Meigarom, teu canal é muito bom. Faço mestrado em estatística e confunde-se muito saber estatística com ser um cientista de dados. De fato, a estatística é o alicerce da carreira, mas ser um cientista de dados vai bem além de saber estatística. E noto que você é muito focado em passar também essa percepção para quem assiste o canal. Apesar de ter um conhecimento sólido em estatística e matemática, ainda tenho um certo caminho a percorrer para conseguir me tornar um cientista de dados de verdade - e os vídeos aqui do canal têm sido uma ótima diretriz para o meu estudo. Eu tenho aprendido muito com teus vídeos, obrigado e parabéns pelo excelente conteúdo e informação!
Graaaande Miguel, tudo bom? Muito obrigado pela mensagem e pelas palavras! Você resumiu muito bem a mensagem desse canal, "ser um cientista de dados vai bem além de saber estatística". Eu quero muito mostrar que resolver o problema de negócio é o foco, e o domínio das ferramentas Estatísticas e ML são essenciais para isso, além do Storytelling, capacidade de levantar hipóteses de negócio, habilidades de desenvolvimento para colocar modelos em produção, fazer boas análises etc. Fico muito feliz em saber que tenho conseguido te ajudar de alguma forma e que você está se preparando para essa carreira. Muito obrigado pelos pontos e ótimos estudos! Grande Abraço Miguel
Obrigado pelo vídeo. A clareza com que o conteúdo é abordado e a noção do "big picture", na minha opinião, fazem toda a diferença no entendimento dos assuntos abordados no vídeo. Parabéns
Grande Kelno, tudo bem? Poxa, muito obrigado pelo comentário!! Precisamos sempre colocar "Big Picture" nas discussão para não nos perdermos em detalhes. O caminho é único, mas com tantas opções, vejo muita gente se perdendo nos detalhes ao invés de focar no objetivo!! Muito obrigado pelas suas palavras!! Grande Abraço Kelno!!
Acabei de conhecer o seu canal! Estou encantada como você passa o seu conhecimento. Estou iniciando agora nessa área e as dúvidas são enormes, mas você transmite o conteúdo com clareza e objetividade. Parabéns!!
Oi Andréa, tudo bem? Poxa, muito obrigado pelas palavras, fiquei muito feliz!! Esse é o grande objetivo desse canal, trazer conhecimento direto do campo de batalha, de uma maneira clara, simples.e direta, para que as pessoas entendam! Muito obrigado pela mensagem! Bons estudos!
Mais didático ainda não vi na internet, vou usar suas dicas e macetes para definir meu Mindset & Hardskills. Preciso definir mesmo alguns projetos para colocar no Git como experiências e conhecimento.
Seus vídeos são tops. Estão me ajudando a entender o que realmente é ser um cientista de dados. Esse vídeo mostrou uma visão panorâmica desse universo. Muito obrigado!
Muito obrigado pelas palavras Danilo! Esse canal surgiu pra isso, pra dar visibilidade do que é ser um Cientista de Dados na prática, trazido por alguém que vive isso todos os dias. Espero ajudar cada vez mais! Abração pra você!
Oi Bruna, tudo bom? Poxa, muito obrigado por acompanhar o canal. E fico feliz em saber que os conteúdos tem ajudado também!! Muito obrigado pelo seu tempo em assistir aos vídeos!! Att.
Grande Kaléu, muito obrigado!! Cara, eu gostei da idéia, queria ouvir mais de você. Quais termos seriam esses? Consegue me dar uns exemplos? Muito obrigado pela sugestão e pelo comentário. Abraço
O vídeo poderia ser explicando: dataset, dataframe, oltp, olap, etl, elt, raw, cleaned, superset, hdms, rdbms, dbms, e outros termos relacionados a data science
Cara, muito esclarecedora tua aula. Valeu! Estou tentando mudar de carreira e comecei com os bancos de dados... Estou quase indo por este caminho. Está me agradando. Me ajudou muito.
Feliz em ajudar Vagner. O caminho certo é a definição mais importante de todas. Ir pelo caminho errado, demora muito mais, você não aprende o que realmente importa e pode te deixar frustrado. Bons estudos
Grande Marcel, tudo bom? Muito obrigado pelo comentário! Mais feliz em saber que você vem acompanhando os vídeos!! Muito obrigado pelo seu tempo! Grande abraço!
Faaala Rafael, blz? Mano, Matlab é um PUTA ferramenta massa, os toolbox deles são muito bons. Comecei a usar Python na faculdade e também migrei para Python. Acho que é o caminho natural!! Grande abraço!
A gente não pode esquecer que as empresas são feitas de pessoas e a maioria das pessoas estão perdidas sobre o que realmente um Data Scientist faz, como ele gerar valor para a empresa. É por isso que vemos um monte de empresas procurando Data Scientists com conhecimento em Hadoop. Grande abraço Matheus!
