Q: Linkedin e CV

Linkedin Artigo Checklist CV Exemplo CV

Q: Introdução ao Python

Vídeo PDF Python_Tratamento_Visualizacao_Estatistica Exercício Abrir o navegador e digitar colab.new para abrir um novo colab no Google e rodar o código em anexo Exercício

Q: Portfólio de Projetos em Dados

PDF Portfolio_Projetos_Dados Como publicar dashboard no Power BI (PBI) Parar criar um e-mail institucional e acessar o workspace e ter link publico do power bi, se increva no site abaixo: https://cadastro.escoladotrabalhador40.com.br/?ref=d37156ac48810a85399020899487ea2e Além de fornecer o e-mail institucional, tem alguns cursos gratuitos. O e-mail a principio fica ativo por 2 meses. Exemplos de Portfólio Exemplo 01 Exemplo 02 Exemplo 03

Question 1

Assessment

Accepted Answer

Question 2

Intro Dados & Inteligência Artificial | Carreiras

Accepted Answer

Vídeo

PDF

Intro_Carreira_DataAnalytics_Set25

Mapa de objetivos

Mapa de Objetivos

Roteiro de Estudos

Question 3

Processo de análise

Accepted Answer

<ul> <li>Vídeo</li> </ul>

Question 4

SQL

Accepted Answer

Curso

Exercício

Teste SQL

Page 1 of 3

Com base na tabela abaixo

Traga em uma única tabela uma consulta com o campo nome campanha e soma do investimento para todas as campanhas cadastradas (ou seja, incluindo campanhas que não tiveram investimento).

SELECT ID Campanha, Ano, Investimento,Nome Campanha FROM Tabela Investimento as I INNER JOIN Tabela Campanha as C ON I.ID Campanha = C.ID Campanha; GROUP BY Nome Campanha; SELECT ID Campanha, Ano, Investimento,Nome Campanha FROM Tabela Investimento as I INNER JOIN Tabela Campanha as C ON I.ID Campanha = C.ID Campanha; select tc.nome_campanha \"Campanha\", coalesce(sum(ti.investimento),0) \"Total investimento\" from tabela_campanha tc left join tabela_investimento ti on tc.Id_campanha = ti.Id_campanha select tc.nome_campanha \"Campanha\", coalesce(sum(ti.investimento),0) \"Total investimento\" from tabela_campanha tc left join tabela_investimento ti on tc.Id_campanha = ti.Id_campanha group by tc.nome_campanha

Page 2 of 3

Com base na tabela abaixo

Traga em uma única tabela uma consulta com o campo nome campanha e soma do investimento as campanhas que tiveram a soma de investimento maior que 1000 reais

select tc.nome_campanha \"Campanha\", coalesce(sum(ti.investimento),0) \"Total investimento\" from tabela_campanha tc left join tabela_investimento ti on tc.Id_campanha = ti.Id_campanha where coalesce((ti.investimento),0) > 1000 group by tc.nome_campanha having coalesce((ti.investimento),0) > 1000 select tc.nome_campanha \"Campanha\", coalesce(sum(ti.investimento),0) \"Total investimento\" from tabela_campanha tc left join tabela_investimento ti on tc.Id_campanha = ti.Id_campanha where coalesce(sum(ti.investimento),0) > 1000 group by tc.nome_campanha select tc.nome_campanha \"Campanha\", coalesce(sum(ti.investimento),0) \"Total investimento\" from tabela_campanha tc left join tabela_investimento ti on tc.Id_campanha = ti.Id_campanha where coalesce(sum(ti.investimento),0) > 1000 group by tc.nome_campanha having coalesce(sum(ti.investimento),0) > 1000 select tc.nome_campanha \"Campanha\", coalesce(sum(ti.investimento),0) \"Total investimento\" from tabela_campanha tc left join tabela_investimento ti on tc.Id_campanha = ti.Id_campanha group by tc.nome_campanha having coalesce(sum(ti.investimento),0) > 1000

Page 3 of 3

Com base na tabela employee_salary abaixo:

Crie uma consulta que contenha o salário médio por departamento e compare se o empno dentro daquele departamento tem um salário maior, menor ou igual a média.

