Coleção Profissional Python

Coleção Profissional Python: Dos fundamentos a Machine Learning

Domine Python com uma abordagem prática e direta, desde os fundamentos da linguagem até projetos com orientação a objetos, análise de dados e introdução ao aprendizado de máquina. Aprenda resolvendo problemas reais com materiais didáticos claros e organizados por temas essenciais da programação moderna.

COMPRAR COLEÇÃO AGORA

SOBRE O CONTEÚDO

Aprenda Python de forma prática com nossa coleção de eBooks completa e didática. Comece pelos fundamentos da linguagem com exemplos aplicados ao universo do futebol. Pratique com 50 exercícios com gabarito comentado, do básico à criação de simuladores. Avance para Programação Orientada a Objetos com um projeto de sistema de petshop. Fixe o conteúdo com 7 projetos reais que aplicam todos os pilares da OOP. Aprenda também análise de dados com Pandas, incluindo limpeza, agrupamento, visualização e uso de arquivos e bancos de dados. Ideal para iniciantes e quem busca dominar Python do zero à prática avançada, incluindo introdução ao aprendizado de máquina com exemplos acessíveis de Machine Learning.

CONHEÇA A NOSSA COLEÇÃO PYTHON

EBOOK 1

Lição 01: Montando o Time (Variáveis e Tipos de Dados)

• O que são variáveis

• Tipos de dados em Python (str, int, float, bool)

• Exibição de dados com print()

• Entrada de dados com input()

Lição 02: Regras do Jogo (Estruturas Condicionais)

• Estruturas if, elif e else

• Simulador de resultados

• Sistema de cartões e punições

Lição 03: Treinamento Tático (Estruturas de Repetição)

• Laços for e while

• Controle de fluxo com break e continue

• Contador de gols

Lição 04: Estratégia Avançada (Funções em Python)

• Criação e uso de funções

• Parâmetros e retorno de valores

• Estratégias táticas baseadas em análise de desempenho

Lição 05: Elenco e Estatísticas (Listas e Tuplas)

• Criação e manipulação de listas e tuplas

• Gerenciador de elenco

• Ranking de artilheiros

• Classificação do campeonato

Lição 06: Tabela do Campeonato (Dicionários e Arquivos)

• Uso de dicionários para armazenar dados

• Leitura e escrita de arquivos com open()

• Sistema de persistência de dados

Lição 07: A Liga dos Campeões (Programação Orientada a Objetos - OOP)

• Criação de classes e objetos

• Modelagem de jogadores, times e partidas

• Simulador completo de campeonato com OOP

EBOOK 1

Lição 01: Montando o Time (Variáveis e Tipos de Dados)

• O que são variáveis

• Tipos de dados em Python (str, int, float, bool)

• Exibição de dados com print()

• Entrada de dados com input()

Lição 02: Regras do Jogo (Estruturas Condicionais)

• Estruturas if, elif e else

• Simulador de resultados

• Sistema de cartões e punições

Lição 03: Treinamento Tático (Estruturas de Repetição)

• Laços for e while

• Controle de fluxo com break e continue

• Contador de gols

Lição 04: Estratégia Avançada (Funções em Python)

• Criação e uso de funções

• Parâmetros e retorno de valores

• Estratégias táticas baseadas em análise de desempenho

Lição 05: Elenco e Estatísticas (Listas e Tuplas)

• Criação e manipulação de listas e tuplas

• Gerenciador de elenco

• Ranking de artilheiros

• Classificação do campeonato

Lição 06: Tabela do Campeonato (Dicionários e Arquivos)

• Uso de dicionários para armazenar dados

• Leitura e escrita de arquivos com open()

• Sistema de persistência de dados

Lição 07: A Liga dos Campeões (Programação Orientada a Objetos - OOP)

• Criação de classes e objetos

• Modelagem de jogadores, times e partidas

• Simulador completo de campeonato com OOP

EBOOK 1

Lição 01: Montando o Time (Variáveis e Tipos de Dados)

• O que são variáveis

• Tipos de dados em Python (str, int, float, bool)

• Exibição de dados com print()

• Entrada de dados com input()

Lição 02: Regras do Jogo (Estruturas Condicionais)

• Estruturas if, elif e else

• Simulador de resultados

• Sistema de cartões e punições

Lição 03: Treinamento Tático (Estruturas de Repetição)

• Laços for e while

• Controle de fluxo com break e continue

• Contador de gols

Lição 04: Estratégia Avançada (Funções em Python)

• Criação e uso de funções

• Parâmetros e retorno de valores

• Estratégias táticas baseadas em análise de desempenho

Lição 05: Elenco e Estatísticas (Listas e Tuplas)

• Criação e manipulação de listas e tuplas

• Gerenciador de elenco

• Ranking de artilheiros

• Classificação do campeonato

Lição 06: Tabela do Campeonato (Dicionários e Arquivos)

• Uso de dicionários para armazenar dados

• Leitura e escrita de arquivos com open()

• Sistema de persistência de dados

Lição 07: A Liga dos Campeões (Programação Orientada a Objetos - OOP)

• Criação de classes e objetos

• Modelagem de jogadores, times e partidas

• Simulador completo de campeonato com OOP

COMPRAR COLEÇÃO COMPLETA

EBOOK 2

Caderno de Exercícios — Aprenda Python em 7 Lições

Total: 50 exercícios com gabarito completo

Nível Iniciante (Exercícios 1 a 15) – Conceitos Básicos

• Foco em variáveis, entrada e saída de dados, operadores e estrutura condicional:

• Criar fichas de jogadores

• Calcular média de gols

• Converter minutos em horas

• Verificar idade para profissionalização

• Calcular índice de aproveitamento do time

• Identificar se um jogador é artilheiro

• Simular cartão vermelho com base em amarelos

• Comparar idade de jogadores

• Calcular salário com bônus por gols

• Conversor de moedas

• Verificar rivalidade entre dois times

• Calcular aproveitamento de pênaltis

• Sortear time aleatório

• Avaliar condição física (IMC)