@@ComunidadeDS por que é um equívoco da empresa buscar um data scientist com conhecimento em handoop? E para qual profissional ou onde o handoop seria melhor indicado? Muito bom o seu canal, Meigarom, obrigado.
@@matheusandrade9910 porque o papel de um DS é criar solução com os dados usando ferramentas como Machine Learning e Estatística. Na prática, o DS precisa conhecer o que é Hadoop e como retirar dados dele para fazer suas análises e modelos. Eu acho perda de tempo estudar Hadoop, tem coisas muito mais importante em ML que devem ser aprendidas pelo DS. Quem deve cuidar do ecossistema Hadoop é quem cuida da organização dos dados, que no caso é o Data Engineering
Grande João, tudo bem? Muito obrigado pelo comentário e pela sugestão também!! Eu não me lembrava dessa ferramentas, não cheguei a usar!! Grande abraço!
Primeira parabéns pelo vídeos, estou maratonando um por um, pelo canal, pelo blog e pela iniciativa como um tudo! Você considera interessante dominar ferramentas de WEB além de ferramentas citadas nestes e em outros vídeos? Saber fazer um site pode fortalecer a quem procura uma primeira oportunidade no campo de Data Science? Visto que as empresas de tecnologia procuram currículos cadas vez mais abrangentes
Grande Edu, tudo bom? Desenvolvimento Web faz parte de uma outra profissão. Saber fazer site, não torna você um candidato diferenciado no processo. Ele faz você ser um candidato igual a todos os outros, porém como uma ferramenta à mais. Se você gosta mais de programar do que de resolver problemas de negócio, talvez Data Engineering seria mais a sua praia. Foca em resolver problemas como os conceitos de Ciência de Dados primeiro, programação Web você pode aprender depois, mas não pode ser seu foco nesse momento. Espero ter ajudo e não te confundido!! Forte abraço!
@@ComunidadeDS Confesso que abraço a programação apenas como uma ferramenta, mas não tenho nenhuma paixão por ela e sim por resolver problemas. Então sua resposta me ajudou muito e agradeço por isso. Sucesso e até a próxima.
@@eduardofreitas2158 que legal ouvir isso "Programação apenas como uma ferramenta", você já entendeu tudo Edu!! Parabéns, está no caminho certo!! Abração!
Oi Brunna, tudo bom? Obrigado pela sugestão, seria muito legal mesmo. Eu já tenho um curso, talvez eu já consiga ajudar!! Obrigado pelo comentário!! Att.
Minha dica é Evite as ferramentas comerciais, fique só no Open Source se vc quer realmente ter Controle Total da Ciência dos Dados. Além disso a qualidade do open source é melhor ou igual as ferramentas comerciais.
Faaalaa Eduardo, tudo bom? É exatamente a definição que o Matheus escreveu aqui embaixo. São dados faltantes, seja porque estão fora do contexto ou seja por algum erro na hora de preencher, seja esse erro causado por algum sistema ou por erro manual. Quando encontramos dados assim, precisamos lidar com isso, existem duas formas básicas: De acordo com o negócio ou usando algoritimos e técnicas estatísticas. Espero que eu tenha consigo esclarecer um pouco!! Abração!
Sou advogado e contador, tenho 46 anos. Tenho perfil analitico e dedutivo. Matematica nao me assusta. Tenho foco para estudo. Me identifiquei com DS. Nessa fase da vida, é interessante uma migração de carreira desse porte?
No seu lugar, eu faria a mudança sem dúvidas Horários. Um dos meus alunos tem 43 anos e deixou uma carreira como Médica Veterinária para trabalhar com Ciencia de Dados. Tem até um vídeo dela aqui no canal. Faz o que gosta ou quer fazer enquanto ainda temos tempo. Conta comigo na sua jornada. Abração
Será um prazer receber você no time Alan! Garanto que você vai aprender muito, como nunca imaginou. Fora o Time de Data Science Em Produção que já está com mais de 70 pessoas. Está muito legal as discussões!! Fico te esperando então!! Grande abraço
Parabéns pela excelente explanação!!! Tenho uma dúvida com relação ao modelo matemático de machine leaning. É possível realizar um update do modelo com novos dados de forma automática? Ou seja, novos dados são extratídos do banco de dados e re-treinados para aperfeiçoamento do modelo sem a inteferência humana?
Grande Fabiano, tudo bom? Obrigado pela pergunta! Essa etapa que você descreveu, é a etapa de retreino do modelo Fabiano. Nós construímos o modelo, encontramos os parâmetros ótimos e calculamos as métricas de performance, depois nós montamos um pipeline de retreino onde semanalmente os dados recentes são extraídos, preparados e usados pra treinar o modelo novamente. Toda essa sequência de passos é automática, nós só monitoramos algumas métricas chaves para garantir que o modelo está melhorando a performance. Consegui explicar? Grande abraço!