Ex. de tabela de output:
col1: depname, col2: salary, col3: media salario (do departamento), col 4: logica comparando salary e media salario

a) SELECT ROUND(AVG(salary),2) as media, depname FROM Tabela Salarios Where empno and >= media or empno <=media ORDER BY depname DESC; b) select depname, salary, avg(salary) over(PARTITION by depname) as media_departamento, case when salary > avg(salary) over(PARTITION by depname) then 'Maior' when salary < avg(salary) over(PARTITION by depname) then 'Menor' else 'Igual' end as comparativo from tabela_salario c) with average_salary as( select depname, avg(salary) \"avg_salary\" from employee_salary group by depname ) select es.depname \"Departamento\", as.avg_salary \"Média salarial empno, es.salary \"Salário\", case when es.salary > as.avg_salary then 'Maior que a média' when es.salary < as.avg_salary then 'Menor que a média' else 'Igual a média' end as \"Salário vs Média salarial from employee_salary es join average_salary as on es.depname = as.depname d) As alternativas b e c estão corretas

Endereço de E-mail *

Question 5

Linkedin e CV

Accepted Answer

Linkedin

Artigo

Checklist

CV

Exemplo CV

Question 6

Supply Chain Analytics

Accepted Answer

Vídeo

PDF

SupplyChainAnalytics_20240713

Exercício

Page 1 of 5

Qual dos seguintes indicadores é mais relevante para avaliar a eficiência de uma frota de transportes? Taxa de retorno de clientes Taxa de ocupação dos veículos Rotatividade de estoque Capacidade do caminhão

Page 2 of 5

No contexto de gestão de estoques, o que o termo \"custo de manter estoque\" geralmente inclui? Custo de transporte e entrega Custo de capital, armazenagem, e obsolescência Custo de produção e fabricação Custo de desenvolvimento de novos produtos

Page 3 of 5

Qual dos seguintes métodos é mais eficaz para monitorar e gerenciar a variabilidade na demanda de estoque? Análise ABC Previsão de séries temporais Benchmarking Pesquisa de mercado

Page 4 of 5

Qual das seguintes métricas é crucial para avaliar o desempenho de um operador logístico em termos de pontualidade? Taxa de devoluções Custo de frete On-time delivery (OTD) Taxa de utilização de armazém

Page 5 of 5

Imagine o seguinte cenário na empresa: A empresa diminuiu os dias de estoques de 115 dias para 100 dias e diminuiu o OTIF Cliente de 75% para 73%. Diante disso, como empresa: Você deveria comemorar, pois houve uma otimização de estoques e OTIF Você não deveria comemorar, pois não houve uma otimização de estoques e nem OTIF Deveria comemorar a otimização de estoques, porém não comemorar o OTIF Nenhuma das alternativas anteriores

Endereço de E-mail *

Question 7

Introdução ao Marketing Analytics

Accepted Answer

Aprenda como usar dados para melhorar os resultados através de modelos de Inteligência Artificial referentes aos desafios das áreas de CRM (Customer Relationship Management), Mídias Pagas, SEO, Mídias Sociais, Marca e Comunicação
PDF

MarketingAnalyticsScience_20240713

Vídeo

Quiz

Teste Marketing Analytics

Page 1 of 4

O que é Marketing Mix Modeling (MMM)? A) Uma técnica utilizada para prever o comportamento do consumidor com base em dados de redes sociais. B) Uma abordagem que analisa o impacto de diferentes elementos de marketing (como preço, promoção e produto) nas vendas ou outros KPIs, usando modelos estatísticos. C) Um método para criar campanhas publicitárias focadas exclusivamente no público-alvo digital. D) Uma estratégia de marketing que se concentra em otimizar o conteúdo para mecanismos de busca (SEO).