• Calcular tempo de carreira

Nível Intermediário (Exercícios 16 a 35) – Laços, Funções e Estruturas

• Explora laços for e while, listas, funções e dicionários:

• Treinamento de finalizações com aleatoriedade

• Simulação de temporada com placares

• Função para média de gols

• Campeonato com 4 times jogando entre si

• Ranking de artilheiros

• Contador de gols até valor negativo

• Lista dinâmica de jogadores

• Cadastro de jogadores com dicionário

• Identificar jogador com melhor média

• Criar tabela de classificação com dicionário

• Simulação de treino com progressão de habilidade

• Busca de jogador em lista

• Histórico de partidas

• Simulador de títulos de times

• Função para média de assistências

• Salvar estatísticas em arquivo .txt

• Ler dados de arquivo

• Criar classe Jogador

• Criar classe Time

• Criar classe Partida

Nível Avançado (Exercícios 36 a 50) – Arquivos, Dicionários e POO

• Trabalha com OOP aplicada a jogos, simulações e dados complexos:

• Simulador de campeonato completo

• Simulador de transferências de jogadores

• Leilão de jogadores com ofertas aleatórias

• Mercado de contratações com orçamento

• Estatísticas detalhadas de partidas com dicionários

• Histórico de campeões usando arquivos

• Sistema de treinamento com habilidade crescente

• Simulador de disputa de pênaltis

• Simulador de jogo com eventos ao vivo

• Criar uma liga de times com múltiplas rodadas

• Estatísticas completas do jogador (passes, assistências, gols)

• Simulação de jogo em tempo real com eventos

• Gerenciador de títulos dos times

• Sistema de inteligência tática com sugestão de estratégias

• Jogo de gerenciamento de carreira com contratações

EBOOK 2

Caderno de Exercícios — Aprenda Python em 7 Lições

Total: 50 exercícios com gabarito completo

Nível Iniciante (Exercícios 1 a 15) – Conceitos Básicos

• Foco em variáveis, entrada e saída de dados, operadores e estrutura condicional:

• Criar fichas de jogadores

• Calcular média de gols

• Converter minutos em horas

• Verificar idade para profissionalização

• Calcular índice de aproveitamento do time

• Identificar se um jogador é artilheiro

• Simular cartão vermelho com base em amarelos

• Comparar idade de jogadores

• Calcular salário com bônus por gols

• Conversor de moedas

• Verificar rivalidade entre dois times

• Calcular aproveitamento de pênaltis

• Sortear time aleatório

• Avaliar condição física (IMC)

• Calcular tempo de carreira

Nível Intermediário (Exercícios 16 a 35) – Laços, Funções e Estruturas

• Explora laços for e while, listas, funções e dicionários:

• Treinamento de finalizações com aleatoriedade

• Simulação de temporada com placares

• Função para média de gols

• Campeonato com 4 times jogando entre si

• Ranking de artilheiros

• Contador de gols até valor negativo

• Lista dinâmica de jogadores

• Cadastro de jogadores com dicionário

• Identificar jogador com melhor média

• Criar tabela de classificação com dicionário

• Simulação de treino com progressão de habilidade

• Busca de jogador em lista

• Histórico de partidas

• Simulador de títulos de times

• Função para média de assistências

• Salvar estatísticas em arquivo .txt

• Ler dados de arquivo

• Criar classe Jogador

• Criar classe Time

• Criar classe Partida

Nível Avançado (Exercícios 36 a 50) – Arquivos, Dicionários e POO

• Trabalha com OOP aplicada a jogos, simulações e dados complexos:

• Simulador de campeonato completo

• Simulador de transferências de jogadores

• Leilão de jogadores com ofertas aleatórias

• Mercado de contratações com orçamento

• Estatísticas detalhadas de partidas com dicionários

• Histórico de campeões usando arquivos

• Sistema de treinamento com habilidade crescente

• Simulador de disputa de pênaltis

• Simulador de jogo com eventos ao vivo

• Criar uma liga de times com múltiplas rodadas

• Estatísticas completas do jogador (passes, assistências, gols)

• Simulação de jogo em tempo real com eventos

• Gerenciador de títulos dos times

• Sistema de inteligência tática com sugestão de estratégias

• Jogo de gerenciamento de carreira com contratações

EBOOK 2

Caderno de Exercícios — Aprenda Python em 7 Lições

Total: 50 exercícios com gabarito completo

Nível Iniciante (Exercícios 1 a 15) – Conceitos Básicos

• Foco em variáveis, entrada e saída de dados, operadores e estrutura condicional:

• Criar fichas de jogadores

• Calcular média de gols

• Converter minutos em horas

• Verificar idade para profissionalização

• Calcular índice de aproveitamento do time

• Identificar se um jogador é artilheiro

• Simular cartão vermelho com base em amarelos

• Comparar idade de jogadores

• Calcular salário com bônus por gols

• Conversor de moedas

• Verificar rivalidade entre dois times

• Calcular aproveitamento de pênaltis

• Sortear time aleatório

• Avaliar condição física (IMC)

• Calcular tempo de carreira

Nível Intermediário (Exercícios 16 a 35) – Laços, Funções e Estruturas

• Explora laços for e while, listas, funções e dicionários:

• Treinamento de finalizações com aleatoriedade

• Simulação de temporada com placares

• Função para média de gols

• Campeonato com 4 times jogando entre si

• Ranking de artilheiros

• Contador de gols até valor negativo

• Lista dinâmica de jogadores

• Cadastro de jogadores com dicionário

• Identificar jogador com melhor média

• Criar tabela de classificação com dicionário

• Simulação de treino com progressão de habilidade

• Busca de jogador em lista

• Histórico de partidas

• Simulador de títulos de times

• Função para média de assistências

• Salvar estatísticas em arquivo .txt

• Ler dados de arquivo

• Criar classe Jogador

• Criar classe Time

• Criar classe Partida

Nível Avançado (Exercícios 36 a 50) – Arquivos, Dicionários e POO

• Trabalha com OOP aplicada a jogos, simulações e dados complexos:

