fbpx

Maratona

Data Science 2020

Do ZERO ao AVANÇADO

(Para programadores e não-programadores)

"Prever para Prover..."

O mundo digital tem se expandido muito rapidamente nos últimos 10 anos. O lado digital possuía em 1995 cerca de 130 bilhões de gigabytes. Em 2020 este número será de 40 trilhões de gigabytes. Companhias precisarão de centenas de milhares, se não milhões, de trabalhadores para atuarem conectados com o mundo digital. Por isso a revista Harvard Business Review chamou a Data Science “ Da sexta profissão do século 21.”

"Independente da área que você atue, aprenda Data Science, Machine Learning. Caso contrário logo será considerado(a) dinossauro."

APRENDA TUDO!

De Python a controle e versionamento de código, você passará pela ementa mais completa do mercado em 12 cursos poderosos.

PROJETOS PRÁTICOS

Desenvolva dezenas de projetos práticos em pelo menos 5 linguagens como Python, R, SQL, NoSQL, Scala, Git, entre outras.

APRENDA EM SEU TEMPO!

Durante 12 meses você terá acesso ao conteúdo e a plataforma de ensino, recebendo inclusive todas as atualizações dentro deste tempo.

COMPETIÇÕES

No curso competições Kaggle você iniciará do zero e será levado(a) até o nivel EXPERT, participando de competições internacionais.

UTILIZE O FÓRUM!

Oferecemos aos alunos, para cada aula, um fórum sobre a lição, podendo comentar, questionar e compartilhar dúvidas.

13 CERTIFICAÇÕES: 360H

Cada curso possui certificação de 30h(vídeos, exercícios, leituras, documentações, atividades), totalizando 360h como certificado final da MARATONA DATA SCIENCE.

Público Alvo

Programadores

Você já programa em 1 ou mais linguagens de programação, possui grande interesse por I.A, Análise de dados e a possibilidade de carreira ou novos negócios na criação de soluções voltadas para o meio.

Não-Programadores

Apesar de ainda não ser sua área de atuação, é uma pessoa entusiasta e apaixonada por todas possibilidades da área, incluindo a migração de carreira ou até mesmo construção de seus primeiros projetos práticos guiados. 

Mentor

Weber

Palestrante, Cientista de dados e fundador Qoda

É fundador e Cientista de Dados na Qoda, além de prestar consultoria e mentoria a empresas e profissionais da área. Graduando em Data Science, autor do livro “DATA SCIENCE EM 12 SEMANAS” e pesquisador no campo da I.A, possui vasta experiência no mercado de tecnologia aliada a negócios, além de projetos e startups como Data Science brazil/Qoda, Nostradamus(algotrading), Sensiot(IOT) e Alita(assistente pessoal Whatsapp).

Módulo 1 - Python

Aprenda a programar com a linguagem de programação que mais cresce em todo o mundo. Intuitiva, simples e poderosa, Python aumenta sua relevância de forma exponencial para qualquer área de atuação, sendo considerada a melhor linguagem para uso de expressões regulares.

Módulo 2 - R

Uma das linguagens principais para análise estatística e de dados, além da forte comunidade no campo científico, R é de essencial domínio.

Módulo 3 - Probabilidade e Estatística

A base matemática essencial para qualquer decisão orientada a dados começa com entendimento de probabilidade e estatística aplicada a dados.

Módulo 4 - Machine Learning

Máquinas podem falar, ouvir, andar, traduzir, transcrever, ver e até mesmo criar, além de aprender. Aprendizado de máquina tornou-se um dos campos mais férteis dentro e fora da T.I

Módulo 5 - Deep Learning

Prototipar cérebros humanos pode parecer complexo e aqui criaremos modelos que superam capacidades humanas em diversas áreas com o aprendizado profundo.

Módulo 6 - Competições Kaggle

Comece, entenda, aprimore-se e torne-se um expert Kaggle em competições internacionais de Machine Learning.

Módulo 7 - SQL/NoSQL

Lidar com dados sem dominar BANCO DE DADOS é inviável: adentraremos os 2 principais paradigmas no âmbito: SQL e NoSQL.

Módulo 8 - Tableau

Uma das skills mais solicitadas em vagas de Data Scientists, o dataviz, ou visualização de dados com Tableau é ferramenta poderosa para insights rápidos em dashboards.

Módulo 9 - Big Data

Lidar com quantidades cada vez maiores de dados requer infra-estrutura e técnicas diferentes, incluindo manipulação e análise de dados: precisaremos lidar com o sistema hadoop/spark.

Módulo 10 - Scala

Linguagem de paradigma funcional baseada em Java: uma das mais requisitadas para Big Data, porém, raramente lecionada dentro do Brasil.

