Muita gente ingressou nesse mundo de dados este ano. Porém, nem todo mundo encontra tão facilmente materiais e cursos baratos. Os cursos de fora são muito mais baratos, mas nem todo mundo fala inglês bem. Pensando nisso, eu peguei um reply que fiz em um tweet, dei um tapa e montei aqui uma trilha de Ciência de Dados em Português e custando menos de 30 reais!
A TRILHA NÃO É PERFEITA
Veja bem, há inúmeras maneiras de se obter sucesso na carreira de cientista de dados. Cada pessoa aprende de um jeito, cada pessoa vai percorrer uma carreira diferente, enfim, são muitas possibilidades. Aqui, eu apresento UMA forma de olhar para se encontrar na carreira. Na verdade, algumas, pois dou algumas opções de materiais.
Espero que você seja uma das pessoas que consegue se beneficiar dessa trilha. Não deixe de me seguir nas outras redes sociais, tenho postado mais lá do que aqui no blog. E também entre no grupo do Telegram: https://t.me/universidadedosdados
PASSO 1: CONTEÚDO BÁSICO DE SQL
Veja, há mais de uma ordem de estudos. Inclusive, em outro post de uma das redes sociais, eu coloquei para começar em Python. Claro, não faz uma diferença absurda assim, mas optei por começar em SQL dessa vez.
Vamos começar diferente porque o SQL é quase 100% garantido que fará parte do seu dia à dia em qualquer emprego. Apesar do Python ser dominante no mercado, o SAS e o R ainda dividem o mesmo território. Entretanto, nenhuma delas substitui o SQL, que possui o seu espaço assegurado.
E como aprender SQL?
Há vários materiais baratos e gratuitos disponíveis na internet. Eu recomendaria o vídeo de SQL do Zero do Canal Universidade dos Dados, dar uma olhada nos posts que fiz aqui, fazer os tutoriais gratuitos da Udemy e, por fim, pegar alguns capítulos do “Aprendendo SQL” da O’Reilly.
Com isso, encerramos este primeiro passo. Claro, você voltará ao SQL depois, para enfim se tornar um especialista. Por enquanto, assumindo que você está em começo de carreira e busca cargos mais baixos, acredito ser suficiente para o início.
PASSO 2: PYTHON PARA ANÁLISE DE DADOS
Neste caso, minha receita é combinar um curso, para te manter organizado e com bastante disciplina nos estudos, com alguns pequenos tutoriais de Youtube e Medium, para reforçar o aprendizado.
Comece por algum curso da Udemy, tente procurar algo como “Python dados”. Escolha com base no número de alunos e nas avaliações. Se a melhor opção já incluir Machine Learning, não tem problema, vai nela. A ideia aqui é você aprender principalmente Pandas, Numpy, Seaborn e Matplotlib.
Veja quantas opções a Udemy me dá na busca Python dados, todas com muitas avaliações e boas notas. Se o preço estiver salgado, favorite o curso e aguarde um desconto – não demora nem uma semana.
Use também materiais gratuitos como apoio, como os canais Universidade dos Dados, Let’s Data AI e o do Mário Filho. A cada 2-3 dias dá uma olhada em algum vídeo, algum tutorial. Acompanhe algumas @’s interessantes nas redes sociais para também ir descobrindo algumas curiosidades úteis.
Por fim, um segundo material de apoio pode ser o livro “Python para Análise de Dados” da O’Reilly. Você encontra o pdf na internet sem grandes dificuldades. Pode utilizá-lo em paralelo com os outros materiais. Ou até reforçando o que foi visto no curso.
PASSO 3: BOTANDO EM PRÁTICA
Apesar de aparecer como um novo passo, ele deve vir logo que você aprender algo novo no passo interior. Colocar em prática o que foi estudado é importantíssimo. Depois que tiver boas noções de Python, você precisa colocar a mão na massa sozinho. Fazer análises por conta própria, do começo ao fim.
Eu recomendo acessar as plataformas de competições de machine learning, como o Kaggle e o Zindi. Vá até uma dessas duas, baixe os datasets que te chamarem a atenção, baixe também uns notebooks e vá estudar. Tente fazer análises sozinho, depois compare o seu com os de outros usuários da plataforma. Você estará aprendendo tanto no momento da sua análise, quanto na comparação com outros notebooks.
Outra coisa que você pode fazer é escrever textos no Medium. Escrever tutoriais para validar que você realmente entendeu tudo, que você é capaz de ensinar para as pessoas. É uma estratégia interessante, pois isso também seria do seu portfólio, o que irá impressionar recrutadores. Estaria estudando e melhorando o currículo ao mesmo tempo.
Por fim, eu também acho legal escrever posts no Linkedin. É onde eu menos escrevo, mas é legal de fazer textos rapidinhos sobre data science, deixar alguma análise feita, etc.
Os textos no Medium e Linkedin não são tão essenciais, nem sei se daria para considerar uma trilha. É só uma dica de algo que poderia ajudar.