• Simulador de campeonato completo

• Simulador de transferências de jogadores

• Leilão de jogadores com ofertas aleatórias

• Mercado de contratações com orçamento

• Estatísticas detalhadas de partidas com dicionários

• Histórico de campeões usando arquivos

• Sistema de treinamento com habilidade crescente

• Simulador de disputa de pênaltis

• Simulador de jogo com eventos ao vivo

• Criar uma liga de times com múltiplas rodadas

• Estatísticas completas do jogador (passes, assistências, gols)

• Simulação de jogo em tempo real com eventos

• Gerenciador de títulos dos times

• Sistema de inteligência tática com sugestão de estratégias

• Jogo de gerenciamento de carreira com contratações

COMPRAR COLEÇÃO COMPLETA

EBOOK 3

eBook: Aprenda Orientação a Objetos em 7 Lições com Python

Projeto prático: Sistema de Petshop

Lição 1: Introdução à Programação Orientada a Objetos em Python

• Diferença entre programação procedural e orientada a objetos

• Conceito de classe e objeto

• Criação da primeira classe Pet

• Comparação prática com código procedural

• Inclusão de atributos e métodos (ex: vacinar, exibir informações)

Lição 2: Encapsulamento e Modificadores de Acesso

• Conceito de encapsulamento e sua importância

• Uso de atributos protegidos e privados (_ e __)

• Métodos getters e setters

• Validação de dados (idade e peso)

• Aplicação prática no sistema do petshop

Lição 3: Herança e Reutilização de Código

• O que é herança e seus benefícios

• Criação de subclasses: Cachorro e Gato a partir de Pet

• Reutilização de métodos com super()

• Adição de comportamentos exclusivos (ex: latir(), miar())

Lição 4: Polimorfismo e Sobrescrita de Métodos

• O que é polimorfismo e como aplicá-lo

• Sobrescrita de métodos (emitir_som)

• Criação de métodos genéricos e especializados

• Uso de classes abstratas com ABC e @abstractmethod

Lição 5: Composição de Objetos e Relacionamentos

• Diferença entre herança e composição

• Criação da classe Dono

• Associação entre Dono e Pet (um dono com vários pets)

• Exibição de informações encadeadas

Lição 6: Manipulação de Exceções e Boas Práticas de Código

• Conceito de exceções e tipos comuns de erro (ValueError, IndexError, etc.)

• Uso de try e except

• Validações robustas em Pet e Dono (idade, peso, telefone, e-mail)

• Atribuição de valores padrão em caso de erro

Lição 7: Salvando e Manipulando Dados com Arquivos e Banco de Dados

• Diferença entre salvar em arquivos e banco de dados

• Salvamento e carregamento com JSON (json.dump, json.load)

• Criação de banco SQLite e tabelas com sqlite3

• Inserção de dados dos donos e pets no banco relacional

Após concluir as 7 lições, o leitor terá criado um sistema funcional de petshop com classes, herança, encapsulamento, polimorfismo, validações, e persistência de dados.

EBOOK 3

eBook: Aprenda Orientação a Objetos em 7 Lições com Python

Projeto prático: Sistema de Petshop

Lição 1: Introdução à Programação Orientada a Objetos em Python

• Diferença entre programação procedural e orientada a objetos

• Conceito de classe e objeto

• Criação da primeira classe Pet

• Comparação prática com código procedural

• Inclusão de atributos e métodos (ex: vacinar, exibir informações)

Lição 2: Encapsulamento e Modificadores de Acesso

• Conceito de encapsulamento e sua importância

• Uso de atributos protegidos e privados (_ e __)

• Métodos getters e setters

• Validação de dados (idade e peso)

• Aplicação prática no sistema do petshop

Lição 3: Herança e Reutilização de Código

• O que é herança e seus benefícios

• Criação de subclasses: Cachorro e Gato a partir de Pet

• Reutilização de métodos com super()

• Adição de comportamentos exclusivos (ex: latir(), miar())

Lição 4: Polimorfismo e Sobrescrita de Métodos

• O que é polimorfismo e como aplicá-lo

• Sobrescrita de métodos (emitir_som)

• Criação de métodos genéricos e especializados

• Uso de classes abstratas com ABC e @abstractmethod

Lição 5: Composição de Objetos e Relacionamentos

• Diferença entre herança e composição

• Criação da classe Dono

• Associação entre Dono e Pet (um dono com vários pets)

• Exibição de informações encadeadas

Lição 6: Manipulação de Exceções e Boas Práticas de Código

• Conceito de exceções e tipos comuns de erro (ValueError, IndexError, etc.)

• Uso de try e except

• Validações robustas em Pet e Dono (idade, peso, telefone, e-mail)

• Atribuição de valores padrão em caso de erro

Lição 7: Salvando e Manipulando Dados com Arquivos e Banco de Dados

• Diferença entre salvar em arquivos e banco de dados

• Salvamento e carregamento com JSON (json.dump, json.load)

• Criação de banco SQLite e tabelas com sqlite3

• Inserção de dados dos donos e pets no banco relacional

Após concluir as 7 lições, o leitor terá criado um sistema funcional de petshop com classes, herança, encapsulamento, polimorfismo, validações, e persistência de dados.

