5 dicas de conteúdos gratuitos para cientistas de dados

Pandas Couple
3 min readJun 3, 2021

--

Pattern photo created by jcomp — www.freepik.com

Para se tornar um cientista de dados, é necessário muito mais conhecimento do que apenas saber programar em alguma linguagem computacional e criar algoritmos de inteligência artificial complexos.

É claro que saber programar é essencial para o trabalho, porém, existem disciplinas extremamente importantes, tanto quanto saber programar. São essas disciplinas que vão te levar a um nível superior de conhecimento e entendimento para trabalhar com dados.

Estamos falando basicamente da matemática, especificamente sobre estatística, algebra linear e cálculo. É sobre essas disciplinas que venho aqui dar algumas dicas de conteúdos gratuitos para nivelar o conhecimento de quem está começando. Pode ser interessante também para quem está há muito tempo sem contato com o material ou até quem possui um conhecimento maior e quer refrescar a memória. Acredito que sempre vale a pena!

Você pode ir estudando toda essa parte em paralelo à programação e à criação de modelos de inteligência artificial, por exemplo. Inclusive, eu acho esse tipo de abordagem a melhor, pois assim, o conteúdo não fica tão denso e entediante, o que pode levar até a uma desistência precoce.

Sem mais delongas, vamos ao que interessa!

Introdução a estatística — UFPR (YouTube)

Data vector created by stories — www.freepik.com

A estatística, como sabemos, é um ramo da matemática e é fundamental o seu conhecimento para a área de dados.

Apesar do título estar com o nome ‘introdução’, este é um conteúdo extremamente completo e aborda toda a base da estatística de uma forma muito didática.

Lembre-se: Se o básico não for bem feito, o avançado não fará diferença.

Essence of linear algebra — 3Blue1Brown (YouTube)

Background photo created by bedneyimages — www.freepik.com

A área de ciência de dados e o machine learning são disciplinas que exigem bastante matemática. Se você quiser criar modelos de machine learning é necessário conhecer alguns conceitos matemáticos, a álgebra linear é um deles.

Essa playlist da 3Blue1Brown é muito legal e divertida de aprender esses conceitos matemáticos.

Eles utilizam vídeos interativos que te ajudam a entender conceitos complexos de forma fácil.

Essence of calculus — 3Blue1Brown (YouTube)

Também da 3Blue1Brown so que agora voltado para cálculo. A pegada dessa playlist é a mesma que citei no tópico anterior.

Lembre-se: Não necessariamente você tem que saber/aprender toda a matemática antecipadamente. É possível pesquisar conceitos matemáticos que você ainda não conhece à medida que eles aparecem.

Bônus — Inteligência Artificial

Abstract vector created by vectorjuice — www.freepik.com

Apesar do foco ser conteúdos conceituais de base da área de dados, gostaria de acrescentar essas playlists sobre machine learning e inteligência artificial.

Machine Learning Course —Caltech (YouTube)

Ministrado pelo professor Yaser Abu-Mostafa, essa playlist é composta por vídeos mais longos, porém muito bem explicado e com uma abordagem diferente do que estamos acostumados a ver por ai. Eu achei bem interessante! Acho que sempre vale a pena pesquisar outras fontes mesmo que você já saiba a teoria, assim consegue ver várias abordagens diferentes e uma pode ir complementando a outra.

Curso de I.A para todos — Diogo Cortiz (YouTube)

No curso aberto de IA do Diogo Cortiz ele explica de forma clara e fácil os conceitos em 10 vídeos de duração média de 50 min. Recomendo tanto pra quem nunca estudou os conceitos quanto para quem já estudou e quer rever com abordagem descomplicada. Ao final de cada conceito ele demonstra com código como colocar em prática, é muito bem feito!

Bons estudos!

Bom pessoal, é isso. Acho que esses conteúdos são muito validos para qualquer pessoa independente da experiência. Foquei nestes conteúdos, pois, acho que eles são um pouco menos conhecidos no geral e são muito bons!

Espero que gostem!

Obrigado.

--

--

Pandas Couple
Pandas Couple

Written by Pandas Couple

Casal de Cientistas de Dados, contribuindo para a comunidade de Data Science.

No responses yet