Page 2 of 4

O que é uma análise de cohort no contexto de marketing e comportamento do consumidor? A) Um método para segmentar usuários com base em suas interações em redes sociais. B) Um estudo que agrupa consumidores por características demográficas para prever tendências de mercado. C) Uma técnica que agrupa consumidores com base em uma experiência comum em um período de tempo específico, permitindo o acompanhamento do comportamento ao longo do tempo. D) Um relatório que analisa o desempenho de campanhas publicitárias apenas no período pós-lançamento.

Page 3 of 4

O que significa CLV (Customer Lifetime Value) no contexto de marketing analytics? A) O valor gasto por um cliente em sua primeira compra. B) A quantidade de novos clientes adquiridos por meio de uma campanha. C) A previsão de quanto um cliente gerará de receita durante seu relacionamento com a empresa. D) A taxa de conversão de um cliente em uma campanha de e-mail.

Page 4 of 4

No marketing analytics, o que Taxa de Conversão mede? A) A quantidade de cliques em um anúncio. B) O percentual de visitantes de um site que realizam uma ação desejada, como preencher um formulário ou fazer uma compra. C) A taxa de rejeição de uma página. D) O número total de impressões de uma campanha.

Endereço de E-mail *

Question 8

Introdução ao Python

Accepted Answer

Vídeo

PDF

Python_Tratamento_Visualizacao_Estatistica

Exercício

Abrir o navegador e digitar colab.new para abrir um novo colab no Google e rodar o código em anexo

Exercício

Question 9

Power BI (Dicas)

Accepted Answer

Power BI (Dicas)

Question 10

Portfólio de Projetos em Dados

Accepted Answer

PDF

Portfolio_Projetos_Dados

Como publicar dashboard no Power BI (PBI)

Parar criar um e-mail institucional e acessar o workspace e ter link publico do power bi, se increva no site abaixo:
https://cadastro.escoladotrabalhador40.com.br/?ref=d37156ac48810a85399020899487ea2e
Além de fornecer o e-mail institucional, tem alguns cursos gratuitos. O e-mail a principio fica ativo por 2 meses.

Exemplos de Portfólio

Exemplo 01

Exemplo 02

Exemplo 03

Question 11

Docker

Accepted Answer

<ul> <li>PDF</li> </ul>   <a href='https://carreiradados.com.br/wp-content/uploads/2025/10/Docker.pdf'>Docker</a>

Question 12

CRM

Accepted Answer

Inbound Marketing: Aprenda a atrair leads, engajar prospects e encantar clientes usando a metodologia inbound.

Mídias Sociais: Amplie seu alcance e gere leads com uma estratégia multicanal de mídias sociais.
E-mail Marketing: Comunique-se com impacto, impulsione o crescimento e gere receita usando o e-mail estrategicamente.
Marketing de Conteúdo: Estimule o crescimento dos negócios criando e promovendo conteúdo relevante.
Growth hacking: como encontrar maneiras criativas e de baixo custo para acelerar o crescimento de uma empresa

CRM_20240713

Vídeo

Base Exercício

Base CRM

Exercício

Teste CRM

Page 1 of 3

A partir da base CRM, qual seria a taxa de entrega, taxa de abertura e taxa de clique do e-mail marketing? Tx. Entrega = 100%, Tx. Abertura = 75%, Tx. Clique = 50% Tx. Entrega = 97.4%, Tx. Abertura = 75%, Tx. Clique = 50% Tx. Entrega = 97.4%, Tx. Abertura = 55.0%, Tx. Clique = 22.8% Tx. Entrega = 97.4%, Tx. Abertura = 53.6%, Tx. Clique = 12.2%

Page 2 of 3

2-Com base no excel, como você define quais são os leads qualificados para uma ação de venda? Os leads mais qualificados são aqueles que receberam a maior quantidade de emails Os leads mais qualificados são os que deram opt-out Os leads mais qualificados são aqueles que tiveram o maior tx. de abertura, tx. de clique e tiveram maior engajamento dentro do site Nenhuma das anteriores