EBOOK 3

eBook: Aprenda Orientação a Objetos em 7 Lições com Python

Projeto prático: Sistema de Petshop

Lição 1: Introdução à Programação Orientada a Objetos em Python

• Diferença entre programação procedural e orientada a objetos

• Conceito de classe e objeto

• Criação da primeira classe Pet

• Comparação prática com código procedural

• Inclusão de atributos e métodos (ex: vacinar, exibir informações)

Lição 2: Encapsulamento e Modificadores de Acesso

• Conceito de encapsulamento e sua importância

• Uso de atributos protegidos e privados (_ e __)

• Métodos getters e setters

• Validação de dados (idade e peso)

• Aplicação prática no sistema do petshop

Lição 3: Herança e Reutilização de Código

• O que é herança e seus benefícios

• Criação de subclasses: Cachorro e Gato a partir de Pet

• Reutilização de métodos com super()

• Adição de comportamentos exclusivos (ex: latir(), miar())

Lição 4: Polimorfismo e Sobrescrita de Métodos

• O que é polimorfismo e como aplicá-lo

• Sobrescrita de métodos (emitir_som)

• Criação de métodos genéricos e especializados

• Uso de classes abstratas com ABC e @abstractmethod

Lição 5: Composição de Objetos e Relacionamentos

• Diferença entre herança e composição

• Criação da classe Dono

• Associação entre Dono e Pet (um dono com vários pets)

• Exibição de informações encadeadas

Lição 6: Manipulação de Exceções e Boas Práticas de Código

• Conceito de exceções e tipos comuns de erro (ValueError, IndexError, etc.)

• Uso de try e except

• Validações robustas em Pet e Dono (idade, peso, telefone, e-mail)

• Atribuição de valores padrão em caso de erro

Lição 7: Salvando e Manipulando Dados com Arquivos e Banco de Dados

• Diferença entre salvar em arquivos e banco de dados

• Salvamento e carregamento com JSON (json.dump, json.load)

• Criação de banco SQLite e tabelas com sqlite3

• Inserção de dados dos donos e pets no banco relacional

Após concluir as 7 lições, o leitor terá criado um sistema funcional de petshop com classes, herança, encapsulamento, polimorfismo, validações, e persistência de dados.

COMPRAR COLEÇÃO COMPLETA

EBOOK 4

Caderno de Projetos – Orientação a Objetos com Python

Aprenda os pilares da POO através de 7 projetos práticos.

Cada projeto representa um tema central da POO, com aplicação prática em sistemas do dia a dia.

Projeto 1 – Sistema de Cadastro de Animais

Tema: Introdução à POO

• Criação da classe Animal com atributos como nome, espécie e idade

• Método exibir_detalhes()

• Cadastro e visualização de múltiplos animais

Projeto 2 – Controle de Estoque de Produtos

Tema: Encapsulamento e Modificadores de Acesso

• Atributos privados com __

• Métodos getters e setters

• Adição e remoção de estoque

• Exibição segura de produtos

Projeto 3 – Sistema de Funcionários

Tema: Herança e Reutilização de Código

• Classe base Funcionario

• Subclasses Gerente e Vendedor com atributos próprios

• Método calcular_pagamento() sobrescrito

Projeto 4 – Simulação de Pagamentos

Tema: Polimorfismo e Sobrescrita de Métodos

• Classe Pagamento com método processar_pagamento()

• Subclasses CartaoCredito, Boleto, Pix

• Uso de polimorfismo para executar métodos sem saber o tipo

Projeto 5 – Gestão de Pedidos em um Restaurante

Tema: Composição de Objetos e Relacionamentos

• Classe Pedido com uma lista de ItemPedido

• Métodos para adicionar itens e calcular total

• Exemplo prático de múltiplos objetos dentro de outro

Projeto 6 – Sistema de Reserva de Hotel

Tema: Manipulação de Exceções e Boas Práticas

• Classe Reserva com validação de diárias

• Uso de try/except para prevenir dados inválidos

• Validação da disponibilidade do quarto

Projeto 7 – Sistema de Biblioteca

Tema: Salvando e Manipulando Dados com Arquivos

• Classes Livro e Usuario

• Registro de empréstimos de livros

• Salvamento dos dados em JSON

• Persistência de dados entre execuções

Gabaritos

Todos os projetos possuem códigos Python prontos e comentados, que facilitam a compreensão de cada conceito e aplicação prática da orientação a objetos.

EBOOK 4

Caderno de Projetos – Orientação a Objetos com Python

Aprenda os pilares da POO através de 7 projetos práticos.

Cada projeto representa um tema central da POO, com aplicação prática em sistemas do dia a dia.

Projeto 1 – Sistema de Cadastro de Animais

Tema: Introdução à POO

• Criação da classe Animal com atributos como nome, espécie e idade

• Método exibir_detalhes()

• Cadastro e visualização de múltiplos animais

Projeto 2 – Controle de Estoque de Produtos

Tema: Encapsulamento e Modificadores de Acesso

• Atributos privados com __

• Métodos getters e setters

• Adição e remoção de estoque

• Exibição segura de produtos

Projeto 3 – Sistema de Funcionários

Tema: Herança e Reutilização de Código

• Classe base Funcionario

• Subclasses Gerente e Vendedor com atributos próprios

• Método calcular_pagamento() sobrescrito

Projeto 4 – Simulação de Pagamentos

Tema: Polimorfismo e Sobrescrita de Métodos

• Classe Pagamento com método processar_pagamento()

• Subclasses CartaoCredito, Boleto, Pix

• Uso de polimorfismo para executar métodos sem saber o tipo

Projeto 5 – Gestão de Pedidos em um Restaurante

Tema: Composição de Objetos e Relacionamentos

• Classe Pedido com uma lista de ItemPedido

• Métodos para adicionar itens e calcular total

• Exemplo prático de múltiplos objetos dentro de outro

Projeto 6 – Sistema de Reserva de Hotel

Tema: Manipulação de Exceções e Boas Práticas

• Classe Reserva com validação de diárias

• Uso de try/except para prevenir dados inválidos

• Validação da disponibilidade do quarto

Projeto 7 – Sistema de Biblioteca

Tema: Salvando e Manipulando Dados com Arquivos

• Classes Livro e Usuario

• Registro de empréstimos de livros

• Salvamento dos dados em JSON

• Persistência de dados entre execuções

Gabaritos

Todos os projetos possuem códigos Python prontos e comentados, que facilitam a compreensão de cada conceito e aplicação prática da orientação a objetos.