@@ComunidadeDS. Obrigado pela resposta. Tenho algum conhecimento em programação, porém não sou nenhum "expert". Estou trabalho, em um projeto pessoal, e me deparei com este problema. Você teria alguma literatura, onde eu possa verificar como criar este pipeline? Mais uma vez muito obrigado.
@@fabianoleite4175 aqui no canal tem um playlist com vários vídeos mostrando como colocar seu modelo em produção. O processo é exatamente o mesmo, com alguma modificacões para retreino de Modelo. Acho que pode te ajudar.
Grande Marcos, muito obrigado pelas palavras! Os membros da Comunidade DS tem acesso às Lives completas. As apresentações não. Mas podemos conversar sobre isso, sem problemas! Abração!
Oi Silvia, tudo bom? Eu conheço o QlikView, que é uma ferramenta de visualização. Até onde eu sei sobre o QlikSense, ele é uma ferramenta que te ajuda a preparar, limpar e organizar os dados. Para explorar os dados e validar hipóteses, acho que ele não foi feito pra isso! Mas eu posso estar errado! Espero ter ajudado!
Com certeza sim Anderson. Eu trabalho home Office, mas não tenho restrição de região, posso trabalhar de onde eu quiser. Quanto eu tiro férias, eu vou alguns dias antes e fico trabalhando do local até entrar de férias
Grande Luis, blz? Mano, eu passei a tarde inteira rindo da "banana vai comer o macaco", HAHAHAHAHAHAHAHAHHAHAHAHAHAHAHAHAHAA. Muito bom, jamais eu imaginaria essa analogia! Parabéns mano!! hahaha Grande abraço!!
Não ensino Márcio. O meu curso, eu não ensino ferramentas, eu ensino um método de trabalho, para resolver problemas de DS. Quando eu regravar esse vídeo daqui 1 ano, as ferramentas serão outras. As ferramentas mudam, a maneira de resolver problemas não. Grande abraço!
Oi Aquila, tudo bom? Obrigado pela pergunta. Em Data Science, chamamos de NA os dados faltantes. Por exemplo, você tem uma coluna de dados sobre a idade de uma pessoa, porém alguns valores estão faltando, por diversos motivos, esses dados faltantes são chamados de NA. Faz sentido?
@@ComunidadeDS Oie muito obrigado pela resposta, sim faz sentido, é que geralmente eu uso uma nomenclatura diferente e não consegui relacionar, mas faz sentido chamar de NA também. Geralmente chamo de data missing mesmo. :) Obrigado novamente, e parabéns pelo trabalho que vem fazendo ai pra gente :D
Entendi Aquila. A sua nomenclatura é melhor que a minha, ei deveria usar missing tb. Obrigado pelo toque! Imagina, eu que te agradeço pelo comentário! Abraço pra vc e bons estudos!
Faaala Diego, blz? Cara, eu usei muito Matlab há alguns anos atrás!!! Ela é uma ferramenta incrível, muito boa, animal, mas para criação de modelos de Machine Learning. O Matlab é um software proprietário, portanto somente pessoas que tem o Matlab podem abrir e ver o seu trabalho. Isso dificulta muito o compartilhamento de código. Por essas questões, o Python é mais usado tanto para modelagem quanto para manipulação de tabelas. Espero ter respondido sua dúvida Grande abraço!
@@ComunidadeDS respondeu sim, muito obrigado. Vou começar a aprender Python essa semana então....eu uso MATLAB a algum tempo mas aprendi a programar em c++ não deve ser difícil o aprendizado.
Voce falou nas visualizações e não falou em Qlik, não é uma ferramenta boa? Uma coisa que ainda não vi em PowerBI foi a interação com banco através de script, pois muitas vezes pegamos dados de banco através de Views, funções, etc pois preparamos já modelos com essas informações.
Faaaala Miguel, blz? Cara, eu não coloquei o Qlik View porque eu esqueci mesmo, mas é uma ferramenta boa sim. Eu gosto mais do Tableau, mas já trabalhei um pouco com o Qlik também. Para o Power Bi funcionar bem, você precisa ter um Data Warehouse com os dados organizados. As únicas ferramentas que tem uma camada semântica de organização na própria ferramenta são o Looker e o Qlik. Espero ter ajudado, Grande abraço!
@@ComunidadeDS Muito obrigado por me responder.. Só para explicar um pouco, quando trabalhei com QlikView não tinha ainda Power Bi e nem Tableau, o que tinha era o Cognos da IBM, um da Oracle. O que eu gostava dele é que voce joga o script de carga de dados dai ele já começa fazer as associações devida que seja vinda de planilha, banco de dados. E esse tipo de atividade não vi no Power BI e no tableau das apresentações que vi não foi mostrada essa atividade.. Gosto muito do Seu canal, está me ajudando a eu voltar para o senário de dados que gosto muito.