PASSO 3: BUSQUE EMPREGO
Calma, já já a gente volta para o que parece mais como trilha. É que é importante falar deste trecho…
Bom, agora você já sabe Python e SQL. Se eu fosse você, eu já partiria para o mercado, buscaria um estágio ou uma vaga de júnior. E veja bem o que eu falei “uma vaga de júnior”, é isso que você tem que buscar e não somente uma vaga de “analista de dados júnior”. Entende a diferença?
Você precisa estar no mercado e trabalhando com dados, pouco importa o nome do seu cargo. É isso que a gente olha na experiência da pessoa, a gente olha o que ela fez, não o nome do cargo. Na hora que você for fazer a busca por emprego, não coloque apenas “analista de dados”. Busque por “python dados”, “sql dados”, tente encontrar vagas que precise de alguém trabalhando com dados e essas linguagens. Pode ser analista de crédito júnior, analista de CRM júnior, analista de marketing júnior, tanto faz! Estando no mercado, fica muito mais fácil você conseguir sua vaga dos sonhos!
Sim, a gente sabe que não é tão simples arrumar um emprego. Como o mercado é concorrido, não vai acontecer da noite para o dia. Enquanto você estiver buscando uma oportunidade, seguimos com os estudos. Caso você não tenha seguido este conselho 3 porque prefere entrar direto atuando com machine learning, tudo bem. Ignore este passo 3 e siga em frente!
PASSO 4: OUTROS CONTEÚDOS
Sei que muitos vão discordar deste passo, falando que estatística deveria ser o passo 1. Eu entendo vocês, acho coerente, é importante sim saber estatística para lidar com dados. Mas o problema é que o mercado não pensa isso e já é comum contratarem analistas de dados que não sabem estatística. Este não é o guia que eu Yukio acho correto, é o guia que considera o que o mercado quer.
Aprenda estatística! Como o mercado não tornou isso prioridade, eu não dei prioridade na trilha também. Mas não se engane: estatística é MUITO importante! Então pegue o livro “Estatística Básica” do Bussab e Morettin na internet, é fácil encontrar o pdf, e manda bala! Em paralelo, dá uma olhada na aula grátis de “Introdução à Estatística para Data Science”, do canal Estatidados, e os vídeos do canal A Ciência Estatística.
A maioria das empresas usa Git e Github, então acabando o passo anterior, vamos olhar para eles. Eu recomendaria você passar por pelo menos 1 destes 3 materiais: (1) guia de Git do FreeCodeCamp, (2) Git e Github para iniciantes da Udemy, (3) Curso de Git Para Iniciantes do canal RBtech. Se quiser fazer os 3, ótimo!
De principal, que você será diretamente cobrado, é isso. Claro, há muito mais que o mercado pode pedir, aqueles requisitos desejáveis ou até algumas habilidades específicas. Então eu focaria também em dar uma olhada em Power BI e Tableau, Cálculo e Álgebra Linear.
PASSO 5: MACHINE LEARNING
Nesta etapa, eu assumo que você já tem familiaridade com a base para aprender Machine Learning – ainda que a gente tenha pulado pontos como Cálculo e Álgebra Linear e que precisam ser abordados em algum momento.
Você já é capaz de andar com as próprias pernas daqui para frente. Aqui, acho que vale você seguir o que acha ideal.
Caso ainda precise de algumas dicas: livro Data Science do Zero da O’Reilly, playlist de Machine Learning do canal IA Expert Academy, vídeos do Let’s Data AI e Universidade dos Dados.
CONSIDERAÇÕES FINAIS
Veja bem, pessoal, eu não sou o dono da verdade. Talvez você ache essas recomendações ruins e está tudo bem. Não precisa seguir as recomendações, vai no que você sente confiança e manda bala!, siga as dicas de onde você confia mais!
Outro ponto importante é você se rodear de conteúdo da área. Imersão no mundo dos dados é importante para se manter motivado e aprendendo constantemente. Siga algumas páginas, participe de alguns grupos, acompanhe pessoas relevantes da área, ouça podcasts. Parece bobagem, mas vai te ajudar demais!
Por fim, estude inglês. Eu sei que nem todos têm essa chance quando são adolescentes, mas nunca é tarde para correr atrás. Essa habilidade vai pesar muito no seu desenvolvimento.
E AÍ, CURTIU?
E aí? Gostou do conteúdo? Se inscreva para receber todas as novidades. Deixe seu e-mail em INSCREVA-SE na barra à direita, logo abaixo de pesquisar. E, por favor, não deixe de comentar, dar seu feedback e, principalmente, compartilhar com seus amigos. De verdade, isso faz toda a diferença. Além disso, você também pode acompanhar mais do meu trabalho seguindo a conta de Twitter @UniDosDados, no Instagram @universidadedosdados ou por alguma das redes que você encontra em Sobre o Estatsite / Contato, como meu canal de Youtube Canal Universidade dos Dados.
Aproveite e adquira sua camiseta de data science na LOJA DA UNIVERSIDADE DOS DADOS. Vai ficar estiloso e me ajudar neste projeto!
BONS ESTUDOS!
Muito Bom, obrigado pelas dicas!