EBOOK 4

Caderno de Projetos – Orientação a Objetos com Python

Aprenda os pilares da POO através de 7 projetos práticos.

Cada projeto representa um tema central da POO, com aplicação prática em sistemas do dia a dia.

Projeto 1 – Sistema de Cadastro de Animais

Tema: Introdução à POO

• Criação da classe Animal com atributos como nome, espécie e idade

• Método exibir_detalhes()

• Cadastro e visualização de múltiplos animais

Projeto 2 – Controle de Estoque de Produtos

Tema: Encapsulamento e Modificadores de Acesso

• Atributos privados com __

• Métodos getters e setters

• Adição e remoção de estoque

• Exibição segura de produtos

Projeto 3 – Sistema de Funcionários

Tema: Herança e Reutilização de Código

• Classe base Funcionario

• Subclasses Gerente e Vendedor com atributos próprios

• Método calcular_pagamento() sobrescrito

Projeto 4 – Simulação de Pagamentos

Tema: Polimorfismo e Sobrescrita de Métodos

• Classe Pagamento com método processar_pagamento()

• Subclasses CartaoCredito, Boleto, Pix

• Uso de polimorfismo para executar métodos sem saber o tipo

Projeto 5 – Gestão de Pedidos em um Restaurante

Tema: Composição de Objetos e Relacionamentos

• Classe Pedido com uma lista de ItemPedido

• Métodos para adicionar itens e calcular total

• Exemplo prático de múltiplos objetos dentro de outro

Projeto 6 – Sistema de Reserva de Hotel

Tema: Manipulação de Exceções e Boas Práticas

• Classe Reserva com validação de diárias

• Uso de try/except para prevenir dados inválidos

• Validação da disponibilidade do quarto

Projeto 7 – Sistema de Biblioteca

Tema: Salvando e Manipulando Dados com Arquivos

• Classes Livro e Usuario

• Registro de empréstimos de livros

• Salvamento dos dados em JSON

• Persistência de dados entre execuções

Gabaritos

Todos os projetos possuem códigos Python prontos e comentados, que facilitam a compreensão de cada conceito e aplicação prática da orientação a objetos.

COMPRAR COLEÇÃO COMPLETA

EBOOK 5

Estrutura Detalhada do eBook: Python Análise de Dados com Pandas

Lição 1: Introdução ao Pandas e Configuração do Ambiente

• Apresentação do Pandas e seu papel na análise de dados.

• Instalação e configuração da biblioteca Pandas.

• Uso do Google Colab e Jupyter Notebook para prática.

• Introdução às estruturas Series (dados unidimensionais) e DataFrame (tabelas).

• Leitura e escrita de arquivos CSV.

• Criação de exemplos com dados fictícios de futebol.

• Exercícios práticos com Series e DataFrames.

Lição 2: Manipulação de Dados com DataFrames

• Criação e exploração de DataFrames com estatísticas de campeonatos.

• Seleção de colunas, linhas e subconjuntos de dados com .loc[] e .iloc[].

• Filtros condicionais e ordenação de dados.

• Cálculo de novas colunas como “Eficiência (%)”.

• Renomeação de colunas e redefinição de índices.

• Remoção e reorganização de colunas.

• Exercícios práticos de manipulação e análise de desempenho de times.

Lição 3: Limpeza e Transformação de Dados

• Identificação e tratamento de valores nulos (NaN) e duplicatas.

• Conversão de tipos de dados para garantir precisão.

• Trabalhando com datas e horários (datetime), extraindo dia, mês e ano.

• Aplicação de funções personalizadas com .apply() e .map().

• Criação de colunas derivadas para categorização e cálculo.

• Exercícios práticos sobre tratamento de dados incompletos e categorização.

Lição 4: Agregação e Agrupamento de Dados

• Uso de .groupby() para agrupar estatísticas por time e por local (casa/fora).

• Aplicação de funções agregadas com .agg() (média, soma, desvio, etc.).

• Criação de tabelas dinâmicas com .pivot_table().

• Análise de frequência com .crosstab().

• Aplicação de funções personalizadas em grupos (como cálculo de saldo médio).

• Exercícios práticos com agrupamentos e tabelas cruzadas.

Lição 5: Junção e Combinação de DataFrames

• Métodos de junção: .merge(), .join() e .concat().

• Tipos de joins: inner, left, right e outer.

• Combinação de dados de fontes diferentes (CSV, Excel, JSON).

• Empilhamento de DataFrames com concatenação vertical

• Exercícios práticos com junções entre jogadores, técnicos e estatísticas de temporadas.

Lição 6: Visualização de Dados com Pandas

• Integração do Pandas com Matplotlib para criação de gráficos.

• Gráficos de linha para evolução dos pontos.

• Gráficos de barra para comparações entre times.

• Histogramas para distribuição de gols.

• Gráficos de barras empilhadas para comparar vitórias, empates e derrotas.

• Exercícios visuais para representar dados de futebol graficamente.

Lição 7: Leitura e Escrita de Arquivos com Pandas

• Leitura de arquivos nos formatos CSV, Excel, JSON e bancos SQLite.

• Escrita de DataFrames em múltiplos formatos.

• Uso de SQLite para gravação e leitura de dados estruturados.

• Exercícios com leitura e escrita entre arquivos e banco de dados.

EBOOK 5

Estrutura Detalhada do eBook: Python Análise de Dados com Pandas

Lição 1: Introdução ao Pandas e Configuração do Ambiente

• Apresentação do Pandas e seu papel na análise de dados.

• Instalação e configuração da biblioteca Pandas.

