Programa


Em parceria com Intel AI Academy

Aula 1 
  • Introdução a ciência da computação
o História dos computadores
o Conceitos básicos
o Entendendo como um computador funciona
o Importância da computação no dia a dia
  • Introdução a programação
o Principais conceitos
o Entendimento e importância da lógica
o Principais estruturas da programação
o Variáveis
o Estruturas Condicionais
o Estruturas de Repetição
o Funções e Procedimentos
o Organização e Depuração de código
  • Exercícios tutorados
o Apresentação do code.org
o Exercícios para entender como funciona a plataforma
o Variáveis
o Estruturas Condicionais
o Estruturas de Repetição
o Funções
o Organização e Depuração de código

Aula 2

  • Introdução ao Jupyter e a linguagem Python
o Breve histórico das linguagens
o Explicação sobre a importância da linguagem 
o Apresentação do Jupyter 
    - Guia de instalação 
    - Guia de utilização 
    - Dicas, comandos, shortcuts
  • Construção da lógica de programação por meio de situações do dia a dia 
  • Introdução ao Python
o Tipos de Dados
o Variáveis
o Operações (soma, subtração, divisão, multiplicação, ...)
    - Soma
    - Subtração
    - Divisão
    - Multiplicação
    - Módulo
    - Divisão inteira
o Estruturas condicionais (if, elif e else)

Aula 3

  • Estruturas de repetição (for e while)
o For 
o While
  • Listas
  • Tuplas
  • Dicionários
  • Strings
  • Formatação de impressão

Aula 4

  • Numpy
o O que é?
o Criando Arrays (gerando números aleatórios)
o Aritmética com arrays
o Funções rápidas para arrays (principais funções)
o Métodos matemáticos básicos para arryas
o Operações de conjunto em arrays
o Álgebra com arryas

Aula 5

  • Matplotlib
o Introdução   rápida à API da matplotlib
o Figuras e subplotagens
o Cores, marcadores e estilo de linha
o Tíques, rótulos e legendas
o Tipos de gráficos 
o Recursos úteis

Aula 6
  • Introdução a biblioteca Pandas
  • Principais recursos
  • Dataframes e Series 
  • Indexação 
  • Aritmética com Pandas
  • Funções úteis (estatísticas)
  • Funções importantes (apply e lambda)

Aula 7
  • Upload e utilização de dados externos (formatos importantes)
  • Limpeza e pré-processamento de dados
o Remover dados duplicados
o Transformação de dados (funções, lambda e mapping)
o Substituição de dados
o Renomear index

Aula 8
  • Agregando dados
  • Trabalhando com operações em grupo 
  • Plotando informações geradas com Dataframes e Series 

Aula 9
  • Trabalhando com dados externos 
  • Estudo de caso de dados de voos
  • Estudo de caso de dados de medalhas olímpicas

  • Scikit-learn
o Documentação da biblioteca
o Utilização básica
o Exemplo prático
  • Keras
o Introdução ao conceito de Inteligência Artificial
o Importância da biblioteca
o Documentação da biblioteca (keras documentation)
o Criando um novo ambiente para utilizar o keras (tensorflow como backend)
o Métodos e funções importantes de keras
    -Tratamento de dados
    -Camadas 
    -Funções de perda
    -Otimizadores
    -Model e Sequencial