Menu
CoddyTech
COMEÇAR A APRENDER
flag Pt iconPortuguêsdown icon
machine Learning iconParte do Journey de Machine LearningNovoJornada

Estatística para ciência de dados e machine learning

A estatística em que todo modelo se apoia, aprendida simulando e plotando em vez de decorar fórmulas. Python real com NumPy, pandas, SciPy e scikit-learn, e um gráfico em toda aula.

COMEÇAR A APRENDER(é grátis)
Ver programaPlayground de Estatística para ML

1,000+ codders inscritos

64 lições63 desafios265 perguntas de quiz

  • Ideal para iniciantes
  • sparkles iconAjuda de codificação com IA
  • hint iconLições interativas e práticas
  • quiz iconQuestionários para testar seu conhecimento
  • certificate iconCertificado grátis de conclusão

Programa

1 seções64 lições63 desafios265 perguntas de quiz

Esta seção faz parte do Journey de Machine Learning. O programa completo tem mais seções - clique em qualquer prévia abaixo para vê-la na página do Journey.

  1. Seção 1Dados e gráficos60 lições
  2. Seção 2

    Estatística para ML

    Começar seçãoIniciarExpandirRecolher    A estatística por trás de todo modelo: medidas de tendência central e dispersão, distribuições, probabilidade por simulação, amostras, valores atípicos, correlação, linhas de tendência e testes entre grupos; depois, escalonamento e codificação de atributos. Cada conceito é calculado com dados reais e representado em gráficos.64 lições63 desafios265 perguntas

    Centro e dispersão

    6 lições625

    Distribuições

    6 lições625

    Probabilidade por Simulação

    6 lições625

    Amostras e Populações

    5 lições520

    Valores atípicos

    5 lições520

    Relações

    6 lições525

    Linhas de tendência

    6 lições625

    Comparando grupos

    6 lições625

    Escalonamento de Recursos

    5 lições520

    Codificação de Categorias

    4 lições415

    Explorando um conjunto de dados

    5 lições520

    Desafios Finais

    4 lições420
  3. Seção 3Aprendizado supervisionado58 lições
  4. Seção 4Aprendizado não supervisionado51 lições
Ver o programa completo do Journey de Machine Learning
O que você recebe
Tudo o que você vai usar para aprender a programar

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.

playground.js
Editor de Código
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Teste #1test Case Success icon
Teste #2test Case Success icon
Teste #3test Case Failure icon
Entrada
"Alex"
Saída
"Hello, Coddy! Alex"

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!

fire Filled icon
left icon

January 2026

right icon

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

product Double Or Nothing icon

Tudo ou Nada

Dia 5 de 7

fire Freeze icon

Congelar Sequência

2 left

Onde Quiser

Leve sua jornada de programação com você! Sem configuração, sem downloads - apenas abra e comece a programar. Disponível no iOS, Android e Web com avaliações de 4.9 estrelas.

Python
7Sequência
250Pontuação
5Energia
Variáveis
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
CONTINUAR
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Jornada
Metas
Tabela de Líderes
Perfil
4.9
EstrelaEstrelaEstrelaEstrelaEstrela
Avaliação

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!

Liga Challenger
Liga ChallengerTop 7 avançam
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconZona de promoçãoleaderboard Arrow Up icon

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.

Introdução a variáveis
Áudio

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.

1xSarah

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.

CoddyCertificado de Conclusão
Este certifica queJoão Silvacompletou com sucesso
python iconFundamentos de Python
Verificado
Datajan 2026
LinkedInAdicionar ao LinkedIn

Por que aprender estatística para ML com a Coddy

  • Simule e depois veja. Jogue milhares de dados, tire milhares de amostras, embaralhe grupos milhares de vezes e veja o histograma se acomodar. Uma probabilidade é uma proporção que você consegue contar antes de virar fórmula.
  • Toda aula tem um gráfico: histogramas de densidade com a curva normal por cima, boxplots com seus outliers, mapas de calor de correlação, linhas de tendência ajustadas. O seu próprio gráfico aparece na aba Gráficos quando você executa.
  • A estatística que o machine learning realmente usa: média e mediana, dispersão e percentis, distribuições e escores z, amostragem, outliers, correlação, mínimos quadrados e R quadrado, p-valores e o teste t.
  • Termina onde os modelos começam: padronização de features com StandardScaler, codificação de categorias com pd.get_dummies e um checklist para explorar um dataset novo antes de treinar qualquer coisa.

Perguntas frequentes sobre estatística para ciência de dados e ML

Quanta estatística é preciso saber para machine learning?

Menos do que muita gente teme. Para treinar e avaliar bem um modelo, você precisa ler centro e dispersão, saber o que são uma distribuição e um outlier, medir uma relação com correlação, ajustar uma reta e distinguir uma diferença real do acaso. É isso que esta seção ensina. Demonstrações e teoria da probabilidade pesada importam para pesquisa, não para usar bem o scikit-learn.

É a mesma estatística para ciência de dados?

Sim. Estatística descritiva, distribuições, amostragem, correlação, retas de regressão e testes de hipótese são o núcleo comum da estatística para ciência de dados e para machine learning. Os últimos capítulos puxam para os modelos, com padronização, codificação e exploração de um dataset antes do treino.

Preciso de cálculo ou álgebra linear?

Não. Tudo é ensinado com aritmética, simulações e gráficos. Onde existe uma fórmula, você a conhece como uma linha de código e uma imagem, e depois confere com uma simulação. Cálculo e álgebra linear passam a ser úteis mais tarde, se você quiser se aprofundar em como os algoritmos são construídos.

O que é um p-valor, em palavras simples?

É a frequência com que o puro acaso daria um resultado pelo menos tão grande quanto o seu. No curso você o calcula embaralhando: junta dois grupos, separa ao acaso milhares de vezes e conta quantas vezes a diferença falsa supera a real. Depois você conhece stats.ttest_ind, o atalho em fórmula para a mesma pergunta.

Quais bibliotecas de Python esta seção usa?

NumPy para os números, pandas para as tabelas, matplotlib para todos os gráficos, o módulo stats do SciPy para distribuições e testes, e scikit-learn para o StandardScaler. Todas são ensinadas na seção de visualização de dados com Python, que vem antes desta.

Quanto tempo leva a seção de estatística?

64 aulas, cerca de 11 horas no seu ritmo: três a quatro semanas a meia hora por dia, incluindo quatro desafios finais com dados de cara real.

A seção de estatística é grátis?

Sim. As aulas, os gráficos, as dicas de IA e o certificado da seção são grátis. Uma conta gratuita avança algumas aulas por dia, e o Pro remove o limite diário.

Trilhas de aprendizado que incluem este curso

Este curso é uma etapa de uma trilha mais longa: vários cursos na ordem em que um mentor os ensinaria, cada um com seu próprio certificado grátis.

Ilustração das linguagens de programação do Coddy

Aprenda Estatística para ML com Coddy

COMEÇAR