Substituindo Valores
- 12 - Identificando e Substituindo Valores Nulos
- 13 - Criando Categorias no DataFrame
- 14 - Agrupamento de Valores
- 15 - Juntando Tabelas - DataFrames
Módulo 07 - Numpy - Manipulação e Análise de Dados
- 01 - Principais Utilizações do Numpy
- 02 - Criando Arrays
- 03 - Tipos de Arrays
- 04 - Diferença entre Lista e Arrays
- 05 - Funções Arange, Eye, Diag e Linspace
- 06 - Matriz
- 07 - Método Randon
- 08 - Comandos Estatísticos
- 09 - Operações com Arrays e Matrizes
Módulo 08 - Gráficos e Análise de Dados
- 01 - Matplotlib - Parte 1
- 02 - Matplotlib - Parte 2
- 03 - Seaborn - Instalando e Verificando Datasets
- 04 - Seaborn - Construindo Gráficos Estatísticos
- 05 - Seaborn - Visualização de Relacionamento Linear
- 06 - Seaborn - Gráficos para Variáveis Categóricas
- 07 - Seaborn - Visualizando DataFrames
- 08 - Plotly - Gráficos Interativos - Parte 1
- 09 - Plotly - Gráficos Interativos - Parte 2
Módulo 09 - Estatística e Análise de Dados
- 01 - População e Amostra
- 02 - Probabilidade
- 03 - Média, Moda, Mediana e Amplitude - Parte 1
- 03 - Média, Moda, Mediana e Amplitude - Parte 2
- 04 - Desvio, Variância e Desvio Padrão - Parte 1
- 04 - Desvio, Variância e Desvio Padrão - Parte 2
- 05 - Quartil, Percentil e IQR
- 06 - Distribuição de Frequência
- 07 - Como analisar um Histograma
- 08 - Média Móvel - Parte 1
- 08 - Média Móvel - Parte 2
- 09 - Distribuição Normal - Parte 1
- 09 - Distribuição Normal - Parte 2
- 10 - Normalização e Padronização - Parte 1
- 10 - Normalização e Padronização - Parte 2
- 10 - Normalização e Padronização - Parte 3
- 11 - Correlação
- 12 - Como Analisar um Heatmap
- 13 - Como Analisar um ScatterPlot
- 14 - Como Analisar um BoxPlot
Módulo 10 - Projeto 1 - Comercial Analytics (Análises e Previsões de Valores de Automóveis)
- Definição do Objetivo do Projeto
- Perguntas de Negócio a Serem Respondidas
- Coleta de Dados
- Análise de Dados Exploratória
- Análise de Dados Descritiva
- Análise de Dados Estatística
- Análise de Dados - Gráficos
- Análise de Dados - Outliers
- Análise de Dados - Valores Missing (Nulos)
- Análise de Dados - Tipos de Variáveis
- Pré Processamento dos Dados
- Tratamento de Dados
- Escolha de Algoritmos
- Separação de Dados de Treino e Teste
- Criação de Modelos Preditivos
- Treinamento de Modelos Preditivos
- Análise de Métricas e Resultados
- Análise e Ajuste de Overfiting / Underfiting
- Generalização do Modelo Preditivo
- Ajuste de Hiper Parâmetros
- Novos Treinamentos dos Modelos Preditivos
- Nova Avaliação de Métricas e Resultados
- Ajustes Finais do Modelo Preditivo
- Deploy do Modelo em Produção
Módulo 10 - Projeto 2 - RH Analytics (Análises e Previsões de Desligamento de Funcionários)
- Definição do Objetivo do Projeto
- Perguntas de Negócio a Serem Respondidas
- Coleta de Dados
- Análise de Dados Exploratória
- Análise de Dados Descritiva
- Análise de Dados Estatística
- Análise de Dados - Gráficos
- Análise de Dados - Outliers
- Análise de Dados - Valores Missing (Nulos)
- Análise de Dados - Tipos de Variáveis
- Pré Processamento dos Dados
- Tratamento de Dados
- Escolha de Algoritmos
- Separação de Dados de Treino e Teste
- Criação de Modelos Preditivos
- Treinamento de Modelos Preditivos
- Análise de Métricas e Resultados
- Análise e Ajuste de Overfiting / Underfiting
- Generalização do Modelo Preditivo
- Ajuste de Hiper Parâmetros
- Novos Treinamentos dos Modelos Preditivos
