---

Sobre o Projeto

Repositório colaborativo da turma de Análise de Dados e Visualização de BI do Lab365 / SENAI SC. Cada aluno constrói aqui, ao longo de 28 semanas, um portfólio público e rastreável — visível por recrutadores desde o primeiro commit. Exercícios são Pull Requests. Correções são commits. Projetos terminam publicados. O histórico de aprendizado fica documentado no git.

Para educadores: este repositório é um modelo funcional para cursos de dados. Faça um fork e adapte para sua turma — instruções na seção Para Educadores.

---

Por Que Este Modelo?

| | Modelo Tradicional | Este Repositório | |---|---|---| | Entrega de exercícios | ZIP por e-mail ou AVA | Pull Request revisada no GitHub | | Portfólio | Criado depois da formatura | Construído semana a semana | | Feedback do professor | Privado, perdido no tempo | Documentado na thread do PR | | Histórico de aprendizado | Inexistente | 100% rastreável via git log | | Visibilidade para recrutadores | Zero durante o curso | Pública desde o primeiro commit | | Habilidade de versionamento | Teoria isolada | Prática real e obrigatória | | Colaboração | Individual, sem interação | Branch → PR → review → merge |

---

Currículo

Módulo 1 — Fundamentos de Análise de Dados

14/04/2025 a 17/07/2025 · Terça, Quinta e Sexta

| Semana | Período | Tema | |--------|---------|------| | 1 | 14–17/04 | Introdução e Fundamentos de Business Intelligence | | 2 | 21–24/04 | Lógica de Programação com Python | | 3 | 28/04–01/05 | Python + Versionamento com Git e GitHub | | 4 | 05–08/05 | Manipulação de Dados · Funções e Modularização | | 5 | 12–15/05 | Pandas e NumPy | | 6 | 19–22/05 | Limpeza e Transformação de Dados | | 7 | 26–29/05 | Fontes de Dados · Web Scraping · Mini-Projeto Avaliativo | | 8 | 02–05/06 | Modelagem Dimensional · Data Warehouse | | 9 | 09–12/06 | SQL para DW | | 10 | 16–19/06 | SQL Avançado · Window Functions · Performance | | 11 | 23–26/06 | Análise Exploratória de Dados (AED) | | 12 | 30/06–03/07 | Visualização com Seaborn e Matplotlib | | 13 | 07–10/07 | Projeto Avaliativo Individual | | 14 | 14–17/07 | Encerramento do Módulo 1 |

Avaliação Módulo 1

| Avaliação | Peso | Descrição | |-----------|------|-----------| | M1.1 — Mini-Projeto | 25% | Extração e limpeza de dados públicos com Python (squads) | | M1.2 — Projeto Individual | 60% | AED + visualizações + documentação de base pública | | M1.3 — Listas de Exercícios | 15% | Exercícios semanais entregues no AVA |

---

Módulo 2 — Visualização de Dados e Business Intelligence

21/07/2025 a 30/10/2025 · Segunda, Quarta e Sexta

| Semana | Período | Tema | |--------|---------|------| | 1 | 21–24/07 | Ética em Dados · LGPD · Vieses Algorítmicos | | 2 | 28–31/07 | Introdução a Dashboards · Ferramentas de BI | | — | 04–07/08 | Semana de Recuperação do Módulo 1 | | 3 | 11–14/08 | Looker Studio — Fundamentos | | 4 | 18–21/08 | Looker Studio — Avançado · Storytelling | | 5 | 25–28/08 | Design de Dashboards · UX/UI · Mini-Projeto Avaliativo | | 6 | 01–04/09 | Power BI — Fundamentos | | 7 | 08–11/09 | Power BI — DAX · Publicação · Mobile | | 8 | 15–18/09 | Tableau — Fundamentos | | 9 | 22–25/09 | Tableau — LOD · Storytelling · Publicação | | 10 | 29/09–02/10 | Streamlit com Python — Fundamentos | | 11 | 06–09/10 | Streamlit com Python — Deploy na Nuvem | | 12 | 13–16/10 | Metodologias Ágeis · SCRUM · Kanban | | 13 | 20–23/10 | Projeto Avaliativo em Squads | | 14 | 27–30/10 | Encerramento do Módulo 2 |