Grande Alex, tudo bom? As ferramentas para um Analista de Dados são muito parecidas. Tanto os Cientistas de Dados quanto os Analistas de Dados tem atividades muito parecidas, principalmente no começo. A coleta, limpeza e exploração de Dados são iguais e o Cientista de Dados acaba fazendo a parte de criar modelos de Machine Learning. Para Analista de Dados, eu diria que você precisar dominar: SQL, Python, PowerBI e Tableau, no geral. Espero ter ajudado!
Grande Elton, blz? Você a tríade do Elastic Search, Logstash e Kibana? Se for essas ferramentas, eu já usei sim, principalmente na época em que eu fazia muita atividade de Engenharia de Dados. Mas elas não são boas para pipeline de dados de Ciência de Dados, são voltadas para ETL mesmo. Obrigado pela sugestão! Grande abraço!
Não só Python. Hoje sim, é a linguagem mais usada, pelas inúmeras facilidades. Aprenda a resolver o problema, as ferramentas mudam com o tempo, hoje é Python, amanhã pode ser Júlia, ou qualquer outra coisa. Abração!
Faaala Pedro, blz? Não, Docker não é obrigatório para Ciência de Dados. Na prática, o time de DS ou DevOps montam as imagens e os Containers, você só instalar o Docker e o Docker-Compose e sai usando. Pra DS, não precisa aprender Docker como obrigatório. Abraço!
Meigarom, teu canal é muito bom. Faço mestrado em estatística e confunde-se muito saber estatística com ser um cientista de dados. De fato, a estatística é o alicerce da carreira, mas ser um cientista de dados vai bem além de saber estatística. E noto que você é muito focado em passar também essa percepção para quem assiste o canal. Apesar de ter um conhecimento sólido em estatística e matemática, ainda tenho um certo caminho a percorrer para conseguir me tornar um cientista de dados de verdade - e os vídeos aqui do canal têm sido uma ótima diretriz para o meu estudo. Eu tenho aprendido muito com teus vídeos, obrigado e parabéns pelo excelente conteúdo e informação!
Graaaande Miguel, tudo bom?
Muito obrigado pela mensagem e pelas palavras!
Você resumiu muito bem a mensagem desse canal, "ser um cientista de dados vai bem além de saber estatística".
Eu quero muito mostrar que resolver o problema de negócio é o foco, e o domínio das ferramentas Estatísticas e ML são essenciais para isso, além do Storytelling, capacidade de levantar hipóteses de negócio, habilidades de desenvolvimento para colocar modelos em produção, fazer boas análises etc.
Fico muito feliz em saber que tenho conseguido te ajudar de alguma forma e que você está se preparando para essa carreira.
Muito obrigado pelos pontos e ótimos estudos!
Grande Abraço Miguel
Obrigado pelo vídeo. A clareza com que o conteúdo é abordado e a noção do "big picture", na minha opinião, fazem toda a diferença no entendimento dos assuntos abordados no vídeo. Parabéns
Grande Kelno, tudo bem?
Poxa, muito obrigado pelo comentário!!
Precisamos sempre colocar "Big Picture" nas discussão para não nos perdermos em detalhes.
O caminho é único, mas com tantas opções, vejo muita gente se perdendo nos detalhes ao invés de focar no objetivo!!
Muito obrigado pelas suas palavras!!
Grande Abraço Kelno!!
Acabei de conhecer o seu canal! Estou encantada como você passa o seu conhecimento. Estou iniciando agora nessa área e as dúvidas são enormes, mas você transmite o conteúdo com clareza e objetividade. Parabéns!!
Oi Andréa, tudo bem?
Poxa, muito obrigado pelas palavras, fiquei muito feliz!!
Esse é o grande objetivo desse canal, trazer conhecimento direto do campo de batalha, de uma maneira clara, simples.e direta, para que as pessoas entendam!
Muito obrigado pela mensagem!
Bons estudos!
Mais didático ainda não vi na internet, vou usar suas dicas e macetes para definir meu Mindset & Hardskills. Preciso definir mesmo alguns projetos para colocar no Git como experiências e conhecimento.
Como sempre a didática fantástica ! muita clareza, ajudou a direcionar muito bem ! Valeu Meigarom!
Faaaala Leonardo, tudo bom?
Muito obrigado pelas palavras!!! De verdade!
Forte abraço pra ti!!
Seus vídeos são tops. Estão me ajudando a entender o que realmente é ser um cientista de dados. Esse vídeo mostrou uma visão panorâmica desse universo.
Muito obrigado!
Muito obrigado pelas palavras Danilo!
Esse canal surgiu pra isso, pra dar visibilidade do que é ser um Cientista de Dados na prática, trazido por alguém que vive isso todos os dias.
Espero ajudar cada vez mais!
Abração pra você!
Parabéns pelo canal, sempre acompanho os vídeos, conteúdos extremamente importantes, principalmente pra quem está começando na área!! Muito bom
Oi Bruna, tudo bom?
Poxa, muito obrigado por acompanhar o canal.
E fico feliz em saber que os conteúdos tem ajudado também!!