Page 3 of 3

Quais outras variáveis você sugeriria para o seu gestor que poderia ajudar mais na segmentação? Somente Psicográficos: Interesse, personalidade e - Comportamento: Navegação do site, momento de vida do cliente. Somente Transação: Frequência, recência e valor com base no Histórico de compras Somente Demográfico: Idade, sexo, renda, cargo ou função, localização Todas as anteriores

Endereço de E-mail *

Question 13

Web Analytics

Accepted Answer

Conceitos Fundamentais e Ferramentas de Mídia e Web Analytics:
- Compreender o propósito e a importância do web analytics.
- Familiarizar-se com os principais indicadores de desempenho (KPIs) usados em análise de dados para medir o sucesso de um site.
- Dominar o uso de ferramentas populares de web analytics, como Google Ads e Google Analytics 4 (GA4)
- Aprender a configurar e interpretar relatórios, segmentações e funis de conversão nessas ferramentas.
Rastreamento de Dados:
- Entender como funciona o rastreamento de dados por meio de cookies, tags e pixels.
- Saber como implementar e verificar o correto funcionamento desses mecanismos de rastreamento.
Análise de Dados, Métricas e Dimensões:
- Coletar, limpar e organizar dados brutos provenientes das ferramentas de web analytics.
- Realizar análises exploratórias para identificar padrões, tendências e insights relevantes.
- Conhecer as principais métricas, como taxa de rejeição, tempo médio na página, taxa de conversão, entre outras.
- Entender as dimensões, como origem de tráfego, dispositivos, páginas visitadas, etc.
Google Ads e Google Analytics 4
- O Google Ads é a plataforma de publicidade online do Google, que permite aos anunciantes criar anúncios que são exibidos no Google e em sua rede de parceiros. Funciona com um modelo de pagamento por clique (PPC), onde os anunciantes pagam apenas quando os usuários clicam em seus anúncios.
- Aprenda como integrar dados do Google Ads com o Google Analytics 4 com relação às principais métricas
Testes A/B e Multivariados:
- Aprender a planejar, executar e analisar testes A/B e multivariados para otimizar páginas e fluxos de conversão.

GA4_20240429

Vídeo

Acesso ao Demo Account do Google

Link

Question 14

Google Ads

Accepted Answer

Google Ads é a plataforma de publicidade online do Google que permite às empresas exibirem anúncios nos resultados de busca, YouTube e outros sites parceiros. Um dos principais benefícios é a segmentação precisa, permitindo alcançar o público-alvo com base em palavras-chave, localização e interesses. Além disso, o pagamento é baseado em resultados, como cliques ou conversões, o que otimiza o investimento e garante um retorno mais eficiente.

PDF

GoogleAds_20240904

Vídeo

Question 15

Projeto Marketing Analytics & Science

Accepted Answer

Qual recomendação você daria para otimizar os investimentos de marketing? Baixe o arquivo Pacing e monte um dashboard no Power BI.

Base Pacing

Question 16

Gabarito Projeto Marketing Analytics & Science

Accepted Answer

<p>Gabarito</p>

Question 17

SEO

Accepted Answer

SEO (Search Engine Optimization) é o conjunto de estratégias e técnicas usadas para melhorar o posicionamento de um site nos resultados orgânicos dos motores de busca, como o Google. Um dos principais benefícios é o aumento do tráfego qualificado de forma orgânica, sem a necessidade de investimentos diretos em publicidade. Além disso, um bom SEO melhora a visibilidade da marca a longo prazo, proporcionando mais credibilidade e confiança aos usuários. Saber como usar dados de web analytics para melhorar o desempenho orgânico e pago nos mecanismos de busca.