Avaliação Módulo 2

| Avaliação | Peso | Descrição | |-----------|------|-----------| | M2.1 — Mini-Projeto | 30% | Painel Looker Studio com design e storytelling (squads) | | M2.2 — Projeto em Squads | 60% | 2 dashboards (Streamlit + ferramenta à escolha) + documentação | | M2.3 — Listas de Exercícios | 10% | Exercícios semanais entregues no AVA |

---

Stack e Competências

| Camada | Ferramentas | Competência desenvolvida | |--------|-------------|--------------------------| | Linguagem | Python 3.10+ | Lógica, funções, OOP básico, manipulação de arquivos | | Análise | Pandas · NumPy | Limpeza, transformação, agregação e análise exploratória | | Visualização | Matplotlib · Seaborn · Plotly | Gráficos estáticos, interativos e storytelling com dados | | Notebooks | Jupyter · JupyterLab | Prototipagem reproduzível e documentação de análises | | BI & Dashboards | Looker Studio · Power BI · Tableau | Modelagem dimensional, DAX, publicação e storytelling | | Deploy | Streamlit + Cloud | Aplicações de dados com Python e deploy em produção | | Dados | SQL · DW · OLAP | Modelagem estrela, window functions, otimização de queries | | Colaboração | Git · GitHub · SCRUM | Fluxo colaborativo, code review via PR, metodologia ágil | | Ambiente | Anaconda · venv | Gerenciamento de ambientes e dependências |

---

Estrutura do Repositório

turma-visualizacao-de-dados/
 │
 ├── aulas/                              ← Materiais didáticos do professor
 │   ├── semana_02/
 │   │   └── html/                       ← Slides: Git e GitHub — versionamento
 │   ├── semana_03/
 │   │   └── html/                       ← Slides: Python fundamentos e colaboração
 │   ├── semana_04/
 │   │   ├── html/                       ← Slides: manipulação de dados e funções
 │   │   ├── bases/                      ← Datasets de aula (CSV, JSON, XLSX, ipynb)
 │   │   └── notebooks/                  ← Notebooks: revisão e demonstrações
 │   └── semana_05/
 │       └── notebooks/                  ← Notebooks: desafios Pandas e NumPy
 │
 ├── exercicios/                         ← Exercícios com gabarito — Python progressivo
 │   ├── 01.sintaxe/                     ← print, input, comentários  (3 exercícios)
 │   ├── 02.variaveis/                   ← Tipos primitivos e casting  (6 arquivos)
 │   ├── 03.Estruturas/                  ← Condicionais e loops        (3 exercícios)
 │   └── 04. Exercicios/                 ← Desafios práticos + gabaritos
 │       ├── calculadora.py              ← Desafio: calculadora interativa
 │       ├── gabarito_calculadora.py     ← Gabarito
 │       ├── cadastro_produtos.py        ← Desafio: caixa de loja com desconto
 │       └── cadastroprodutosgabarito.py
 │
 ├── datasets/                           ← Datasets compartilhados (.csv · .json · .xlsx)
 ├── projetos/                           ← Galeria de projetos finais aprovados
 │
 ├── alunos/                             ← Portfólios individuais dos alunos
 │   ├── TEMPLATE_README.md              ← Modelo de portfólio para copiar
 │   └── nome-sobrenome/
 │       ├── README.md                   ← Portfólio e apresentação pessoal
 │       ├── exercicios/                 ← Entregas de exercícios
 │       └── projetos/                   ← Projetos autorais
 │
 └── .github/
     └── ISSUE_TEMPLATE/                 ← Templates de dúvida e problema de PR

Alunos: toda a sua atuação é dentro de alunos/seu-nome/. Nenhum outro diretório deve ser modificado.

