Curso de ciência de dados: do Python ao machine learning
Da sua primeira linha de Python a modelos em que você pode confiar: SQL, gráficos, estatística e depois machine learning com scikit-learn. Código real no navegador e um gráfico em toda aula de ML.
2,421,911+ codders inscritos nestes cursos
487 lições539 desafios2,161 perguntas de quiz
- Ideal para iniciantes
Ajuda de codificação com IA
Lições interativas e práticas
Narração em áudio em todas as lições
Questionários para testar seu conhecimento
8 certificados gratuitos ao longo da trilha
Treine um modelo no seu navegador
Código real do scikit-learn com o resultado real. Arraste o controle deslizante para mudar uma linha e veja o que o modelo aprende.
Com k pequeno, o modelo memoriza cada ponto de treino e desenha uma fronteira irregular. Com k maior, ela fica suave.
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = make_moons(n_samples=200, noise=0.3, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
k = 5
model = KNeighborsClassifier(n_neighbors=k)
model.fit(X_train, y_train)
print(f"train accuracy: {model.score(X_train, y_train):.2f}")
print(f"test accuracy: {model.score(X_test, y_test):.2f}")
xx, yy = np.meshgrid(np.linspace(-2, 3, 56), np.linspace(-1.5, 2, 40))
proba = model.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
proba = proba.reshape(xx.shape)
plt.figure(figsize=(5, 4))
plt.pcolormesh(xx, yy, proba, cmap="coolwarm", alpha=0.35)
plt.scatter(X_train[:, 0], X_train[:, 1], c=y_train,
cmap="coolwarm", edgecolors="k")
plt.title(f"k-nearest neighbors, k = {k}")
plt.show()
A trilha de ciência de dados, passo a passo
Cada passo é um curso que já existe na Coddy. Faça na ordem ou pule para o que está faltando: o seu progresso fica salvo por curso de qualquer jeito.
- 1Etapa 12 seções, em ordem
- 2Etapa 2
SQL para obter os dadosPágina própria
Começar esta etapaIniciarSelecione, filtre, junte, agrupe e agregue tabelas reais. A maior parte dos dados de uma empresa mora num banco de dados, e um cientista de dados que sabe consultá-lo não espera alguém exportar para ele.IniciarPágina própria2 seções, em ordem - 3Etapa 3
Dados e gráficosPágina própria
Começar esta etapaIniciarArrays do NumPy, tabelas do pandas e gráficos do matplotlib, e depois os datasets iris, wine e digits que já vêm prontos. O kit com que todo projeto de machine learning começa, com um gráfico em toda aula.IniciarPágina própria - 4Etapa 4
Estatística para machine learningPágina própria
Começar esta etapaIniciarCentro e dispersão, distribuições, probabilidade por simulação, outliers, correlação, linhas de tendência, p-valores, padronização e codificação. Aprendida simulando e plotando, não decorando fórmulas.IniciarPágina própria - 5Etapa 5
Aprendizado supervisionadoPágina própria
Começar esta etapaIniciarDivida, ajuste, preveja e avalie com scikit-learn: k-NN, regressão linear e logística, árvores, random forests, boosting, validação cruzada e pipelines, terminando com um classificador de espécies de pinguins.IniciarPágina própria - 6Etapa 6
Aprendizado não supervisionadoPágina própria
Começar esta etapaIniciarEncontre estrutura sem rótulos: k-means, clustering hierárquico, DBSCAN, PCA e detecção de anomalias, terminando com um projeto que mapeia e agrupa dígitos escritos à mão.IniciarPágina própria
Aprenda Fazendo
Escreva código real, consulte bancos de dados, crie sites e domine prompts de IA. Nossas lições interativas cobrem todas as habilidades que desenvolvedores modernos precisam.
Construa Sua Sequência
Mantenha a consistência e veja seu progresso crescer! Acompanhe seu hábito diário de programação, proteja sua sequência com dias de congelamento e ganhe recompensas por aparecer todos os dias.
12 dias de sequência
Volte amanhã para manter sua sequência!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Tudo ou Nada
Dia 5 de 7
Congelar Sequência
2 left
Você Não Está Sozinho
Compita em placares globais, convide amigos para ganhar recompensas e celebre as conquistas uns dos outros. Programar é melhor com amigos!
Aprenda de todas as formas
Leia, ouça, teste-se, pergunte à IA ou consulte qualquer coisa que já tenha estudado. Cada lição se adapta a você.
Uma variável é um contêiner nomeado que armazena um valor que você pode referenciar depois.
Em Python, você cria uma escrevendo o nome, um sinal de igual e o valor que quer armazenar.
O valor pode mudar com o tempo - reatribuir o nome simplesmente o aponta para um novo valor.
Seja Certificado
Ganhe certificados para cada curso que você completar. Adicione-os ao seu perfil do LinkedIn e currículo para mostrar sua experiência em programação aos empregadores.
Por que seguir esta trilha de ciência de dados na Coddy
- Uma ordem só, sem adivinhação. Primeiro Python, depois SQL para obter os dados, depois gráficos e estatística para entendê-los e, por fim, modelos para prever a partir deles. Cada passo usa o que o anterior ensinou.
- Você vê os dados. Toda aula de machine learning tem um gráfico ou um diagrama, e os gráficos que o seu código desenha aparecem ao lado, na aba Gráficos, então uma distribuição, uma correlação ou uma fronteira de decisão são coisas que você viu, não só leu a respeito.
- Ferramentas reais, nada para instalar: Python, SQL, NumPy, pandas, matplotlib, SciPy e scikit-learn, tudo rodando no seu navegador nas versões que os cientistas de dados usam.
- Dois projetos concluídos, um classificador de espécies de pinguins e um explorador de dígitos escritos à mão, além de desafios finais sobre cancelamento de clientes, fraude e testes A/B. Cada curso termina com um certificado grátis.