PDF

SEO_20240710

Teste

Teste SEO

Page 1 of 1

Qual das métricas NÃO é relevante no canal orgânico? CTR Posição média Impressão Investimento

Endereço de E-mail *

Question 18

Finance Analytics

Accepted Answer

PDF

Finance_Analytics_20240718

Vídeo

Exercício Modelo de Crédito

ModeloDeCredito

Base-Excel

Exercício Finance Analytics (5 questões - 10 min)

Teste Finance Analytics

Page 1 of 5

Qual das seguintes alternativas melhor descreve a análise de 'break-even' (ponto de equilíbrio) em Finance Analytics? a) O ponto em que os custos totais são menores do que as receitas totais. b) O ponto em que o lucro bruto é igual ao lucro operacional. c) O ponto em que os custos totais são iguais às receitas totais d) O ponto em que o lucro operacional é maximizado.

Page 2 of 5

No setor industrial, qual item do Fluxo de Caixa Operacional reflete o impacto do ciclo de conversão de caixa? A) Compra de Máquinas e Equipamentos B) Pagamentos de Dividendos C) Variação no Capital de Giro D) Recebimento de Empréstimos Bancários

Page 3 of 5

No varejo, como o aumento do estoque impacta diretamente o Balanço Patrimonial? A) Aumenta o Passivo Circulante B) Aumenta o Ativo Circulante C) Aumenta o Patrimônio Líquido D) Reduz o Ativo Não Circulante

Page 4 of 5

Qual é o principal objetivo do EBITDA na análise financeira de uma empresa? A) Medir a rentabilidade líquida após impostos e depreciação B) Avaliar a capacidade de geração de caixa antes de despesas financeiras, impostos, depreciação e amortização C) Calcular o lucro líquido da empresa D) Identificar o valor dos ativos de longo prazo

Page 5 of 5

magine que você gostaria de conseguir uma vaga numa empresa ou gostaria de entender a área financeira para discutir de forma estratégia com uma pessoa na posição executiva. Você analisa que a empresa deu lucro nos últimos 3 anos. A) Você conclui que a empresa está bem, pois teve lucro nos últimos anos B) Você conclui que a empresa está bem se também a empresa possuir ativo circulante C) Você conclui que a empresa está bem se ela gera caixa D) Não é possível responder esta questão mesmo analisando todo DRE, Balanço e Fluxo de Caixa

Endereço de E-mail *

Question 19

Storytelling com Dados

Accepted Answer

PDF

Storytelling-com-Dados_20240716

Exercício

Vídeos

Storytelling with Data | Cole Nussbaumer Knaflic | Talks at Google

Telling Stories with Data in 3 Steps (Quick Study)

Qual visualização usar quando?

Link

Question 20

Estatística Descritiva

Accepted Answer

Vídeo - Estatística Descritiva

Vídeo - Excel Análise de Dados

Exercício - Excel Análise de Dados

Exercício

Question 21

Entrevistas

Accepted Answer

Linkedin

Artigo Entrevistas

PDF

Entrevista_Dados_20240716

Exercício

Link

Question 22

Ambiente Cloud

Accepted Answer

PDF

Ambientes_Cloud_20241001

Question 23

Introdução à Engenharia de Dados

Accepted Answer

PDF

EngenhariaDeDados_20240718

Modern Data Platform Stack

Question 24

Processamento Distribuído

Accepted Answer

O curso de Databricks é projetado para capacitar profissionais a utilizarem a plataforma Databricks para processamento e análise de grandes volumes de dados. Os participantes aprenderão a configurar e gerenciar clusters, a manipular dados usando Apache Spark e a integrar Databricks com outras ferramentas de big data e machine learning. O currículo inclui uma abordagem prática sobre a criação de um data lake simplificado, utilizando as camadas Bronze, Prata e Ouro. Na camada Bronze, os dados são armazenados em seu estado bruto, enquanto na camada Prata são realizados processos de limpeza e transformação. Na camada Ouro, os dados são refinados e otimizados para análises avançadas e geração de insights. Ao final do curso, os alunos estarão aptos a desenvolver soluções escaláveis e eficientes para desafios complexos de dados, utilizando as melhores práticas da indústria.