---

Portfólios dos Alunos

Clique no nome para acessar o portfólio público de cada aluno.

| Aluno | Portfólio | |-------|-----------| | Andressa Alves | → ver portfólio | | Anaysa Lopes | → ver portfólio | | Beatriz Bruns | → ver portfólio | | Bruno Briani | → ver portfólio | | Camilla Lonatas | → ver portfólio | | Camilla Nascimento | → ver portfólio | | Carlos F. | → ver portfólio | | Christian Wis | → ver portfólio | | Claudi Borges | → ver portfólio | | Daniel Roberto | → ver portfólio | | Felipe Vampre | → ver portfólio | | Gustavo Branga | → ver portfólio | | Isaac Trenard | → ver portfólio | | Jakson Luis | → ver portfólio | | Jonatas Mag | → ver portfólio | | Leo Gobel | → ver portfólio | | Lourenço Lemos | → ver portfólio | | Luís Napolitano | → ver portfólio | | Luís Oliveira | → ver portfólio | | Luiz Fernando Jesus | → ver portfólio | | Marcos Bhering | → ver portfólio | | Maria Helena | → ver portfólio | | Orlando Castro | → ver portfólio | | Robson Américo | → ver portfólio | | Rogério Estumano | → ver portfólio | | Ruan Fernandes | → ver portfólio | | Samuel Bucco | → ver portfólio | | Sérgio Leite | → ver portfólio | | Stefano Laurito | → ver portfólio | | Victor H. Santos | → ver portfólio | | Waldinei Lameira | → ver portfólio | | Zaira Wendt | → ver portfólio | | Cláudio Neves (professor) | → ver portfólio | Sua pasta ainda não aparece? Siga o guia de contribuição e abra um PR._

---

Como Começar

Pré-requisito

O professor adiciona você como colaborador. Aceite o convite que chegará no e-mail cadastrado no GitHub.

Configuração inicial — faça uma única vez

# 1. Clone o repositório
 git clone https://github.com/cfneves/turma-visualizacao-de-dados.git
 cd turma-visualizacao-de-dados
 
 
2. Crie sua pasta de aluno (use seu nome em letras minúsculas com _)
 mkdir alunos/nome-sobrenome
 cp alunos/TEMPLATE_README.md alunos/nome-sobrenome/README.md

Edite o README.md com suas informações — esse arquivo é seu cartão de visitas para recrutadores.

Fluxo de entrega — repita a cada exercício ou projeto

# Atualize sua cópia local
 git checkout master
 git pull origin master
 
 
Crie uma branch para esta entrega
 git checkout -b feat/exercicio-01-seu-nome
 
 
Trabalhe dentro de alunos/seu-nome/ ...
 
 
Commit e envio
 git add alunos/seu-nome/
 git commit -m "feat(alunos): adiciona exercício 01 - Seu Nome"
 git push origin feat/exercicio-01-seu-nome
 
 
Abra o Pull Request no link exibido no terminal

Guia completo com convenção de commits, resolução de conflitos e boas práticas: CONTRIBUTING.md

---

Para Educadores

Este repositório pode ser adaptado como template para qualquer curso de análise de dados. Como usar:

• Faça um fork deste repositório

• Edite README.md com o nome da sua turma e instituição

• Atualize CONTRIBUTING.md com seu fluxo de trabalho

• Adicione seus alunos como colaboradores no GitHub

• Substitua os materiais em aulas/ pelos seus

• Cada aluno cria sua pasta em alunos/ e entrega via PR

Funciona para:

• Cursos técnicos (SENAI, SENAC, IFs, CEFETs)

• Bootcamps de dados e tecnologia

• Disciplinas universitárias de ciência de dados

• Programas de capacitação corporativa

---

Contribuindo

Contribuições são bem-vindas. Leia o CONTRIBUTING.md para entender o fluxo, a convenção de commits e as boas práticas. Encontrou um problema ou tem uma sugestão? Abra uma Issue.

---

Código de Conduta

Este projeto adota o Contributor Covenant v2.1. Ao participar, você concorda em manter um ambiente respeitoso e colaborativo para todos.

---

Licença

Distribuído sob a licença MIT. Materiais didáticos podem ser adaptados livremente com atribuição.

---

Professor

Cláudio Neves Análise de Dados · BI · Lab365 / SENAI SC

---

<sub>Feito com dedicação pela turma de Visualização de Dados · Lab365 / SENAI SC

⭐ Se este repositório foi útil, deixe uma estrela</sub>