Muito obrigado pelo seu tempo em assistir aos vídeos!!
Att.
Parabéns!!!! Só isso que quero falar, meu amigo!!
Grande Filipe, muito brigado!!! De verdade!
Abração pra você!
Esse final vale ouro, muito sensato.
Comecei a assistir seus videos dia ontem, já vi uns 5. Muito bom, parabéns pelo conteúdo claro e objetivo e o melhor é o fato de ser contemporâneo.
Excelente vídeo, como sempre.
Sugiro uma série de vídeos para explicar os termos utilizados no mundo da ciência de dados
Grande Kaléu, muito obrigado!!
Cara, eu gostei da idéia, queria ouvir mais de você.
Quais termos seriam esses? Consegue me dar uns exemplos?
Muito obrigado pela sugestão e pelo comentário.
Abraço
O vídeo poderia ser explicando: dataset, dataframe, oltp, olap, etl, elt, raw, cleaned, superset, hdms, rdbms, dbms, e outros termos relacionados a data science
Sensacional. Mente brilhante. Muito obrigado!
Grande Tiago, tudo bom?
Muito obrigado pelo comentário!! Eu que agradeço pelo seu tempo em assistir ao vídeo!!
Forte abraço!
Excelente overview do processo e ferramentas complementado com dica de metodologia de estudos. Valeu, Meigarom Lopes.
Grande Glauber, tudo bom?
Muito obrigado pelo comentário!!
Espero ter ajudado você e ao pessoal!!
Obrigado por assistir ao vídeo,
Abração!
Gostei muito do conteúdo professor.
Cara, muito esclarecedora tua aula. Valeu! Estou tentando mudar de carreira e comecei com os bancos de dados... Estou quase indo por este caminho. Está me agradando. Me ajudou muito.
Feliz em ajudar Vagner. O caminho certo é a definição mais importante de todas. Ir pelo caminho errado, demora muito mais, você não aprende o que realmente importa e pode te deixar frustrado.
Bons estudos
Conteúdo sensacional desse vídeo! Seus vídeos sobre Data Science já viraram parte da minha segunda-feira.
Continue assim !
Abraços
Grande Marcel, tudo bom?
Muito obrigado pelo comentário!
Mais feliz em saber que você vem acompanhando os vídeos!!
Muito obrigado pelo seu tempo!
Grande abraço!
Que canal!
Parabéns e obrigado pelo conteúdo.
perfeito, obrigado pelas dicas!
Mto bom, já usei MATLAB para varias etapas descritas no vídeo e atualmente tenho usado outras ferramentas principalmente python.
Faaala Rafael, blz?
Mano, Matlab é um PUTA ferramenta massa, os toolbox deles são muito bons.
Comecei a usar Python na faculdade e também migrei para Python. Acho que é o caminho natural!!
Grande abraço!
Você tem o python, python e o python. Ainda bem que comecei a estudar essa ferramenta, útil demais.
Exatamente Marcelo, Python já é um grande ferramenta!
Massa velho suas dicas, tô aprendendo agora análise de dados, estou no PowerBI mas vou usar sua dicas pra melhorar meus estudos. Abraço
Como estão os estudos na área? Conseguiu algum emprego?
Excelente conteúdo. Muito obrigado.
Grande Tiago,
Muito obrigado!! Eu que agradeço pelo comentário e pelo seu tempo em assistir aos vídeos.
Abração!
Muito bom esse vídeo , ajudou demais
Muito obrigado Heavy!
Video muito bom cara, parabéns e obrigado pelo conteúdo
Grande Pedro, blz?
Poxa, muito obrigado pelo comentário!!
Eu que agradeço pelo seu tempo assistir aos conteúdos!!
Grande Abraço!
Caralho autobot, falou tudo no final do vídeo: "Não vá na onda da empresa".
A gente não pode esquecer que as empresas são feitas de pessoas e a maioria das pessoas estão perdidas sobre o que realmente um Data Scientist faz, como ele gerar valor para a empresa.
É por isso que vemos um monte de empresas procurando Data Scientists com conhecimento em Hadoop.
Grande abraço Matheus!
@@ComunidadeDS por que é um equívoco da empresa buscar um data scientist com conhecimento em handoop? E para qual profissional ou onde o handoop seria melhor indicado?
Muito bom o seu canal, Meigarom, obrigado.
@@matheusandrade9910 porque o papel de um DS é criar solução com os dados usando ferramentas como Machine Learning e Estatística. Na prática, o DS precisa conhecer o que é Hadoop e como retirar dados dele para fazer suas análises e modelos. Eu acho perda de tempo estudar Hadoop, tem coisas muito mais importante em ML que devem ser aprendidas pelo DS.
Quem deve cuidar do ecossistema Hadoop é quem cuida da organização dos dados, que no caso é o Data Engineering
@@ComunidadeDS Show, entendi; obrigado!
Top ! Como sempre, obrigado mais uma vez por compartilhar.