1.Configurando o databricks community edition

Crie uma conta no databricks community edition

2.Processamento Distribuído e Databricks

3. PDF

20240610-Spark_Databricks

4. Projeto datalakehouse

código-fonte

5. Outros cursos

Outros cursos

Question 25

Estatística

Accepted Answer

PDF - Distribuição e Teste de Hipótese

DistribuicaoTeste_Hipotese_20240930

Exercício

Base-Exercício

A partir da base acima, preencha o quiz abaixo:

Teste de Hipótese

Page 1 of 2

Exercício Campanha

Foram elaboradas duas campanhas de marketing distintas (campanha A e campanha B) com o objetivo de aumentar a média de vendas de uma pequena franquia. Para avaliar a eficácia de cada campanha, foram coletados dados de vendas diárias (em unidades vendidas) durante 30 dias para cada campanha.

Média de Vendas da Campanha A: 127,5 unidades

Média de Vendas da Campanha B: 130,5 unidades

Embora o time de marketing esteja empolgado com os resultados, você, como analista de dados, deseja realizar uma análise estatística para confirmar se as diferenças observadas são significativas.

Instruções:

Para este exercício, assumiremos que os dados das amostras seguem uma distribuição normal e que as amostras são emparelhadas (ou seja, os experimentos foram realizados com a mesma fonte de dados em momentos diferentes).

Considerando um nível de significância estatística de 5%:

Podemos comemorar os resultados das campanhas, pois o p-valor é < 5% Podemos afirmar que não foram encontradas evidências para afirmarmos que a campanha B foi capaz de gerar um aumento nas média de vendas, pois p-valor é < 5% Podemos afirmar que não foram encontradas evidências para afirmarmos que a campanha B foi capaz de gerar um aumento nas média de vendas, pois p-valor é > 5% Nenhuma das respostas anteriores

Page 2 of 2

Exercício Medicamento

Você está avaliando o efeito de dois medicamentos distintos sobre os batimentos cardíacos em repouso. Ambos os medicamentos são conhecidos por aumentar a frequência cardíaca, mas não se sabe qual deles provoca uma alteração maior.

Para investigar essa questão, foram selecionados dois grupos estatisticamente equivalentes, e cada grupo recebeu um dos medicamentos: o medicamento X e o medicamento Y.

Os resultados médios dos batimentos cardíacos foram:

Medicamento X: Média de 90,5 batimentos por minuto.

Medicamento Y: Média de 83,7 batimentos por minuto.

Você suspeita que o medicamento X possa ter um efeito mais severo sobre os batimentos cardíacos do que o medicamento Y. Portanto, são necessárias evidências estatísticas para confirmar se a diferença observada nas médias dos batimentos é significativa.

Instruções:

1 - Assumir Normalidade: Para este exercício, assumiremos que os dados das amostras seguem uma distribuição normal.

2 - Teste de Variância: Antes de comparar as médias das amostras, deve-se determinar o teste adequado para o cenário. Primeiro, realize um teste para comparação de variâncias das amostras para decidir se as variâncias são equivalentes ou distintas.

3 - Escolha do Teste: Dependendo do resultado do teste de variância, aplique o teste apropriado:

- Se as variâncias forem equivalentes, utilize um teste para duas amostras normais, assumindo variâncias iguais.

- Se as variâncias forem distintas, utilize um teste para duas amostras normais, assumindo variâncias diferentes.

Considerando um nível de significância estatística de 5%:

Podemos afirmar, considerando um nível de significância estatística de 5%, que existem diferenças significativas entre as médias das amostras. Podemos afirmar que não foram encontradas evidências, pois p-valor é < 5% Podemos afirmar que não foram encontradas evidências, pois p-valor é > 5% Nenhuma das respostas anteriores

Endereço de E-mail *

Question 26

Introdução à Ciência de Dados

Accepted Answer

Vídeo

Teste

Teste Ciência de Dados

Page 1 of 10

Questão 1: Qual é o objetivo principal da regressão linear? a) Classificar observações em categorias distintas b) Encontrar a relação entre variáveis independentes e a variável dependente c) Reduzir a dimensionalidade dos dados d) Detectar outliers nos dados

