Este é o repositório central do meu percurso no curso de Cientista de Dados da EBAC (Escola Britânica de Artes Criativas e Tecnologia). Aqui consolidei os módulos, exercícios, projetos e aprendizados ao longo de toda a formação — do Python básico até modelos de Machine Learning e Deep Learning aplicados a problemas reais.
O curso da EBAC é uma das formações mais completas em Ciência de Dados disponíveis no Brasil, cobrindo desde fundamentos de programação até técnicas avançadas de modelagem preditiva, com foco prático e orientação para o mercado de trabalho.
This is the central repository for my journey through the Data Scientist program at EBAC (British School of Creative Arts and Technology). It consolidates modules, exercises, projects, and learnings throughout the entire program — from Python basics to Machine Learning and Deep Learning models applied to real-world problems.
flowchart TD
A([Fundamentos de Python\nPython Fundamentals]) --> B([Análise e Manipulação de Dados\nData Analysis & Manipulation])
B --> C([Visualização de Dados\nData Visualization])
C --> D([Estatística Aplicada\nApplied Statistics])
D --> E([Machine Learning\nMachine Learning])
E --> F([Deep Learning\nDeep Learning])
F --> G([Projetos Capstone\nCapstone Projects])
A:::done
B:::done
C:::done
D:::done
E:::done
F:::done
G:::done
classDef done fill:#1a6faf,stroke:#0d4a7a,color:#ffffff,rx:8,ry:8
| Módulo / Module | Conteúdo / Content | Tecnologias / Technologies |
|---|---|---|
| Fundamentos de Python | Variáveis, estruturas de dados, funções, POO | Python |
| Análise de Dados | Manipulação e limpeza de dados tabulares | Pandas, NumPy |
| Visualização | Gráficos exploratórios e dashboards | Matplotlib, Seaborn, Plotly |
| Estatística | Probabilidade, testes de hipótese, distribuições | SciPy, Statsmodels |
| Machine Learning | Regressão, classificação, clustering, avaliação de modelos | Scikit-learn |
| Deep Learning | Redes neurais, CNNs, RNNs | TensorFlow, Keras |
| Projetos Capstone | Projetos integradores com dados reais | Stack completa |
Abaixo estão os projetos desenvolvidos como parte dos módulos práticos do curso:
Projeto do Módulo 14 focado em aplicações práticas de Machine Learning com dados reais, incluindo pipeline de preparação de dados, seleção de features e avaliação de modelos preditivos.
Repositório: galafis/EBAC-PROJETO-CIENTISTA-DE-DADOS-M14
Projeto do Módulo 15 com foco em técnicas avançadas de modelagem, otimização de hiperparâmetros e interpretabilidade de modelos aplicados a conjuntos de dados do mundo real.
Repositório: galafis/EBAC-PROJETO-CIENTISTA-DE-DADOS-M15
Linguagem principal: Python 3.x
Análise de dados: Pandas · NumPy · SciPy
Visualização: Matplotlib · Seaborn · Plotly
Machine Learning: Scikit-learn
Deep Learning: TensorFlow · Keras
Ambiente: Jupyter Notebook · Google Colab
Versionamento: Git · GitHub
Cada pasta dentro deste repositório corresponde a um módulo ou tema do curso. Os notebooks estão numerados e comentados para facilitar o acompanhamento sequencial.
EBAC/
├── modulo-01-python-basico/
├── modulo-02-pandas-numpy/
├── modulo-03-visualizacao/
├── modulo-04-estatistica/
├── modulo-05-machine-learning/
├── modulo-06-deep-learning/
├── projetos/
│ ├── M14/
│ └── M15/
├── LICENSE
└── README.md
Gabriel Demetrios Lafis Cientista de Dados | Data Scientist
Distribuído sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.
Distributed under the MIT License. See LICENSE for more information.
Formação em Ciência de Dados — EBAC, Brasil
EBAC — Escola Britânica de Artes Criativas e Tecnologia - A project built with Python, developed by Gabriel Demetrios Lafis as part of professional portfolio and continuous learning in Data Science and Software Engineering.
This project demonstrates practical application of modern development concepts including clean code architecture, responsive design patterns, and industry-standard best practices. The implementation showcases real-world problem solving with production-ready code quality.
- Clone the repository:
git clone https://github.com/galafis/EBAC.git
- Follow the setup instructions in the Portuguese section above.
This project is licensed under the MIT License. See the LICENSE file for details.
Developed by Gabriel Demetrios Lafis