- Nova Avaliação de Métricas e Resultados
- Ajustes Finais do Modelo Preditivo
- Deploy do Modelo em Produção
Módulo 10 - Projeto 3 - Mercado Imobiliário (Análises e Previsões de Preços de Imóveis)
- Definição do Objetivo do Projeto
- Perguntas de Negócio a Serem Respondidas
- Coleta de Dados
- Análise de Dados Exploratória
- Análise de Dados Descritiva
- Análise de Dados Estatística
- Análise de Dados - Gráficos
- Análise de Dados - Outliers
- Análise de Dados - Valores Missing (Nulos)
- Análise de Dados - Tipos de Variáveis
- Análise de Dados - Mapas e Geolocalização
- Pré Processamento dos Dados
- Tratamento de Dados
- Escolha de Algoritmos
- Separação de Dados de Treino e Teste
- Criação de Modelos Preditivos
- Treinamento de Modelos Preditivos
- Análise de Métricas e Resultados
- Análise e Ajuste de Overfiting / Underfiting
- Generalização do Modelo Preditivo
- Ajuste de Hiper Parâmetros
- Novos Treinamentos dos Modelos Preditivos
- Nova Avaliação de Métricas e Resultados
- Ajustes Finais do Modelo Preditivo
- Deploy do Modelo em Produção
Módulo 10 - Projeto 4 - App Online de Entrega de Análise de Dados
- Definição do Objetivo do Projeto
- Perguntas de Negócio a Serem Respondidas
- Coleta de Dados
- Análise de Dados Exploratória
- Análise de Dados Descritiva
- Análise de Dados Estatística
- Análise de Dados - Gráficos
- Análise de Dados - Outliers
- Análise de Dados - Valores Missing (Nulos)
- Análise de Dados - Tipos de Variáveis
- Análise de Dados - Mapas e Geolocalização
- Pré Processamento dos Dados
- Tratamento de Dados
- Escolha de Algoritmos
- Separação de Dados de Treino e Teste
- Criação de Modelos Preditivos
- Treinamento de Modelos Preditivos
- Análise de Métricas e Resultados
- Análise e Ajuste de Overfiting / Underfiting
- Generalização do Modelo Preditivo
- Ajuste de Hiper Parâmetros
- Novos Treinamentos dos Modelos Preditivos
- Nova Avaliação de Métricas e Resultados
- Ajustes Finais do Modelo Preditivo
- Deploy do Modelo em Produção
Módulo 10 - Projeto 5 - Marketing Analytics (Análises e Previsões de Tendências em Redes Sociais)
- Definição do Objetivo do Projeto
- Coleta de Dados e Importação de Bibliotecas
- Análise e Preparação de Dados - Parte 1
- Análise e Preparação de Dados - Parte 2
- Análise e Preparação de Dados - Parte 3
- Análise e Preparação de Dados - Parte 4
- Análise e Preparação de Dados - Parte 5
- Análise e Preparação de Dados - Parte 6
- Separação de Variáveis, Balanceamento e Criação do Modelo
- Avaliando o Modelo Treinado e Identificando Variáveis Mais Importantes
- Confusion Matrix e Classification Report - Parte 1
- Confusion Matrix e Classification Report - Parte 2
- Curva ROC e AUC
Módulo 10 - Projeto 6 - E-commerce Analytics (Análises e Previsões de Vendas de E-Commerce)
- Definição do Objetivo do Projeto
- Coleta de Dados, Importação de Bibliotecas e Análise Exploratória
- Análise e Preparação de Dados - Parte 1
- Análise e Preparação de Dados - Parte 2
- Análise e Preparação de Dados - Parte 3
- Análise e Preparação de Dados - Parte 4
- Variáveis Preditoras, Dados de Treino e Teste e Balanceamento
- Criando e Treinando Modelos Preditivos Simultaneamente
- Melhorando a Performance do Modelo e Entregando o Projeto
Módulo 10 - Projeto 7 - Varejo Analytics (Análises e Clusterização de Perfil de Clientes)
- Definição do Objetivo do Projeto
- Importação de Bibliotecas e Carregando Dados
