Guia do Cientista de Dados das Galáxias

--

DISCLAIMER: Este repositório foi feito pela e para a comunidade. Existem opiniões divergentes sobre o que é básico e o que é avançado entre outros temas. Caso discorde de alguma coisa que está escrita aqui, fique à vontade para fazer um pull request melhorando as descrições feitas.

O intuito é agregar o conhecimento que se espalha em diversos grupos e iniciativas. Muitas vezes esse conhecimento fica espalhado em drives, pockets e outros meios... Dessa forma, esse repositório visa ajudar os iniciantes e servir como referência para os experientes.

Se possuir material interessante, por favor compartilhe com a comunidade. Estamos aqui para crescermos juntos.

Dessa iniciativa também nasceu o Pizza de Dados, um podcast brasileiro focado em ciência de dados. Se tiver um tempinho, prestigie esse trabalho 100% brasileiro.

Se você gosta desse repositório e quer ajudar, considere apoiar o Pizza de Dados com qualquer quantia :)

No mais, é isso. Bem vinda(o), pequena(o) padawan :)

Sumário

Algumas dicas sobre o que estudar para ser um cientista de dados hoje:

• Recomendações
  • Iniciante
  • Intermediário
  • Grandes projetos (big data)
  • Em Python
  • Em R
  • Em Julia
• Vídeos
• Datasets
• Dicionário de termos em português
• Empresas no Brasil que trabalham com DS
• Grupos
• Metodologias Ágeis
• Dados em Imagens
• Tópicos específicos:
  • Aprendizado de Máquina/Machine Learning
  • Banco de dados
  • Big Data
  • Blogs e Jornais
  • Carreira
  • Cursos
  • Deep Learning
  • Estatística e Matemática
  • Geociências
  • Inteligência Artificial
  • Linguagens
  • Livros
  • Meetups e Eventos
  • Neurociência
  • Notícias Legais
  • Podcasts
  • Processamento de Linguagem Natural
  • Raspagem de Dados
  • Reportagens relevantes
  • Visualização de dados

---

Recomendações

Iniciante

• Python (lib Pandas) ou R | R Studio. Qual aprender? Dicas Udacity
• SQL
• Jupyter Notebook
• Estatística Descritiva
• Ferramentas básicas de desenvolvimento | [pt-br]

Intermediário

• Cálculo
• Álgebra Linear
• Machine Learning
• Deep Learning
• Visualização de Dados
• Processamento de Linguagem Natural

Grandes projetos (big data)

• NoSQL
• Scala
• Spark
• Estatística Bayesiana
• Hive
• Hadoop
• Julia
• Computação distribuída com AWS e Google Cloud

O que estudar em cada linguagem - dicas e tutoriais

Ver este link

---

Vídeos

Estudos

• Lista de cursos online by KDnuggets
• Playlist de Treinamento by Edureka!
• Curso de análise de dados em Python para iniciantes by LabHacker Câmara dos Deputados [pt-br]

Webcasts & Webinars

• Lista dos próximos by KDnuggets

---

Datasets

• Datasets for Machine Learning
• Datasets for Data Mining and Data Science
• Datasets - Kaggle
• UCI Machine Learning Repository
• data.world
• Registry of Open Data on AWS
• brasil.io
• Microsoft Research Open Data
• Datasets for Recommender Systems
• Google Dataset Search
• Information is beautiful
• Dados do Governo Brasileiro
• Instituto de Pesquisa Econômica Aplicada
• Banco Central do Brasil
• Dados do Governo dos Estados Unidos
• Dados sobre as cidades dos EUA
• Dados do Governo do Canadá (em inglês e francês)
• Dados do Governo do Reino Unido
• Dados da União Europeia
• Dados do Censo dos EUA (dados da população americana e mundial)
• Banco de Dados da NASA
• Dados do Banco Mundial
• Dados sobre a saúde
• Dados sobre diversos países (incluindo o Brasil)
• Dados sobre diversas áreas de negócio e finanças
• Google Trends
• Google Finance
• Gapminder
• Dados com milhões de músicas
• Dados sobre os mais diversos assuntos
• DBpedia
• Open Data Monitor
• Open Data Network
• R Datasets
• Stasci
• Portal de Estatística
• Data 360
• Reconhecimento de Faces
• Stanford Large Network Dataset Collection
• Datahub
• TeraData
• Oracle Exadata
• Food And Agriculture Organization of the United Nations

---

Metodologias ágeis

• CRISP-DM [pt-br]

---

Dados em Imagens