🚀 Formação Completa da base
ao Analista de Dados com Python e IA
A Revolução dos Dados Começa Aqui!
As empresas estão em busca de profissionais capazes de transformar dados em decisões estratégicas.
Se você quer se destacar e garantir uma carreira promissora em tecnologia, este curso é para você!
Preencha com seus dados e efetue a sua inscrição
Saiba mais
📅 Início das Aulas: 05 de maio de 2026
Aulas nas terças e quintas das 19h às 22h
⏳ Duração: 8 meses aproximadamente
(168 horas de conteúdo)
💰 Investimento: 1 + 7 x de R$ 380,00 (boleto ou pix)
🎁 Bônus Exclusivos para Alunos do Curso:
✅ Workshop de Git e GitHub – Domine o versionamento de código e aprenda a colaborar como um profissional!
✅ Acesso à Comunidade de Alunos – Networking com profissionais e acesso a oportunidades de emprego exclusivas!
✅ Workshop sobre Carreira
Para quem é este curso?
🔹 Iniciantes: Se você quer aprender do zero e criar uma base sólida.
🔹 Estudantes de tecnologia: Para reforçar o aprendizado com prática real.
🔹 Profissionais em transição: Se você quer migrar de carreira e entrar no setor mais promissor da atualidade.
Pré Requisitos
Saber informática intermediária e ser maior de 13 anos.
🔹 As vagas são limitadas!
Não perca essa oportunidade de transformar seu futuro.
👉 Garanta sua vaga agora mesmo!
Sobre os instrutores
Rogério Aguiar
Professor e Consultor na Treina Recife, graduado em matemática, Pós-graduação em Tecnologia da Informação, mestre em Administração Pública, Especialista em Planejamento Estratégico e na Gestão da TIC, Professor Universitário de Cursos de Graduação ministrando a disciplina Lógica de Programação e Pós-Graduação em diversas Faculdade e Universidades em Pernambuco.
Rebeca Valgueiro Teixeira
Professora e Consultora da Treina Recife, Bacharel em Engenharia Civil, MBA em Gestão Empresarial, Analista de Gerenciamento de Projetos PL na empresa SiDi.
Alexandre de Souza Junior
Professor e Consultor na Treina Recife, Engenheiro de Saneamento na Compesa, professor de graduação na área de qualidade, Testes de Software, Gestão Ágil de Projetos e Java Web. Bacharel em Engenharia Civil com mestrado em Simulação de Reservatórios de Petróleo pela UFPE.
Conteúdo do Curso
Módulo 01 – Lógica de Programação com Python
· Conceitos de programação
· Tipos de dados
· Operações numéricas
· Trabalhando com String
· Estruturas de dados
· Estruturas condicionais
· Estruturas de repetição
· Funções
Módulo 02 – Estatística para Ciência de Dados
· Importância da estatística na ciência de dados.
· Diferença entre estatística descritiva e inferencial.
· Variáveis categóricas e numéricas.
· Escalas de medida: nominal, ordinal, intervalar e razão.
· Média, mediana e moda.
· Variância, desvio padrão, amplitude interquartil.
· Detecção de outliers e análise de sua influência.
· Histogramas, box plots, gráficos de dispersão e barras.
· Importância da visualização na análise descritiva.
· Conceitos básicos de probabilidade
· Definição e axiomas da probabilidade.
· Eventos, espaço amostral, probabilidade condicional e regra da multiplicação.
· Distribuições de probabilidade
· Distribuição Normal
· Tipos de amostragem: aleatória simples, estratificada e sistemática.
· Erro amostral e viés.
· Teorema Central do Limite e sua importância.
· Distribuição da média amostral.
· Intervalos de confiança
· Teste de hipóteses:
· Correlação entre variáveis
· Introdução à Regressão linear
· Introdução à regressão logística
· Análise de variância (ANOVA)
· Teste de hipóteses para variáveis categóricas
Módulo 03 – Introdução a Banco de Dados e SQL com MySQL
• Sublinguagem DDL
• Sublinguagem DQL
• Sublinguagem DML
Módulo 04 –Tratamento e Visualização de Dados com PowerBI
• Intelligence com o MS Power BI
• Infraestrutura e Instalação
• Modelagem e Relacionamentos
• Power Query, ETL, Séries temporais, Agregação e Filtros
• Visualização de dados com Gráficos e Mapas
• Valores Calculados com DAX
• Rodando Python internamente
• Dashboards
Módulo 05 – IA
• Tipos de aprendizado: supervisionado, não supervisionado e semi-supervisionado
• Normalização, padronização e codificação de variáveis categóricas
• Teorema de Bayes e aplicações em ciência de dados
• Modelos de aprendizado supervisionado:
o Regressão linear, regressão logística, k-NN, árvore de decisão, SVM.
o Técnicas de avaliação: validação cruzada, métricas de desempenho (MSE, MAE, AUC).
• Aprendizado não supervisionado:
o Análise de cluster (K-means, DBSCAN).
o PCA e redução de dimensionalidade.
• Introdução a Deep Learning e Rede Convolucionais
Por que começar agora?
Quanto mais você adia, mais longe fica seus objetivos.
Garanta sua vaga e comece a construir