onboarding.pdf
- 2. Onboarding Call Apresentação Pessoal Sara Malvar • Engenheira Eletricista pela UnB ganhadora do melhor prêmio de Trabalho de Conclusão do Brasil pela ABCM/EMBRAER • Ganhadora de bolsa BRAFITEC na Universidade de CAEN. • Mestra em Ciências Mecânicas com dissertação digna do prêmio de Menção Honrosa da ABCM/EMBRAER. • Doutora em engenharia pela Escola Politécnica da Universidade de São Paulo. • Pesquisadora convidada na Universidade da Pensilvânia e na Universidade de Tóquio. • Pós-doc no RCGI - Research Center for Gas Innovation, colaborando como consultora para a Shell, Petrobras e ANP e no C4AI - Center for Artificial Intelligence, colaborando com a IBM. • Instrutora de Ciência de Dados e Machine Learning da Alura e na Mentorama. • Mentora e revisora de cursos de AI, Machine Learning e Deep Learning da Udacity há 3 anos, tendo ajudado na revisão quase 3000 projetos. • Consultora de ciência de dados em empresas como Fastshop, Symrise, Nubank e Ambev.
- 4. nome profissão/estudo o que espera do curso
- 5. • Aulas todas as quintas das 18h30 às 20h30 • Coleta de feedbacks no final de cada aula • Gravações disponibilizadas • Office hours terças das 18h30 às 19h30 • Unidades na plataforma • Atividades obrigatórias • Chamadas semanais com mentores Como funciona o curso? Onboarding Call
- 6. • 1 chamada de 30min por semana • Obrigatórias • Não é uma aula • Revisão de atividades da plataforma Ligações com os mentores Onboarding Call
- 7. ● Instalar Anaconda com Python 3 ○ https://bit.ly/awari-instalar-anaconda ● Ambiente de DS na nuvem: http://colab.research.google.com/ ● Conta no Github para portfólio com projetos open-source ● Zoom: https://zoom.us/download ● Aplicativo do Slack Ferramentas Necessárias Onboarding Call
- 8. Zoom 101 - Compartilhamento de Telas Onboarding Call *Sugestão vinda de alunos: Usar duas telas
- 9. Zoom 101 - Intercalando Telas Onboarding Call *Quem estiver compartilhando tela não conseguirá visualizar outras telas compartilhadas
- 10. • Simulação de uma aula presencial • Valor está na interação • Câmeras • Interrupções (bem vindas) Considerações sobre aulas ao vivo
- 11. • Estudo de Caso + Documentação (PDF ou Medium) OU • Competição de Ciência dos Dados (Kaggle) + Documentação (PDF ou Medium) E • Três Elementos de Portfólio • Blogging, Data Visualizations, Contrib Open Source, Youtube, Kaggle Projeto Final Onboarding Call
- 12. ● Slack ○ Dúvidas mais específicas ○ Suporte e mentores ○ Networking entre alunos ● Whatsapp ○ Networking entre alunos Comunidade e Colegas Onboarding Call
- 13. • Discussão entre colegas ou instrutor: Slack • Time ou mentores: Slack • Time Awari: e-mail Dúvidas e Suporte Onboarding Call
- 14. Metodologia DL ML Python Estatística Cálculo e Álgebra Linear Matemática Básica Top Down
- 15. • Objetivo do programa • Geração de um portfólio de DS • Preparação para uma vaga júnior • Reproduzir um projeto de Data Science do zero • Três pilares do curso • Abordar os tópicos que definem DS* • Checklist de skills de DS • Construção de Portfólio Roteiro do Curso *Maiores detalhes na aula
- 16. Cronograma de Aulas Semana 3 Python Semana 4 e 5 Coleta de Dados Semana 1 Visão Geral de Data Science Semana 2 Portfólio *Podem haver alterações
- 17. Cronograma de Aulas Semana 9 Estatística Semana 10 até 14 Machine Learning Semana 6 e 7 Manipulação de Dados Semana 8 Visualização Exploratória de Dados *Podem haver alterações
- 18. Cronograma de Aulas Semana 15 Deploy Semana 16 Bancos de Dados e Dashboards *Podem haver alterações
- 19. • Livros • Podcasts • Blogs • Fóruns • Filmes Recomendações
- 20. Q&A