Você não precisa ser programador para analisar dados — precisa apenas do Python essencial, e este track te dá exatamente isso. Você começa dentro de um Jupyter notebook, o mesmo ambiente que analistas de verdade usam no dia a dia, aprendendo a executar código célula por célula e ver os resultados na hora. Você vai guardar informações em variáveis, agrupar valores relacionados em listas e dicionários, e usar loops para repetir tarefas automaticamente em vez de fazer isso à mão. Cada conceito é ensinado com exemplos pequenos e práticos em vez de teoria abstrata. Ao final você vai ler e escrever Python básico com conforto suficiente para começar a trabalhar com conjuntos de dados reais no próximo track.

Pandas é a ferramenta que transforma o Python em um verdadeiro motor de análise de dados, e este track coloca você para trabalhar com ela na prática. Você vai aprender os dois blocos centrais — a Series e o DataFrame — e carregar arquivos CSV reais diretamente neles, o primeiro passo por trás de quase todo projeto de análise de dados. A partir daí você vai praticar selecionar exatamente as colunas que precisa e filtrar linhas até chegar aos registros que realmente importam, usando condições do jeito que analistas usam todos os dias. Em vez de memorizar sintaxe isolada, cada aula trabalha com conjuntos de dados realistas para que as habilidades sejam transferidas diretamente. Ao final você vai carregar, explorar e recortar dados reais com pandas com facilidade.

Dados reais são bagunçados, e saber limpá-los é o que separa um iniciante de um analista em atuação — este track ensina exatamente isso. Você vai aprender a encontrar e lidar com valores ausentes sem corromper sua análise silenciosamente, a corrigir colunas com o tipo de dado errado, e a remover linhas duplicadas que de outra forma distorceriam seus resultados. Depois você vai aprender groupby, uma das ferramentas mais poderosas do pandas, para resumir dados por categoria, e a combinar tabelas (merge) para unir várias tabelas em um único conjunto de dados coerente, como os dados do mundo real quase sempre exigem. Cada técnica é praticada em dados de exemplo propositalmente bagunçados para que você desenvolva instintos reais de resolução de problemas. Ao final você vai transformar com confiança dados brutos e imperfeitos em algo confiável.

Uma tabela de números raramente fala por si só — um bom gráfico fala, e este track ensina você a construí-lo. Você vai começar com matplotlib, a biblioteca de gráficos fundamental do Python, aprendendo a criar gráficos de linha, de barras e de dispersão, e a controlar os detalhes que tornam um gráfico legível. Depois você vai passar para seaborn, que se constrói sobre o matplotlib para criar gráficos estatísticos refinados com muito menos código. No caminho você vai aprender a escolher o tipo de gráfico certo para a pergunta que está fazendo — comparação, distribuição, relação ou tendência — em vez de recorrer sempre ao gráfico já conhecido. Você também vai praticar ler gráficos de forma crítica, identificando o que um gráfico revela e o que ele esconde. Ao final você vai transformar números brutos em imagens que comunicam com clareza.

Este track é onde a análise se transforma em insight — onde os números deixam de ser apenas números e passam a responder perguntas reais. Você vai aprender a calcular estatísticas descritivas como média, mediana e desvio padrão para descrever um conjunto de dados rapidamente, e a calcular correlações para ver como as variáveis se movem juntas. Você vai usar agregação para condensar dados detalhados em resumos significativos por grupo, categoria ou período de tempo. E o mais importante, você vai praticar a habilidade que separa analistas de dados de usuários de planilhas: interpretar o que os números realmente significam e explicar a história por trás deles em linguagem simples. Cada aula percorre uma pergunta real do início ao fim, dos dados brutos até uma conclusão clara. Ao final você vai extrair e comunicar com confiança um insight genuíno de qualquer conjunto de dados que receber.