Grande Diego!! Muito obrigado!!
Eu que agradeço pelo seu tempo em assistir aos vídeos!!
Abração!
Curti mt o vídeo, cara! Parabéns pelo conteúdo!
Grande Jonathan, que bom que gostou do vídeo.
Espero ter ajudado de alguma forma!
Abração!
Muito bom ... Minha definição é ser um Analista de Dados !!!
Em se tratando de AutoML, tem também a BigML, uma excelente e avançada ferramenta! Abs!
Grande João, tudo bem?
Muito obrigado pelo comentário e pela sugestão também!!
Eu não me lembrava dessa ferramentas, não cheguei a usar!!
Grande abraço!
Excelente conteúdo! Parabéns!!
Muito obrigado Daniel!
Espero ter conseguido te ajudar de alguma forma!
Abraço!
Muito bom! Mais um vídeo que consegui aprender bastante coisa.
Grande Victor!!
Que bom que eu consegui ajudar meu caro!
Grande abraço!!
Primeira parabéns pelo vídeos, estou maratonando um por um, pelo canal, pelo blog e pela iniciativa como um tudo!
Você considera interessante dominar ferramentas de WEB além de ferramentas citadas nestes e em outros vídeos? Saber fazer um site pode fortalecer a quem procura uma primeira oportunidade no campo de Data Science? Visto que as empresas de tecnologia procuram currículos cadas vez mais abrangentes
Grande Edu, tudo bom?
Desenvolvimento Web faz parte de uma outra profissão. Saber fazer site, não torna você um candidato diferenciado no processo. Ele faz você ser um candidato igual a todos os outros, porém como uma ferramenta à mais.
Se você gosta mais de programar do que de resolver problemas de negócio, talvez Data Engineering seria mais a sua praia.
Foca em resolver problemas como os conceitos de Ciência de Dados primeiro, programação Web você pode aprender depois, mas não pode ser seu foco nesse momento.
Espero ter ajudo e não te confundido!!
Forte abraço!
@@ComunidadeDS Confesso que abraço a programação apenas como uma ferramenta, mas não tenho nenhuma paixão por ela e sim por resolver problemas. Então sua resposta me ajudou muito e agradeço por isso. Sucesso e até a próxima.
@@eduardofreitas2158 que legal ouvir isso "Programação apenas como uma ferramenta", você já entendeu tudo Edu!! Parabéns, está no caminho certo!! Abração!
Muito boa essa visão geral
Descreveu muito bem todos os processos de um projeto completo
Obrigado Ewerton! Feliz em saber que falei tudo certo, hahahaha
Abração
Tô aprendendo R, eu achei que ele fazia tudo isso, mas pelo visto python é "melhor"
Muito bom cara!
Muito obrigado Demaxsuel!
Abraço!
Tu podia muito fazer um curso na Alura, o Gui me colocou no recrutamento!
Oi Brunna, tudo bom?
Obrigado pela sugestão, seria muito legal mesmo.
Eu já tenho um curso, talvez eu já consiga ajudar!!
Obrigado pelo comentário!!
Att.
Minha dica é Evite as ferramentas comerciais, fique só no Open Source se vc quer realmente ter Controle Total da Ciência dos Dados. Além disso a qualidade do open source é melhor ou igual as ferramentas comerciais.
Seu canal é top descobri ele esses dias
Muito obrigado pelo comentário!!!!
Preparei conteúdos bem legais para o mês de Setembro, tem muita coisa legal vindo ae!!
Abraço!
Olá! O que seria "Tratamento de NA" ? Não achei referência sobre esse termo no google. Obrigado!
Faaalaa Eduardo, tudo bom?
É exatamente a definição que o Matheus escreveu aqui embaixo.
São dados faltantes, seja porque estão fora do contexto ou seja por algum erro na hora de preencher, seja esse erro causado por algum sistema ou por erro manual.
Quando encontramos dados assim, precisamos lidar com isso, existem duas formas básicas: De acordo com o negócio ou usando algoritimos e técnicas estatísticas.
Espero que eu tenha consigo esclarecer um pouco!!
Abração!
@@ComunidadeDS Show. Muito obrigado!
@Matheus Gonçalves Obrigado Matheus! Abraço.
Sou advogado e contador, tenho 46 anos. Tenho perfil analitico e dedutivo. Matematica nao me assusta. Tenho foco para estudo. Me identifiquei com DS. Nessa fase da vida, é interessante uma migração de carreira desse porte?
No seu lugar, eu faria a mudança sem dúvidas Horários. Um dos meus alunos tem 43 anos e deixou uma carreira como Médica Veterinária para trabalhar com Ciencia de Dados. Tem até um vídeo dela aqui no canal.
Faz o que gosta ou quer fazer enquanto ainda temos tempo.
Conta comigo na sua jornada.
Abração
Show de Bola Parceiro!
Serei seu aluno!