• Uso do Google Colab e Jupyter Notebook para prática.

• Introdução às estruturas Series (dados unidimensionais) e DataFrame (tabelas).

• Leitura e escrita de arquivos CSV.

• Criação de exemplos com dados fictícios de futebol.

• Exercícios práticos com Series e DataFrames.

Lição 2: Manipulação de Dados com DataFrames

• Criação e exploração de DataFrames com estatísticas de campeonatos.

• Seleção de colunas, linhas e subconjuntos de dados com .loc[] e .iloc[].

• Filtros condicionais e ordenação de dados.

• Cálculo de novas colunas como “Eficiência (%)”.

• Renomeação de colunas e redefinição de índices.

• Remoção e reorganização de colunas.

• Exercícios práticos de manipulação e análise de desempenho de times.

Lição 3: Limpeza e Transformação de Dados

• Identificação e tratamento de valores nulos (NaN) e duplicatas.

• Conversão de tipos de dados para garantir precisão.

• Trabalhando com datas e horários (datetime), extraindo dia, mês e ano.

• Aplicação de funções personalizadas com .apply() e .map().

• Criação de colunas derivadas para categorização e cálculo.

• Exercícios práticos sobre tratamento de dados incompletos e categorização.

Lição 4: Agregação e Agrupamento de Dados

• Uso de .groupby() para agrupar estatísticas por time e por local (casa/fora).

• Aplicação de funções agregadas com .agg() (média, soma, desvio, etc.).

• Criação de tabelas dinâmicas com .pivot_table().

• Análise de frequência com .crosstab().

• Aplicação de funções personalizadas em grupos (como cálculo de saldo médio).

• Exercícios práticos com agrupamentos e tabelas cruzadas.

Lição 5: Junção e Combinação de DataFrames

• Métodos de junção: .merge(), .join() e .concat().

• Tipos de joins: inner, left, right e outer.

• Combinação de dados de fontes diferentes (CSV, Excel, JSON).

• Empilhamento de DataFrames com concatenação vertical

• Exercícios práticos com junções entre jogadores, técnicos e estatísticas de temporadas.

Lição 6: Visualização de Dados com Pandas

• Integração do Pandas com Matplotlib para criação de gráficos.

• Gráficos de linha para evolução dos pontos.

• Gráficos de barra para comparações entre times.

• Histogramas para distribuição de gols.

• Gráficos de barras empilhadas para comparar vitórias, empates e derrotas.

• Exercícios visuais para representar dados de futebol graficamente.

Lição 7: Leitura e Escrita de Arquivos com Pandas

• Leitura de arquivos nos formatos CSV, Excel, JSON e bancos SQLite.

• Escrita de DataFrames em múltiplos formatos.

• Uso de SQLite para gravação e leitura de dados estruturados.

• Exercícios com leitura e escrita entre arquivos e banco de dados.

EBOOK 5

Estrutura Detalhada do eBook: Python Análise de Dados com Pandas

Lição 1: Introdução ao Pandas e Configuração do Ambiente

• Apresentação do Pandas e seu papel na análise de dados.

• Instalação e configuração da biblioteca Pandas.

• Uso do Google Colab e Jupyter Notebook para prática.

• Introdução às estruturas Series (dados unidimensionais) e DataFrame (tabelas).

• Leitura e escrita de arquivos CSV.

• Criação de exemplos com dados fictícios de futebol.

• Exercícios práticos com Series e DataFrames.

Lição 2: Manipulação de Dados com DataFrames

• Criação e exploração de DataFrames com estatísticas de campeonatos.

• Seleção de colunas, linhas e subconjuntos de dados com .loc[] e .iloc[].

• Filtros condicionais e ordenação de dados.

• Cálculo de novas colunas como “Eficiência (%)”.

• Renomeação de colunas e redefinição de índices.

• Remoção e reorganização de colunas.

• Exercícios práticos de manipulação e análise de desempenho de times.

Lição 3: Limpeza e Transformação de Dados

• Identificação e tratamento de valores nulos (NaN) e duplicatas.

• Conversão de tipos de dados para garantir precisão.

• Trabalhando com datas e horários (datetime), extraindo dia, mês e ano.

• Aplicação de funções personalizadas com .apply() e .map().

• Criação de colunas derivadas para categorização e cálculo.

• Exercícios práticos sobre tratamento de dados incompletos e categorização.

Lição 4: Agregação e Agrupamento de Dados

• Uso de .groupby() para agrupar estatísticas por time e por local (casa/fora).

• Aplicação de funções agregadas com .agg() (média, soma, desvio, etc.).

• Criação de tabelas dinâmicas com .pivot_table().

• Análise de frequência com .crosstab().

• Aplicação de funções personalizadas em grupos (como cálculo de saldo médio).

• Exercícios práticos com agrupamentos e tabelas cruzadas.

Lição 5: Junção e Combinação de DataFrames

• Métodos de junção: .merge(), .join() e .concat().

• Tipos de joins: inner, left, right e outer.

• Combinação de dados de fontes diferentes (CSV, Excel, JSON).

• Empilhamento de DataFrames com concatenação vertical

• Exercícios práticos com junções entre jogadores, técnicos e estatísticas de temporadas.

Lição 6: Visualização de Dados com Pandas

• Integração do Pandas com Matplotlib para criação de gráficos.

• Gráficos de linha para evolução dos pontos.

• Gráficos de barra para comparações entre times.

• Histogramas para distribuição de gols.

• Gráficos de barras empilhadas para comparar vitórias, empates e derrotas.

• Exercícios visuais para representar dados de futebol graficamente.

Lição 7: Leitura e Escrita de Arquivos com Pandas

• Leitura de arquivos nos formatos CSV, Excel, JSON e bancos SQLite.

• Escrita de DataFrames em múltiplos formatos.

• Uso de SQLite para gravação e leitura de dados estruturados.

