nano README.md# 🎓 Bootcamp de Ciência de Dados - 12 Semanas
Nome: Bruno Andrade
Formação: Contabilidade
Objetivo: Transição para Cientista de Dados Jr.
Período: Outubro 2025 - Janeiro 2026
Dedicação: 12h/semana (2h/dia, 6 dias)
Desenvolver habilidades práticas em:
- 📊 Análise exploratória de dados (EDA)
- 🤖 Machine Learning clássico (scikit-learn)
- 🗄️ SQL para análise de dados
- 📐 Estatística aplicada
- 💼 Construção de portfólio técnico profissional
- Semana 1: Python essencial + Git/GitHub
- Semana 2: NumPy e estruturas de dados
- Semana 3: Pandas I - Manipulação de dados
- Semana 4: Pandas II - Transformações avançadas
- Semana 5: Matplotlib e Seaborn
- Semana 6: EDA completa + Storytelling com dados
- Semana 7: Consultas básicas e intermediárias (JOINS, GROUP BY)
- Semana 8: Window functions, subqueries e otimização
- Semana 9: Estatística descritiva e probabilidade
- Semana 10: Inferência estatística e testes de hipóteses
- Semana 11: Regressão Linear/Logística e Árvores de Decisão
- Semana 12: Ensemble methods, Pipelines e otimização
- Análise de Balanços Patrimoniais (Finanças)
- Dashboard de Indicadores Financeiros (Visualização)
- Análise de Transações Bancárias (SQL)
- Teste A/B de Campanha de Crédito (Estatística)
- Clustering de Clientes (ML não supervisionado)
- Modelo de Previsão de Inadimplência
- EDA completa
- Feature engineering
- Modelo de classificação (Random Forest/XGBoost)
- Pipeline de produção
- Relatório técnico + apresentação
| Semana | Status | Tópicos Principais | Projeto |
|---|---|---|---|
| 1 | 🟢 Em andamento | Python + Git + Setup | Configuração |
| 2 | ⚪ Aguardando | NumPy + Pandas básico | - |
| 3 | ⚪ Aguardando | Pandas intermediário | - |
| 4 | ⚪ Aguardando | Pandas avançado | Análise de Balanços |
| 5 | ⚪ Aguardando | Matplotlib + Seaborn | - |
| 6 | ⚪ Aguardando | EDA completa | Dashboard Financeiro |
| 7 | ⚪ Aguardando | SQL básico/intermediário | - |
| 8 | ⚪ Aguardando | SQL avançado | Análise SQL |
| 9 | ⚪ Aguardando | Estatística descritiva | - |
| 10 | ⚪ Aguardando | Inferência estatística | Teste A/B |
| 11 | ⚪ Aguardando | ML: Regressão/Classificação | - |
| 12 | ⚪ Aguardando | ML: Ensemble/Pipeline | Projeto Final |
Legenda: 🟢 Concluído | 🟡 Em andamento | ⚪ Aguardando
Linguagens:
- Python 3.13
Bibliotecas de Dados:
- pandas, NumPy, SciPy
Visualização:
- Matplotlib, Seaborn
Machine Learning:
- scikit-learn
Banco de Dados:
- SQL (SQLite, DuckDB)
Ferramentas:
- Jupyter Notebook
- Git/GitHub
- VS Code
- DBeaver
- Conda (gerenciamento de ambientes)
- ✅ Configuração completa do ambiente (Conda + Git)
- ✅ Primeiro repositório no GitHub
- ✅ Notebook com análise de investimentos (juros compostos)
- ✅ Domínio básico de Git (add, commit, push)
- 📊 Destaque: Criação de gráfico de crescimento de capital
Aprendizados-chave:
- Git como ferramenta de versionamento e portfólio
- Ambiente virtual isola dependências por projeto
- Jupyter Notebook para prototipagem rápida
- GitHub: github.com/brunodrade88-cell
- LinkedIn: linkedin.com/in/seu-perfil (atualizar)
- Email: brunodrade88@icloud.com
- Python: Curso em Vídeo (Gustavo Guanabara)
- Pandas/SQL: Hashtag Treinamentos
- Machine Learning: Sigmoidal, Jones Granatyr
- Estatística: StatQuest (legendado)
⭐ Se este repositório te ajudou ou inspirou, deixe uma estrela!
Feito com 💙 e muito ☕ por Bruno Andrade