- Análise Exploratória dos Dados
- Análise e Preparação de Dados - Parte 1
- Análise e Preparação de Dados - Parte 2
- Criando Modelo Preditivo e Avaliando Métricas - Parte 1
- Criando Modelo Preditivo e Avaliando Métricas - Parte 2
- Criando Modelo Preditivo e Avaliando Métricas - Parte 3
- Identificando e Ajustando Clusters Gerados - Parte 1
- Identificando e Ajustando Clusters Gerados - Parte 2
- Extração de Insights Poderosos (Gerando Valor com Dados) - Parte 1
- Extração de Insights Poderosos (Gerando Valor com Dados) - Parte 2
- Extração de Insights Poderosos (Gerando Valor com Dados) - Parte 3
- Extração de Insights Poderosos (Gerando Valor com Dados) - Parte 4
- Entrega do Projeto e Resultados Gerados
Módulo 10 - Projeto 8 - Finanças Analytics (App de Análises e Previsões Financeiras em Tempo Real)
- Conhecendo a Aplicação
- Objetivo do Projeto e Importação de Bibliotecas
- Funções da Aplicação - Parte 1
- Funções da Aplicação - Parte 2
- Entendendo os Indicadores
- Desenvolvimento da Aplicação - Parte 1
- Desenvolvimento da Aplicação - Parte 2
- Desenvolvimento da Aplicação - Parte 3
- Finalizando a Aplicação
Módulo 10 - Projeto 9 - Saúde Analytics (Análises e Previsões de Doenças)
- Definição do Objetivo do Projeto
- Carregando bibliotecas, Dataset e Conhecendo os Dados
- Análise e Preparação dos Dados - Parte 1
- Análise e Preparação dos Dados - Parte 2
- Análise de Dados e Análise Estatística
- Estratégias de Análise de Dados e Entrevistas
- Análise de Dados e Análise Gráfica - Parte 1
- Análise de Dados e Análise Gráfica - Parte 2
- Análise de Dados e Análise Gráfica - Parte 3
- Análise de Dados e Análise Gráfica - Parte 4
- Preparando Dados do Modelo Preditivo e Criando e Treinando Modelo - Parte 1
- Preparando Dados do Modelo Preditivo e Criando e Treinando Modelo - Parte 2
- Analisando Resultados do Modelo e Preparando Entregáveis do Projeto
- Finalizando Entregáveis do Projeto (Imagens, Arquivos, Documentação)
Módulo 10 - Projeto 10 - Finanças Analytics (Análises e Previsões de Inadimplências)
- Entendendo o Projeto e Arquitetura do Projeto
- Objetivos do Projeto e Dicionário de Dados
- Carregando o Banco de Dados do Sistema
- Criando a Estrutura de Dados do Projeto
- Criando as Procedures de Integração (Python x SQL)
- Usuário de Integração (Python x SQL) e Protocolo TCP-IP
- Carga de Dados no SQL e Biblioteca de Conexão Python
- Importando Bibliotecas e Extraindo Dados do SQL via Python
- Análise Exploratória - Visão Geral dos Dados
- Análise e Tratamento de Dados - Parte 1
- Análise e Tratamento de Dados - Parte 2
- Análise e Tratamento de Dados - Parte 3
- Análise e Tratamento de Dados - Parte 4
- Análise e Tratamento de Dados - Parte 5
- Análise e Tratamento de Dados - Parte 6
- Análise e Tratamento de Dados - Parte 7
- Análise e Tratamento de Dados - Parte 8
- O que é API e Preparação dos Dados da API
- Parâmetros e Chamada da API via Python
- Chamando API em Lote e Preparando os Dados Retornados
- Análise e Tratamento de Dados - Parte 9
- Preparação, Criação e Treino do Modelo Preditivo - Parte 1
- Preparação, Criação e Treino do Modelo Preditivo - Parte 2
- Avaliando a Performance do Modelo e as Variáveis Mais Importantes
- Salvando o Modelo e Simulando Dados Novos
- Avaliação Prévia dos Resultados Gerados
- Inserindo Dados no SQL Server Através do Python - Parte 1
- Inserindo Dados no SQL Server Através do Python - Parte 2