Será um prazer receber você no time Alan! Garanto que você vai aprender muito, como nunca imaginou. Fora o Time de Data Science Em Produção que já está com mais de 70 pessoas. Está muito legal as discussões!!
Fico te esperando então!! Grande abraço
Parabéns pela excelente explanação!!! Tenho uma dúvida com relação ao modelo matemático de machine leaning. É possível realizar um update do modelo com novos dados de forma automática? Ou seja, novos dados são extratídos do banco de dados e re-treinados para aperfeiçoamento do modelo sem a inteferência humana?
Grande Fabiano, tudo bom?
Obrigado pela pergunta!
Essa etapa que você descreveu, é a etapa de retreino do modelo Fabiano. Nós construímos o modelo, encontramos os parâmetros ótimos e calculamos as métricas de performance, depois nós montamos um pipeline de retreino onde semanalmente os dados recentes são extraídos, preparados e usados pra treinar o modelo novamente.
Toda essa sequência de passos é automática, nós só monitoramos algumas métricas chaves para garantir que o modelo está melhorando a performance.
Consegui explicar?
Grande abraço!
@@ComunidadeDS. Obrigado pela resposta. Tenho algum conhecimento em programação, porém não sou nenhum "expert". Estou trabalho, em um projeto pessoal, e me deparei com este problema. Você teria alguma literatura, onde eu possa verificar como criar este pipeline? Mais uma vez muito obrigado.
@@fabianoleite4175 aqui no canal tem um playlist com vários vídeos mostrando como colocar seu modelo em produção. O processo é exatamente o mesmo, com alguma modificacões para retreino de Modelo. Acho que pode te ajudar.
Seus vídeos são excelentes e parabéns pelo canal, os membros da comunidade DS tem acesso a essa apresentação?
Grande Marcos, muito obrigado pelas palavras!
Os membros da Comunidade DS tem acesso às Lives completas.
As apresentações não. Mas podemos conversar sobre isso, sem problemas!
Abração!
Excelente vídeo 👏👏👏
Grande Wallacy, muito obrigado!!
Abração!
Olá! A ferramenta QlilSense (A Systems Analicts) tb é uma ferramenta de exploração de dados, não é?
Oi Silvia, tudo bom?
Eu conheço o QlikView, que é uma ferramenta de visualização.
Até onde eu sei sobre o QlikSense, ele é uma ferramenta que te ajuda a preparar, limpar e organizar os dados. Para explorar os dados e validar hipóteses, acho que ele não foi feito pra isso! Mas eu posso estar errado!
Espero ter ajudado!
Ótimo.
Que video TOPER!
Opa... Apenas contribuindo, o Spark consegue fazer toda parte de modelagem e aplicação de algoritmos de machine learning também.
Obrigado pela contribuição João.
EXCELENTE!!!!
Muito bom!
Muito obrigado!!
Top!
Muito obrigado!
Data Science seria uma boa profissão/curso para se trabalhar em modo home office ou nômade digital?
Com certeza sim Anderson. Eu trabalho home Office, mas não tenho restrição de região, posso trabalhar de onde eu quiser.
Quanto eu tiro férias, eu vou alguns dias antes e fico trabalhando do local até entrar de férias
@@ComunidadeDS
Ótimo! Esse é meu objetivo de vida!
Muito obrigado por responder. Estou maratonando seus vídeos. São muito bons. Obrigado.
Otimo vídeo, e ótima explanação sobre o Auto Machine Learning rsrs , o pessoal acha que a banana vai comer o macaco rsrsr
Grande Luis, blz?
Mano, eu passei a tarde inteira rindo da "banana vai comer o macaco",
HAHAHAHAHAHAHAHAHHAHAHAHAHAHAHAHAHAA.
Muito bom, jamais eu imaginaria essa analogia!
Parabéns mano!! hahaha
Grande abraço!!
Ganhou um inscrito.... abraço !
Olá, Meigarom. Seu curso aborda toda a road trip deste vídeo e, pelo menos, uma ferramenta de cada etapa?
Aborda sim Pedro.
Legal! No seu curso mostra a utilização de todas essas ferramentas?
Não ensino Márcio.
O meu curso, eu não ensino ferramentas, eu ensino um método de trabalho, para resolver problemas de DS.
Quando eu regravar esse vídeo daqui 1 ano, as ferramentas serão outras.
As ferramentas mudam, a maneira de resolver problemas não.
Grande abraço!
O que significa tratamento de NA?
Oi Aquila, tudo bom?
Obrigado pela pergunta.
Em Data Science, chamamos de NA os dados faltantes. Por exemplo, você tem uma coluna de dados sobre a idade de uma pessoa, porém alguns valores estão faltando, por diversos motivos, esses dados faltantes são chamados de NA.
Faz sentido?
@@ComunidadeDS Oie muito obrigado pela resposta, sim faz sentido, é que geralmente eu uso uma nomenclatura diferente e não consegui relacionar, mas faz sentido chamar de NA também.