Page 2 of 10

Questão 2: Qual técnica é usada para agrupar observações semelhantes em ciência de dados? a) Regressão b) Classificação c) Clustering d) Redução de dimensionalidade

Page 3 of 10

Questão 3: Qual métrica é mais comumente usada para avaliar a acurácia de um modelo de classificação binária? a) Mean Squared Error (MSE) b) Acurácia c) Coeficiente de Determinação (R²) d) Log-Loss

Page 4 of 10

Questão 4: Qual é a função principal da biblioteca Pandas em Python? a) Visualização de dados b) Análise estatística avançada c) Manipulação e análise de dados tabulares d) Construção de redes neurais

Page 5 of 10

Questão 5: O que significa \"overfitting\" em um modelo de machine learning? a) O modelo tem desempenho consistentemente bom em todos os datasets b) O modelo se ajusta muito bem aos dados de treino, mas tem baixo desempenho em novos dados c) O modelo não consegue se ajustar aos dados de treino d) O modelo generaliza bem em novos dados

Page 6 of 10

Questão 6: Qual das seguintes técnicas é usada para reduzir o número de variáveis em um dataset? a) Análise de Componentes Principais (PCA) b) Regressão Logística c) K-means d) Árvores de Decisão

Page 7 of 10

Questão 7: O que é \"bagging\" em machine learning? a) Uma técnica para balancear datasets desbalanceados b) Um método para combinar várias previsões de diferentes modelos para formar uma única previsão c) Um tipo de algoritmo de clustering d) Um método para pré-processamento de dados textuais

Page 8 of 10

Questão 8: Em uma matriz de confusão, o que significa a métrica \"Recall\"? a) A proporção de verdadeiros negativos em relação ao total de previsões negativas b) A proporção de verdadeiros positivos em relação ao total de positivos reais c) A proporção de verdadeiros positivos em relação ao total de previsões positivas d) A proporção de verdadeiros negativos em relação ao total de negativos reais

Page 9 of 10

Questão 9: Qual biblioteca em Python é comumente usada para construir modelos de machine learning? a) Matplotlib b) Numpy c) TensorFlow d) Flask

Page 10 of 10

Questão 10: Qual é o objetivo da validação cruzada (cross-validation) em machine learning? a) Maximizar a variância no conjunto de treino b) Estimar a performance de um modelo em dados não vistos c) Aumentar a complexidade do modelo d) Reduzir o tempo de treinamento do modelo

Endereço de E-mail *

Exercício Processo de Análise de Dados

Utilize a base de treino para explorar os dados e usar a base de teste para fazer a predição.
Abaixo a base para ser explorada. Procure fazer sem a utilização do gabarito.
Código-fonte (gabarito).

Base

Código-fonte

PDF

Ciencia_de_Dados_Avancado_20241006

Question 27

Product Analytics

Accepted Answer

PDF - Produto

ProductAnalytics_20240529

PDF - Precificação

Precificacao

Product Analytics

Page 1 of 3

Ao trabalhar com um modelo de recomendação de produtos em um varejo, qual abordagem é mais eficiente para aumentar o \"cross-sell\" (venda cruzada) de produtos? a) Análise de correlação entre vendas de produtos b) Agrupamento de SKUs por similaridade de preço c) Modelo de recomendação baseado em associação de cestas de compras (market basket analysis) d) Modelo de previsão de vendas baseado em regressão linear

Page 2 of 3

No contexto de um modelo de elasticidade de preços, o que uma alta elasticidade indica sobre um produto? a) O preço do produto tem pouco impacto nas vendas b) O produto é muito sensível a variações de preço c) O produto não tem concorrentes diretos no mercado d) O produto apresenta uma demanda inelástica

