Para quem quer aprender
Você não está perdido.
Você recebeu o mapa errado.
Ninguém te disse por onde começar, o que pular e quando parar de estudar e começar a fazer. Aí você conclui que o problema é você. Não é.
Se isso soa familiar
O ciclo que trava quase todo mundo.
Excesso de opção
Python ou R? Estatística antes ou depois? Aquele curso de 60 horas resolve? Você gasta mais tempo escolhendo o caminho do que andando nele.
A sensação de estar atrasado
Todo mundo no LinkedIn parece já ter chegado. Você acha que começou tarde demais, ou que precisaria ser "de exatas" para isso dar certo.
Isso não deveria ser assim
Aprender dados não deveria depender da sorte de tropeçar no conteúdo certo. Deveria ter um caminho. Simplesmente nunca te deram um.
Quem vai te guiar
Eu travei nos mesmos lugares.
Minha graduação foi Administração. Entrei em dados de fora, adulto, tendo que aprender o que todo mundo parecia já saber. Sei exatamente onde dói, porque doeu em mim.
De lá para cá: mestrado e doutorado em Engenharia de Produção, MBA em Data Science na FIAP, e sala de aula desde 2011, na graduação e na pós. Já vi centenas de pessoas atravessarem esse caminho. Sei onde elas desistem e sei o que evita isso.
“Você não precisa ser gênio. Precisa de ordem.”
O plano
Três passos, nessa ordem, sem pular.
Base que sustenta
Estatística e lógica de dados antes de ferramenta. É a parte que quase todo curso pula, e é exatamente a que separa quem roda código de quem entende o que rodou.
Ferramenta com propósito
Python, SQL e machine learning aplicados a problemas reais, não a datasets de brinquedo. Você aprende a técnica já sabendo para que ela serve.
Projeto que prova
Você termina com um trabalho seu, defensável numa entrevista. Não um certificado. Um portfólio.
Se nada mudar
Mais dois anos assim
- Mais três cursos comprados e não terminados.
- A mesma vaga, o mesmo salário, a mesma sensação.
- Ver a área andar sem você e concluir que agora sim é tarde.
Se você começar
Do outro lado
- Um caminho claro, com ordem e prazo.
- Um projeto próprio para mostrar, não só para citar.
- Entender o modelo a ponto de questioná-lo, e ser a pessoa que faz isso na reunião.
Material disponível agora
O mapa, em cinco partes.
Livros digitais curtos e diretos, cada um resolvendo um ponto específico de trava. Dá para começar por qualquer um, mas eles fazem mais sentido nessa ordem.
Mapa do Cientista de Dados
A visão geral do caminho: o que existe, o que importa e em que sequência. O mapa que ninguém te deu no começo.
Introdução à Data Science
Os conceitos que sustentam todo o resto. Se essa parte falha, nenhuma ferramenta salva depois.
Guia estruturado para começar
Do mapa para a prática: o que estudar primeiro, o que pode esperar e como não se perder no meio.
Como criar um portfólio de Data Science
Certificado não prova nada. Projeto prova. Aqui está o que construir e como apresentar.
Sua Transição Profissional Blindada
Mudar de área sem apostar no escuro: como reduzir o risco da troca e chegar preparado na entrevista.
Trilha completa
Formação guiada, do zero ao portfólio, com acompanhamento. Me chame no WhatsApp para entrar na lista.
Comece
Não sabe por onde começar?
Me conte onde você está e eu digo qual material faz sentido para o seu caso, ou se nenhum faz.