Módulo 11 - Deploy

Aprenda e domine as 4 formas de transformar seus modelos preditivos em aplicações prontas para o usuário final: realize o deploy.

Módulo 12 - Git/Github

Controle e versionamento de código são essenciais e quando o trabalho em equipe focada a dados é o que faz startups engolirem corporações gigantescas em poucos anos, lidar com Git e Github se faz skill obrigatória.

Ementa Completa

Aulas/Conteúdos densos, focados na prática

Por que aprender a programar?
Boas vindas
Avisos e Canais de Atendimento
Dicas de aprendizagem
S.O Windows
S.O Linux Ubuntu
Visualg
Algoritmos
Dados e Variáveis
Operadores
Condicionais
Seleção Múltipla
Repetições
O que é Python ?
Ambiente de Desenvolvimento
Google Colab
Hello, Qoda!
“Hello, Qoda!” JPYNB
Tipos de Dados e Variáveis
“Tipos de Dados e Variáveis” JPNYB
Operadores
“Operadores” JPYNB
Condicionais e Identação
“Condicionais e Identação” JPYNB
Strings
“Strings” JPYNB
Listas e Arrays
“Listas e Arrays” JPYNB
Tuplas
“Tuplas” JPYNB
Dicionários
“Dicionários” JPYNB
Laços de Repetição
“Laços de Repetição” JPYNB
Sets
“Sets” JPYNB
Tratamento de Erros
“Tratamento de Erros” JPYNB
Métodos e Funções
“Métodos e Funções” JPYNB
Funções Orientadas a Expressões
“Funções Orientadas a Expressões” JPYNB
Pacotes
“Pacotes” JPYNB
P.O.O
“P.O.O” JPYNB
Arquivos
“Arquivos” JPYNB
Web Scraping
“Web Scraping” JPYNB
APIs com Python básico
“APIs com Python básico” JPYNB
Mais…?
Python Lab
Fase 1
Fase 2
Fase 3
Feedback Python Fundamentos

Introdução
Ambiente de Desenvolvimento
Operadores
Conceitos básicos
Estruturas de Dados
Condicionais
Laços de Repetição
Desafio R
Funções com R
Pacotes
ggplot2
Tibble
Dplyr
Tidyr
Readr
Pipe
Stringr
Mais…?
R Lab
Fase 1
Fase 2
Fase 3
FEEDBACK R FUNDAMENTOS

Introdução
Classificação dos Dados
Amostragem
Erros de amostragem
Amostragem por conveniência
Estatística Descritiva
Amostragem estratificada
Amplitude
Amplitude com Python
Frequência Relativa
Ponto médio das classes
Frequência Relativa com Python
Gráficos de Distribuição de Frequência
Histogramas
Gráfico de barras
Gráfico de linhas
Medidas de tendência central: MÉDIA
Medidas de tendência central: MEDIANA
Medidas de tendência central: MODA
Média ponderada e Média de dados agrupados
Medidas de variação: Amplitude
Medidas de variação: Variância
Medidas de variação: Desvio Padrão
Medidas de posição: Quartil
Medidas de posição: Amplitude Interquartil
Medidas de posição: Decil e Percentil
Medidas de posição: Score Z e outliers
Conclusão
Introdução a Probabilidade
Probabilidade Clássica
Eventos Complementares
Probabilidade Condicional
Regra da Multiplicação
Regra da Adição
Probabilidade Empírica
Distribuições de Probabilidade
Resumo
Experimentos Binomiais
Distribuição Discreta
Distribuição Geométrica
Distribuição Poisson
Resumo Distribuições
Distribuição Normal/Gaussiana
Estatística Inferencial
Correlação
Correlação com Python
Fase 1
Fase 2
Feedback