• Exercícios com leitura e escrita entre arquivos e banco de dados.

COMPRAR COLEÇÃO COMPLETA

EBOOK 6

Apresentação das Lições – Aprenda Machine Learning em 7 Lições com Python

Lição 1 – Introdução à Modelagem de Dados e Machine Learning

Descubra o que é Machine Learning e como ele transforma dados em decisões inteligentes. Entenda os tipos de aprendizado (supervisionado, não supervisionado e por reforço) e visualize o ciclo de vida completo de um projeto de ML com uma analogia prática e divertida.

Lição 2 – Bibliotecas Essenciais em Python para Machine Learning

Conheça as ferramentas que são o "kit de sobrevivência" de qualquer cientista de dados: NumPy, Pandas, Matplotlib, Seaborn, Scikit-learn, TensorFlow e PyTorch. Tudo explicado com analogias do dia a dia e exemplos fáceis de aplicar.

Lição 3 – Pré-processamento de Dados

Aprenda como limpar, transformar e preparar seus dados como um verdadeiro profissional. Lidamos com valores ausentes, outliers, variáveis categóricas e mostramos como criar novas variáveis úteis. Inclui gráficos e códigos práticos passo a passo.

Lição 4 – Introdução a Algoritmos de Machine Learning

Entenda como funcionam os principais algoritmos supervisionados (regressão linear, logística e árvores de decisão) e não supervisionados (K-means, PCA). Cada algoritmo é apresentado como uma ferramenta para resolver problemas reais, com exemplos ilustrados em Python.

Lição 5 – Avaliação e Validação de Modelos

Avaliar é essencial! Nesta lição, você vai dominar métricas como acurácia, precisão, recall, F1-score, RMSE e R², além de aprender a evitar overfitting com validação cruzada. Tudo com a analogia de "corrigir a prova de um aluno".

Lição 6 – Projeto Prático: Prevendo o Preço de um Imóvel

Hora da prática! Construa um modelo real para prever o preço de imóveis com base em área, quartos e localização. Da criação do dataset ao gráfico final de comparação entre valores reais e previstos, tudo com códigos comentados linha a linha.

Lição 7 – Próximos Passos e Ferramentas Profissionais

Explore ferramentas como Google Colab, Scikit-learn e Hugging Face, conheça tópicos avançados como redes neurais, visão computacional e NLP, e receba um plano de ação com cursos, sites e ideias de projetos para continuar sua jornada no mundo da IA.

EBOOK 6

Apresentação das Lições – Aprenda Machine Learning em 7 Lições com Python

Lição 1 – Introdução à Modelagem de Dados e Machine Learning

Descubra o que é Machine Learning e como ele transforma dados em decisões inteligentes. Entenda os tipos de aprendizado (supervisionado, não supervisionado e por reforço) e visualize o ciclo de vida completo de um projeto de ML com uma analogia prática e divertida.

Lição 2 – Bibliotecas Essenciais em Python para Machine Learning

Conheça as ferramentas que são o "kit de sobrevivência" de qualquer cientista de dados: NumPy, Pandas, Matplotlib, Seaborn, Scikit-learn, TensorFlow e PyTorch. Tudo explicado com analogias do dia a dia e exemplos fáceis de aplicar.

Lição 3 – Pré-processamento de Dados

Aprenda como limpar, transformar e preparar seus dados como um verdadeiro profissional. Lidamos com valores ausentes, outliers, variáveis categóricas e mostramos como criar novas variáveis úteis. Inclui gráficos e códigos práticos passo a passo.

Lição 4 – Introdução a Algoritmos de Machine Learning

Entenda como funcionam os principais algoritmos supervisionados (regressão linear, logística e árvores de decisão) e não supervisionados (K-means, PCA). Cada algoritmo é apresentado como uma ferramenta para resolver problemas reais, com exemplos ilustrados em Python.

Lição 5 – Avaliação e Validação de Modelos

Avaliar é essencial! Nesta lição, você vai dominar métricas como acurácia, precisão, recall, F1-score, RMSE e R², além de aprender a evitar overfitting com validação cruzada. Tudo com a analogia de "corrigir a prova de um aluno".

Lição 6 – Projeto Prático: Prevendo o Preço de um Imóvel

Hora da prática! Construa um modelo real para prever o preço de imóveis com base em área, quartos e localização. Da criação do dataset ao gráfico final de comparação entre valores reais e previstos, tudo com códigos comentados linha a linha.

Lição 7 – Próximos Passos e Ferramentas Profissionais

Explore ferramentas como Google Colab, Scikit-learn e Hugging Face, conheça tópicos avançados como redes neurais, visão computacional e NLP, e receba um plano de ação com cursos, sites e ideias de projetos para continuar sua jornada no mundo da IA.

EBOOK 6

Apresentação das Lições – Aprenda Machine Learning em 7 Lições com Python

Lição 1 – Introdução à Modelagem de Dados e Machine Learning

Descubra o que é Machine Learning e como ele transforma dados em decisões inteligentes. Entenda os tipos de aprendizado (supervisionado, não supervisionado e por reforço) e visualize o ciclo de vida completo de um projeto de ML com uma analogia prática e divertida.

Lição 2 – Bibliotecas Essenciais em Python para Machine Learning

Conheça as ferramentas que são o "kit de sobrevivência" de qualquer cientista de dados: NumPy, Pandas, Matplotlib, Seaborn, Scikit-learn, TensorFlow e PyTorch. Tudo explicado com analogias do dia a dia e exemplos fáceis de aplicar.

Lição 3 – Pré-processamento de Dados

Aprenda como limpar, transformar e preparar seus dados como um verdadeiro profissional. Lidamos com valores ausentes, outliers, variáveis categóricas e mostramos como criar novas variáveis úteis. Inclui gráficos e códigos práticos passo a passo.

