🌐 English Version of README

Projeto de Análise de Dados

Este projeto de análise de dados é dividido em várias aulas e inclui arquivos de apostilas, notebooks Jupyter e conjuntos de dados para práticas e análises. O objetivo é proporcionar uma experiência de aprendizado prática com Python, análise de dados e visualização.

🔨 Funcionalidades do Projeto

• Aula 1: Introdução aos conceitos básicos de Python e análise de dados.
• Aula 2: Continuação com técnicas avançadas e manipulação de dados.
• Aula 3: Análise de dados com conjuntos de dados reais e visualização.
• Aula 4: Aplicação de técnicas avançadas de análise e interpretação de dados.

Exemplo Visual do Projeto

Não há um exemplo visual específico disponível, mas você pode ver o progresso e as análises realizadas nos notebooks Jupyter fornecidos.

✔️ Técnicas e Tecnologias Utilizadas

• Python: Linguagem de programação principal utilizada para análise de dados.
• Jupyter Notebook: Ambiente interativo para criar e compartilhar documentos com código executável, visualizações e textos.
• Pandas: Biblioteca para manipulação e análise de dados.
• Matplotlib e Seaborn: Bibliotecas para visualização de dados.
• NumPy: Biblioteca para operações numéricas e manipulação de arrays.
• pyautogui: Biblioteca para automação de controle do mouse e teclado.
• pyperclip: Biblioteca para manipulação da área de transferência.
• time: Módulo para manipulação de tempo e atrasos.
• selenium: Biblioteca para automação de navegadores web.
• webdriver_manager: Biblioteca para gerenciar drivers de navegador para o Selenium.
• scikit-learn: Biblioteca para machine learning e análise preditiva.
• cx-Freeze: Biblioteca para criar executáveis a partir de scripts Python.

📁 Estrutura do Projeto

A estrutura do projeto é organizada da seguinte forma:

• Aula 1:

  • Apostila - Aula 1.pdf: Apostila com o conteúdo da aula.
  • Arquivo Inicial - Aula 1.ipynb: Notebook Jupyter com os exercícios da aula.

• Aula 2:

  • Apostila - Aula 2.pdf: Apostila com o conteúdo da aula.
  • Arquivo Inicial - Aula 2.ipynb: Notebook Jupyter com os exercícios da aula.

• Aula 3:

  • Apostila Intensivão de Python - Aula 3.pdf: Apostila com o conteúdo da aula.
  • Arquivo Inicial - Aula 3.ipynb: Notebook Jupyter com os exercícios da aula.
  • Produtos.xlsx: Conjunto de dados em formato Excel.
  • ProdutosNew.xlsx: Outro conjunto de dados em formato Excel.

• Aula 4:

  • Apostila - Aula 4.pdf: Apostila com o conteúdo da aula.
  • Arquivo Inicial - Aula 4.ipynb: Notebook Jupyter com os exercícios da aula.
  • advertising.csv: Conjunto de dados em formato CSV.
  • novos.csv: Outro conjunto de dados em formato CSV.

• Outros Arquivos:

  • .gitignore: Arquivo para ignorar arquivos/diretórios no controle de versão.
  • LICENSE: Arquivo de licença do projeto.
  • PywinautoNotepadAuto.ipynb: Notebook Jupyter adicional com scripts automáticos para o Notepad.
  • README.md: Este arquivo com a documentação do projeto.

🛠️ Abrir e Rodar o Projeto

Para iniciar o trabalho com este projeto, siga as etapas abaixo:

1. Configuração do Ambiente:

   • Instalar Python: Certifique-se de que o Python 3.x esteja instalado no seu sistema. Você pode baixá-lo aqui.

   • Instalar Dependências: Utilize o pip para instalar as bibliotecas necessárias. No terminal ou prompt de comando, execute:

     pip install pandas matplotlib seaborn numpy jupyter pyautogui pyperclip selenium scikit-learn cx-Freeze webdriver-manager

2. Preparar o Ambiente de Trabalho:

   • Clone o Repositório: Se o projeto estiver em um repositório Git, clone-o para o seu sistema com:

     git clone <URL_DO_REPOSITORIO>

   • Navegue até o Diretório do Projeto:

     cd <DIRETORIO_DO_PROJETO>

3. Iniciar o Jupyter Notebook:

   • No terminal, dentro do diretório do projeto, inicie o Jupyter Notebook com:

     jupyter notebook

   • Isso abrirá a interface do Jupyter Notebook no seu navegador padrão, mostrando todos os arquivos do projeto.

4. Abrir e Executar Notebooks:

   • Navegue até a pasta da aula desejada na interface do Jupyter.
   • Abra o arquivo Arquivo Inicial - Aula X.ipynb.
   • Execute as células do notebook na ordem apresentada para seguir os exercícios e análises descritos.

5. Trabalhar com Conjuntos de Dados:

   • Para análises com os conjuntos de dados, carregue os arquivos CSV e Excel diretamente nos notebooks usando pandas. Exemplos de como fazer isso estão disponíveis nos notebooks fornecidos.

6. Salvar e Exportar Resultados:

   • Após concluir os exercícios, você pode salvar o progresso e exportar os notebooks como HTML ou PDF através das opções do Jupyter Notebook para compartilhar ou revisar seu trabalho.

🌐 Deploy

Não há um deploy específico para este projeto, pois ele é voltado para análise e aprendizado em ambiente local. Contudo, você pode compartilhar seus notebooks e resultados exportados conforme necessário.