Experiência e Conhecimentos Prévios

Para garantir o alinhamento de expectativas e o máximo aproveitamento ao longo das 65 horas de formação, o Curso de Análise de Dados com Python (PCED™) estabelece com clareza o perfil de partida exigido.

Embora o programa seja desenhado para ensinar a sintaxe e a lógica do Python a partir do zero, o ritmo e os objetivos de saída profissionais pressupõem uma base de maturidade analítica por parte do participante.

• Proficiência Intermédia em Folhas de Cálculo: Deve possuir experiência prática e diária na utilização do Microsoft Excel ou ferramentas similares (Google Sheets). É fundamental dominar conceitos como a organização de dados em tabelas (linhas e colunas), a aplicação de filtros, ordenação e a lógica de fórmulas básicas.

• Raciocínio Lógico e Pensamento Analítico: Capacidade para interpretar dados quantitativos simples (médias, percentagens, tendências) e apetência natural para a resolução de problemas estruturados.

• Literacia Digital Operacional: Autonomia na utilização do sistema operativo, o que inclui agilidade na gestão, organização e compressão de ficheiros, compreensão básica de extensões de dados (como .csv, .xlsx ou .txt) e facilidade na instalação de novos softwares.

• Competência de Leitura em Inglês: É altamente recomendável uma capacidade intermédia de leitura na língua inglesa. Embora as aulas e o suporte sejam 100% em português, a sintaxe da linguagem Python, a documentação técnica das bibliotecas (como o NumPy) e o exame de certificação oficial PCED™ utilizam o idioma inglês.

Nível da Formação: Intermédio(ver níveis)

O curso Análise de Dados com Python (PCED™) está estruturado de forma progressiva, permitindo ao formando evoluir desde os conceitos fundamentais de dados e programação até à aplicação prática de técnicas de análise, interpretação e comunicação de resultados.

A formação encontra-se organizada em cinco módulos sequenciais:

• Módulo 1: Introdução aos Conceitos e Fluxo de Trabalho de Dados: Neste módulo são estabelecidas as bases conceptuais essenciais para a área da análise de dados. O formando irá compreender o papel dos dados nas organizações e o enquadramento do ecossistema atual de Data Analytics, distinguindo diferentes tipologias de dados e os principais paradigmas da área. Serão ainda explorados os principais modelos de trabalho de um analista de dados, desde a recolha até à transformação da informação em conhecimento útil, bem como os princípios fundamentais de ética, privacidade e conformidade com o RGPD.

• Módulo 2: Fundamentos de Python Aplicados à Análise de Dados: Este módulo introduz a linguagem Python do ponto de vista prático, orientado à análise de dados. O formando aprende a configurar o ambiente de trabalho e a utilizar a sintaxe base da linguagem. São abordados conceitos estruturantes como variáveis, tipos de dados, estruturas condicionais e ciclos de repetição, bem como estruturas de dados fundamentais (listas, dicionários, tuplos e conjuntos). Inclui ainda o desenvolvimento de funções, gestão de âmbito de variáveis e mecanismos de tratamento de erros, permitindo ao formando começar a escrever código estruturado, reutilizável e funcional.

• Módulo 3: Aquisição, Limpeza e Pré-processamento de Dados: Neste módulo o foco passa para a manipulação de dados reais. O formando aprende a importar e exportar dados a partir de diferentes fontes, com especial destaque para ficheiros CSV e ficheiros de texto. São também exploradas técnicas essenciais de preparação de dados, incluindo identificação e tratamento de valores em falta, eliminação de duplicados e correção de inconsistências, assegurando a qualidade da informação antes da análise.

• Módulo 4: Análise de Dados e Técnicas Exploratórias: Este módulo centra-se na análise quantitativa e exploratória de dados. O formando é introduzido à computação numérica com NumPy e à aplicação prática de estatística descritiva em contexto de programação. São igualmente abordadas técnicas de exploração de dados (EDA), como filtragem, ordenação e agregação de informação, bem como a identificação de padrões, tendências e outliers que possam influenciar a interpretação dos dados.

• Módulo 5: Comunicação de Insights, Relatórios e Preparação para Exame: O último módulo foca-se na interpretação e comunicação dos resultados obtidos. O formando aprende os princípios fundamentais de Data Storytelling, desenvolvendo a capacidade de transformar análises técnicas em informação clara e compreensível para públicos não técnicos. Inclui ainda uma revisão global dos conteúdos abordados no curso, com foco na preparação para o exame de certificação PCED™, bem como a resolução orientada de questões-tipo e estratégias de gestão de tempo e abordagem ao exame.

Obtenha o programa detalhado do curso.

Caso tenha dificuldade em estar presente em alguma sessão, avise-nos que a mesma será gravada e disponibilizada em portal.