Geralmente chamo de data missing mesmo. :)
Obrigado novamente, e parabéns pelo trabalho que vem fazendo ai pra gente :D
Entendi Aquila. A sua nomenclatura é melhor que a minha, ei deveria usar missing tb. Obrigado pelo toque!
Imagina, eu que te agradeço pelo comentário!
Abraço pra vc e bons estudos!
o MATLAB é utilizado para manipulação de tabelas, mas será que é melhor que o python??
Faaala Diego, blz?
Cara, eu usei muito Matlab há alguns anos atrás!!!
Ela é uma ferramenta incrível, muito boa, animal, mas para criação de modelos de Machine Learning.
O Matlab é um software proprietário, portanto somente pessoas que tem o Matlab podem abrir e ver o seu trabalho. Isso dificulta muito o compartilhamento de código.
Por essas questões, o Python é mais usado tanto para modelagem quanto para manipulação de tabelas.
Espero ter respondido sua dúvida
Grande abraço!
@@ComunidadeDS respondeu sim, muito obrigado.
Vou começar a aprender Python essa semana então....eu uso MATLAB a algum tempo mas aprendi a programar em c++ não deve ser difícil o aprendizado.
Voce falou nas visualizações e não falou em Qlik, não é uma ferramenta boa?
Uma coisa que ainda não vi em PowerBI foi a interação com banco através de script, pois muitas vezes pegamos dados de banco através de Views, funções, etc pois preparamos já modelos com essas informações.
Faaaala Miguel, blz?
Cara, eu não coloquei o Qlik View porque eu esqueci mesmo, mas é uma ferramenta boa sim. Eu gosto mais do Tableau, mas já trabalhei um pouco com o Qlik também.
Para o Power Bi funcionar bem, você precisa ter um Data Warehouse com os dados organizados. As únicas ferramentas que tem uma camada semântica de organização na própria ferramenta são o Looker e o Qlik.
Espero ter ajudado,
Grande abraço!
@@ComunidadeDS Muito obrigado por me responder..
Só para explicar um pouco, quando trabalhei com QlikView não tinha ainda Power Bi e nem Tableau, o que tinha era o Cognos da IBM, um da Oracle.
O que eu gostava dele é que voce joga o script de carga de dados dai ele já começa fazer as associações devida que seja vinda de planilha, banco de dados. E esse tipo de atividade não vi no Power BI e no tableau das apresentações que vi não foi mostrada essa atividade.. Gosto muito do Seu canal, está me ajudando a eu voltar para o senário de dados que gosto muito.
Como obtenho informações sobre o teu curso?
First !
Grande Heriton!!
Obrigado pelo tempo em assistir ao conteúdo!!
Abraço!
Continua senpai
Valeu Kevin,
Falando assim, eu me sinto o Kakashi do Naruto mano, hahahaha
Grande abraço!!
de onde pego projetos?
Cara beleza? E para um analista de dados?
Grande Alex, tudo bom?
As ferramentas para um Analista de Dados são muito parecidas.
Tanto os Cientistas de Dados quanto os Analistas de Dados tem atividades muito parecidas, principalmente no começo. A coleta, limpeza e exploração de Dados são iguais e o Cientista de Dados acaba fazendo a parte de criar modelos de Machine Learning.
Para Analista de Dados, eu diria que você precisar dominar: SQL, Python, PowerBI e Tableau, no geral.
Espero ter ajudado!
como entro a seu curso? Da certificado?
Cara uma duvida boba, mas qual a origem do seu nome?
Opa! Já usou ELK?
Grande Elton, blz?
Você a tríade do Elastic Search, Logstash e Kibana?
Se for essas ferramentas, eu já usei sim, principalmente na época em que eu fazia muita atividade de Engenharia de Dados. Mas elas não são boas para pipeline de dados de Ciência de Dados, são voltadas para ETL mesmo.
Obrigado pela sugestão!
Grande abraço!
@@ComunidadeDS Legal! To achando isso tambem mesmo tendo uma feature para machine learning. Valeu!
Ou seja, aprenda pyhton com foco em data science
Não só Python. Hoje sim, é a linguagem mais usada, pelas inúmeras facilidades.
Aprenda a resolver o problema, as ferramentas mudam com o tempo, hoje é Python, amanhã pode ser Júlia, ou qualquer outra coisa.
Abração!
Considera Docker obrigatório?
Faaala Pedro, blz?
Não, Docker não é obrigatório para Ciência de Dados. Na prática, o time de DS ou DevOps montam as imagens e os Containers, você só instalar o Docker e o Docker-Compose e sai usando.
Pra DS, não precisa aprender Docker como obrigatório.
Abraço!
Seja Um Data Scientist muito obrigado, seu canal é excelente. Parabéns
👨🎓,✔✔✔
Grande Ocean,
Obrigado pelo comentário!!
Abraço
6 fracassados deram dislike. -.-
Isso que chamamos de "vidjão"