Lição 4 – Introdução a Algoritmos de Machine Learning

Entenda como funcionam os principais algoritmos supervisionados (regressão linear, logística e árvores de decisão) e não supervisionados (K-means, PCA). Cada algoritmo é apresentado como uma ferramenta para resolver problemas reais, com exemplos ilustrados em Python.

Lição 5 – Avaliação e Validação de Modelos

Avaliar é essencial! Nesta lição, você vai dominar métricas como acurácia, precisão, recall, F1-score, RMSE e R², além de aprender a evitar overfitting com validação cruzada. Tudo com a analogia de "corrigir a prova de um aluno".

Lição 6 – Projeto Prático: Prevendo o Preço de um Imóvel

Hora da prática! Construa um modelo real para prever o preço de imóveis com base em área, quartos e localização. Da criação do dataset ao gráfico final de comparação entre valores reais e previstos, tudo com códigos comentados linha a linha.

Lição 7 – Próximos Passos e Ferramentas Profissionais

Explore ferramentas como Google Colab, Scikit-learn e Hugging Face, conheça tópicos avançados como redes neurais, visão computacional e NLP, e receba um plano de ação com cursos, sites e ideias de projetos para continuar sua jornada no mundo da IA.

COMPRAR COLEÇÃO COMPLETA

NÃO PERCA ESTA OPORTUNIDADE!

CONHEÇA MELHOR QUEM CRIOU O CONTEÚDO

Flavio Mota

Com mais de 18 anos de experiência em educação profissional em análise e desenvolvimento de sistemas e engenharia e análise de dados, sou especialista em liderar equipes de professores e desenvolver programas educacionais. Em minha carreira como Analista e Desenvolvedor de Sistemas, trabalhei com: - Gerenciamento e implementação de sistemas ERP. - Instalação, manutenção e administração de bancos de dados SQL Server. - Administração de infraestrutura de TI, usando Active Directory e gerenciando redes. - Desenvolvimento de sistemas web com tecnologias como .Net C#, Java, Spring, JavaScript, frameworks CSS, e bancos de dados relacionais e NoSQL (SQL Server, MySQL, PostgreSQL, MongoDB). - Análise de dados e criação de dashboards e relatórios usando ferramentas como Power BI, Amazon Redshift, Google BigQuery, Amazon S3, dbt, Spark, Databricks, entre outras. Junte-se a mim e adquira conhecimento e prática em desenvolvimento de sistemas e engenharia de dados!

ESTA OFERTA PODE TERMINAR EM BREVE.

COMPRAR COLEÇÃO AGORA

GARANTIA DE 7 DIAS

_______________________________________________

Seu dinheiro de volta sem perguntas até 7 dias após a compra.

Aproveite o conteúdo em qualquer dispositivo.

____________________________________________________________

Seus dados pessoais são confidenciais

Compra 100% segura

Garantia: seu dinheiro de volta sem perguntas

por apenas

R$ 49,90

Parcelado em até 3 vezes

COMPRAR COLEÇÃO AGORA

PAGAMENTO 100% SEGURO COM ACESSO IMEDIATO

PERGUNTAS FREQUENTES

Estudantes e iniciantes na área da Computação, Sistemas de Informação e área de dados

O Prazo de Garantia é o período que você tem para pedir o reembolso integral do valor pago pela sua compra, caso o produto não seja satisfatório.

Alguns cursos online oferecem um certificado digital de conclusão. Alunos podem emitir esse certificado ao final do curso ou entrando em contato com o Autor ou Autora. Esses certificados podem ser compartilhados em redes sociais como o LinkedIn e inseridos em informações curriculares.

Você receberá o acesso por email. O conteúdo será acessado ou baixado através de um computador, celular, tablet ou outro dispositivo digital. Você também pode acessar o produto comprado nesta página:

01 - Faça login na Hotmart clicando em 'Entrar'

02 - Acesse o menu lateral, clique em 'Minha conta'

03 - Clique em 'Minhas compras' e lá estarão todos os produtos que você já comprou!

Você receberá o acesso por email. O conteúdo será acessado ou baixado através de um computador, celular, tablet ou outro dispositivo digital. Você também pode acessar o produto comprado nesta página:

01 - Faça login na Hotmart clicando em 'Entrar'

02 - Acesse o menu lateral, clique em 'Minha conta'

03 - Clique em 'Minhas compras' e lá estarão todos os produtos que você já comprou!

Você receberá o acesso por email. O conteúdo será acessado ou baixado através de um computador, celular, tablet ou outro dispositivo digital. Você também pode acessar o produto comprado nesta página:

01 - Faça login na Hotmart clicando em 'Entrar'

02 - Acesse o menu lateral, clique em 'Minha conta'

03 - Clique em 'Minhas compras' e lá estarão todos os produtos que você já comprou!

Para comprar este curso, clique no botão “Comprar agora”. Lembre-se de que nem todos os cursos estarão sempre disponíveis para compra. É possível que o produtor esteja preparando uma nova turma ainda sem inscrições abertas.

PARA QUEM É ESSE PRODUTO?

PARA QUEM É ESSE PRODUTO?

PARA QUEM É ESSE PRODUTO?

COMO FUNCIONA O 'PRAZO DE GARANTIA'?

COMO FUNCIONA O 'PRAZO DE GARANTIA'?

COMO FUNCIONA O 'PRAZO DE GARANTIA'?

O QUE É E COMO FUNCIONA O CERTIFICADO DE CONCLUSÃO DIGITAL?

O QUE É E COMO FUNCIONA O CERTIFICADO DE CONCLUSÃO DIGITAL?

O QUE É E COMO FUNCIONA O CERTIFICADO DE CONCLUSÃO DIGITAL?

COMO ACESSAR O PRODUTO?

COMO ACESSAR O PRODUTO?

COMO ACESSAR O PRODUTO?

COMO FAÇO PARA COMPRAR?

COMO FAÇO PARA COMPRAR?

COMO FAÇO PARA COMPRAR?