python

Dados: como são disponibilizados e como são coletados

Neste post, veremos quais são os principais formatos nos quais os dados costumam ser disponibilizados e aprenderemos, através de exemplos práticos, sobre as ferramentas de ciência de dados para coletar essas informações, sejam de fontes nacionais ou internacionais, seja usando o R ou o Python.

Construindo um Dashboard de medidas de Desvio-Padrão no Python

Neste artigo percorremos o ciclo de análise de dados de ponta a ponta, visando resolver um problema de assimetria de informação no mercado de combustíveis. Mostramos uma visão geral sobre o processo de análise de dados no dia a dia de trabalho, dando ênfase na linha de raciocínio por trás de cada etapa e ressaltando ferramentas e alternativas que podem ser utilizadas.

Estruturas de Dados: Séries Temporais vs. Dados de Corte Transversal

Com o aumento da disponibilidade de dados, torna-se fundamental conhecer técnicas e métodos para analisá-los e utilizá-los de forma estratégica. Nesse contexto, é importante compreender como os dados são estruturados e quais ferramentas podem ser usadas para trabalhar com eles. Neste artigo, exploramos os conceitos das principais estruturas de dados, mostramos exemplos e aplicações em R e Python para trabalhar com dados de série temporal e corte transversal.

Construindo um Dashboard de Portfólio de Investimentos no Python

É possível automatizar todo o processo de coleta e visualização de dados construindo um Dashboard no Python. O processo de coleta é feito por meio da biblioteca yfinance. O Dashboard é construído no ambiente da biblioteca Dash e os gráficos construídos por meio do Plotly.

O ciclo de análise de dados: um roteiro para resolver problemas

Está perdido em meio a uma selva de ferramentas, modelos e linguagens, e não sabe por onde começar a análise de dados? Não se preocupe! Neste artigo apresentamos um guia de trabalho que irá ajudá-lo a identificar problemas e desenvolver soluções baseadas em dados. Descubra como funciona, as aplicações, ferramentas e conhecimentos necessários para agregar valor com análise de dados!