Page 3 of 3

Em uma análise de competitividade de preço, o que o índice de competitividade de preço (ICP) indica para o varejo? a) A proporção de produtos com margem de lucro elevada b) A divisão entre o preço do produto e o preço médio do mercado em percentual c) A elasticidade de preço dos produtos em relação à demanda d) A comparação entre o preço de custo e o preço de venda

Endereço de E-mail *

Question 28

People Analytics

Accepted Answer

PDF

HRAnalytics_20240529

Question 29

Networking

Accepted Answer

PDF

Networking

Networking

Assessment

Question 30

Liderança

Accepted Answer

Vídeo

PDF

Lideranca_20240913

Teste DISC

Page 1 of 10

1. Quando surge um problema inesperado, você tende a: Tomar a frente e buscar logo uma solução Conversar com outras pessoas para buscar colaboração Manter a calma e ajudar o grupo a lidar com a situação Analisar os dados e detalhes antes de agir

Page 2 of 10

2. No seu trabalho, você prefere: Trabalhar em equipe com bastante interação Processos estruturados e objetivos bem definidos Ter autonomia e poder de decisão Estabilidade e rotina clara

Page 3 of 10

3. Qual dessas frases combina mais com você? \"Eu foco em segurança.\" \"Eu foco em pessoas.\" \"Eu foco em resultados.\" \"Eu foco em qualidade.\"

Page 4 of 10

4. Quando você participa de uma reunião, normalmente você: Fala de forma objetiva e direta Observa detalhes e levanta pontos técnicos Gosta de engajar e expressar ideias Ouve atentamente e só fala quando necessário

Page 5 of 10

5. Na hora de tomar decisões: Decide rápido, mesmo com risco Usa opinião de outros Só decide após analisar fatos e dados Prefere refletir com calma

Page 6 of 10

6. Em um novo projeto, o que mais importa para você? Relacionamento e motivação da equipe Planejamento, organização e regras Atingir metas e resultados Estabilidade e cooperação

Page 7 of 10

7. Quando algo dá errado, sua tendência é: Ficar impaciente e já pensar em solução imediata Oferecer apoio e manter harmonia Verificar o que não seguiu os padrões estabelecidos Reunir o grupo e tentar animar as pessoas

Page 8 of 10

8) O que mais te motiva? Desafios e conquistas Excelência e precisão Reconhecimento social e ligação com pessoas Segurança e estabilidade

Page 9 of 10

9. Como os outros geralmente descrevem você? Determinado, direto Cuidadoso, detalhista Comunicativo, animado Calmo, confiável

Page 10 of 10

10. Quando pressionado por prazos curtos, você tende a: Planejar ainda mais para não errar Acelerar e assumir o controle Conversar para engajar e aliviar o clima Permanecer calmo e tentar se adaptar

Please provide your contact information to proceed.

Endereço de E-mail *

Consent *

Yes, I agree with the privacy policy and terms and conditions.

Question 31

Airflow

Accepted Answer

O curso sobre Apache Airflow é ideal para engenheiros de dados, desenvolvedores e analistas que buscam dominar a orquestração de workflows de dados de forma eficiente e escalável. Neste curso, os participantes serão introduzidos ao conceito de \"pipelines\" de dados dirigidos por DAGs (Directed Acyclic Graphs) e aprenderão como instalar e configurar o Airflow, bem como projetar, construir e monitorar complexas cadeias de tarefas automatizadas. O curso cobrirá aspectos fundamentais, como a criação de operadores customizados, a utilização de hooks para integrar diferentes fontes de dados e a configuração de alertas para monitoramento do desempenho dos fluxos de trabalho. Também serão discutidas práticas recomendadas para garantir a segurança e eficiência dos pipelines. Com uma combinação de aulas teóricas e exercícios práticos, os alunos sairão do curso com a capacidade de implementar soluções robustas de processamento de dados utilizando o Airflow em seus ambientes operacionais.

Airflow

Código-fonte

Question 32

Governança e Qualidade de Dados

Accepted Answer

PDF

Governanca_Qualidade_Dados

Carreira Dados

Contato