- Abrindo o Programa de Execução Automática
- Entendendo e Executando o Programa Python com Fluxo Completo
- Dashboard Power BI - Configurando a Conexão SQL Server
- Dashboard Power BI - Entendendo o que é um Dashboard
- Dashboard Power BI - Criação - Parte 1
- Dashboard Power BI - Criação - Parte 2
- Dashboard Power BI - Criação - Parte 3
- Dashboard Power BI - Criação - Parte 4
- Dashboard Power BI - Criação - Parte 5
- Dashboard Power BI - Criação - Parte 6
- Dashboard Power BI - Criação - Parte 7
- Dashboard Power BI - Criação - Parte Final
- Dashboard Power BI - Compartilhando e Deixando Online
- Configurando Horários da Extração de Dados Automática SQL
- Configurando Horários da Execução do Processo Automático Python
Veja como será o passo a passo da sua trilha de aprendizado
Toque no sinal de + para expandir e ver todas as aulas.
Olá, muito prazer o meu nome é Jefferson Navarausckas e trabalho a mais de 20 anos na área de dados.
Minha missão é compartilhar com você todo conhecimento, técnicas, habilidades e estratégias que adquiri no decorrer da minha carreira.
Já realizei mais de 700 Projetos de Dados em empresas de todos os tamanhos, como Magazine Luiza, GM, Toyota, Caixa Econômica Federal, Yamaha, entre outras.
Sou formado em Ciências da Computação e Análise e Desenvolvimento de Sistemas, com pós graduações em Big Data & Data Science e Estratégias de Análise de Dados.
@nerddosdados
Jefferson Navarausckas
Eu criei o Método TCD e serei seu Professor
RISCO ZERO PRA VOCÊ
- Garantia de 30 dias
- Acesso Vitalício
- Suporte Individual
- Comunidade Exclusiva
- Bônus - Curso de SQL
- Bônus - Portfolio de Projetos
- Bônus - LinkedIn Personalizado
CONDIÇÃO EXCLUSIVA POR TEMPO LIMITADO
Pode comparar, esse é o melhor custo benefício que você já viu.
Programação em Python
147,00
Análise de Dados
497,00
Gráficos
139,00
Estatística
399,00
Machine Learning
739,00
Aplicações Online
339,00
Curso de SQL Completo
379,00
Curso de Github Portfólio
199,00
E-book Big Data
29,00
Valor Total
2.867,00
De R$ 2.867,00 por apenas
12x de
R$41,06
ou R$ 397,00 à vista
PERGUNTAS FREQUENTES
Para você fazer todo o curso é necessário você ter apenas um computador e vontade de aprender.
Sim, após completar todas as aulas e projetos você recebe um certificado de conclusão.
Sim. Mesmo que você nunca tenha feito nada com programação, no curso você irá aprender programar em Python que é uma linguagem simples e fácil de aprender e vou te ensinar tudo passo a passo.
Sim. Mesmo que você nunca tenha visto nada de estatística, você irá aprender no curso tudo que é necessário para você trabalhar com Ciência de Dados.
Com toda certeza sim. O treinamento foi estruturado com uma metodologia para construir todo seu aprendizado do absoluto zero.
Não é necessário você ter nenhuma graduação para fazer este curso.
Você poderá atuar como analista de dados, engenheiro de dados e cientista de dados.
Você poderá fazer trabalhos de coleta de dados, preparação e tratamento de dados, programação em Python, visualização de dados, criar, treinar e validar modelos de Machine Learning, analise estatística, analise de dados SQL, extração de dados SQL, analisar dados e tabelas direto do banco de dados e muito mais.
Sim. Todo material disponibilizado no curso você poderá utilizar em projetos pessoais, profissionais e inclusive inserir os projetos do curso em seu portfólio de projetos.
CNPJ 57.091.108/0001-54