Introdução
I.A: Ciência e Engenharia
Máquina de Turing
Aprendizado não é inteligência
I.A e Estatística
Hardware
Avanços
O que já é feito
Kaggle
Passos da Máquina
DSBOK
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – Elbow Method
Áreas e sub-áreas
O que é Machine Learning? conceito
Onde aplicar?
Tipos de Análises de Dados
Análise Descritiva
Passos Simplistas
Tipos de Machine Learning
Aquisição de Dados
Inspecionar Dados
Visão Estatística
Selecionar Dados
Limpar Dados
Combinar Dados
Filtrar/Agrupar Dados
Dados Randômicos
Exportar Dados
Ferramentas: DATASET
Ferramentas: DADOS
Ferramentas: MODELOS PREDITIVOS
Underfitting e Overfitting
Normalization
Aprendizado Supervisionado: CLASSIFICAÇÃO (Projeto IRIS)
Standardization
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – Introdução
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – Aquisição
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – DataViz
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – Outliers
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – Missing Values
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – One Hot Encoder
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – Feature Selection
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – Modelo Preditivo
Aprendizado Não-Supervisionado: CLUSTERING (Projeto K-means) – Introdução
Aprendizado Supervisionado: REGRESSÃO (Projeto VIDA) – Avaliação do Modelo Preditivo
Aprendizado Não-Supervisionado: CLUSTERING (Projeto KMeans) K-means com Sklearn
Aprendizado Não-Supervisionado: CLUSTERING (Projeto KMeans) – Iris e K-means
Validando seu modelo
Como foi selecionado?
Viés
Correlação e Causalidade
Treino/Teste
Formulações Matemáticas e Machine Learning
Underfitting, Overfitting e o equilíbrio
“NO FREE LAUNCH!”
Learning Curve
Tunning
Cross Validation
LOOCV
BOOTSTRAPPING
Grid Search e Random Search
Snooping
Introdução ao planejamento de projetos Machine Learning
Áreas de atuação
Fase 1: PROBLEMA
Fase 2: DADOS
Fase 3: PREPARE OS DADOS
Fase 4: MODELOS PREDITIVOS
Fase 5: AJUSTE DE MODELOS
Fase 6: APRESENTE
Fase 7: DEPLOY
Feedback

Introdução
Inteligência e Aprendizado
Humanos e Máquinas
Usos e Diferenças
Aplicações Deep Learning
Considerando o Ambiente Deep Learning
Quando não usar Deep Learning
Tensorboard
Colab e GPUs
Keras
QUIZZ Introdução ao Deep Learning
Principios e diferenciações
Entendendo que é pura matemática
Treinamento, Validação, Teste
Viés e Generalização
Algoritmos!
Deep Learning Frameworks
Popularidade dos frameworks
O lado negro dos frameworks
Escolhendo um framework
Frameworks Low-end
Por que Tensorflow?
Álgebra Linear
Matrizes e Arrays
Multiplicação Matricial
Regressão Polinomial
Otimização e Vetorização
Loss Functions
Tensores e Redes neurais
Fundamentos
Fórmulas
Regressão Linear na prática
Classificação e Regressão
Descida do gradiente
SGDRegressor Stochastic Gradient Descent
Perceptron
Funções Perceptron
Camadas Redes Neurais
Backpropagation
Overfitting
Quizz – Redes Neurais
Filtros
Funções
Resolvendo um problema simples
Funções de Ativação
Quizz – Desenvolvimento de Redes Neurais
Atividade prática – Solução
Atividade prática – Problema
Deep Learning
Entendendo implicações de Moore
Redes Neurais Convolucionais
Aproveitando Hardware
Explosion Gradient
Transfer Learning
Atividade
Quizz Deep Learning
Redes Neurais Convolucionais
Convoluções
Arquitetura LeNet
Visualização de convoluções
Transfer Learning
Quizz – Redes Neurais Convolucionais
Atividade
RNN
Reconhecendo e traduzindo a fala
LSTM
Quizz – Redes Neurais Recorrentes
Classificação de Imagem
Data Augmentation
Image Data Augmentation
Augmentation

Introdução
De Novice a Contributor
Overview Competição 1
Aquisição de Dados
Preparar Dados
Feature Engineering
Limpar e Agrupar
Converter
Análise Exploratória
Correlações
Modelo Preditivo
Submissão kaggle
Overview Competição 2
Definição do problema
Aquisição de Dados
Preparação de dados
Modelo Preditivo
Melhorias
Submit
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS
EM BREVE NOVAS AULAS

EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)

EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)

EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)

EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)

EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)

EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)
EM BREVE NOVAS AULAS(SEMANALMENTE)

Reviews

⭐⭐⭐⭐⭐

Sensacional todo o curso e material. Aulas foram muito bem explicadas, didáticas e organizadas.
Adriano
BELO HORIZONTE - MG

⭐⭐⭐⭐⭐

Sou muito grato por estar participando dessa jornada de conhecimento oferecido pela Qoda. A didática é excelente, cada detalhe é explicado de forma bem detalhada. Uma super odisséia de conhecimento, super recomendo!
Osemar
RIO DE JANEIRO - RJ

⭐⭐⭐⭐⭐

Estou procurando há 1 ano sobre como programar em python, em sites gratuitos, e nenhum dele explicou de forma tão direta e objetiva como esse. Logico que essa aula foi paga, mas para mim que não tenho renda foi simplesmente um preço acessivel e ótima aula. Obrigada!
Ariela
BRASÍLIA - DF

Comece...

R$2992
R$ 992
  • Online, em seu tempo;
  • Domine a linguagem de programação que mais cresce no mundo: Python;
  • Incremente seu portfólio com projetos únicos;
  • Entenda e implemente soluções de I.A de forma dinâmica;
  • Aprendizado guiado: fórum com grupo privado para alunos;
ÚLTIMAS VAGAS