Essa é a trilha inicial da sua jornada na Fullture! Aqui você vai aprender como navegar em nossa plataforma, como é o acesso as aulas. 

Você também aprenderá como anexar e enviar seus projetos, como emitir seu certificado, como acessar e fazer parte da comunidade e muito mais

O que você vai aprender  

• Como navegar na plataforma Fullture; 
• Como acessar as aulas. 
• Como enviar os projetos; 
• Como emitir o certificado; 
• Como acessar o nosso material de estudos; 
• Como utilizar a comunidade. 

O GitHub é considerado uma ferramenta essencial para Desenvolvedores. Atualmente, ele acomoda mais de 25 milhões de usuários.  

Com esse dado já ficou claro que MUITOS profissionais estão procurando o GitHub para melhorar seus fluxos de trabalhos e poder apresentar seus projetos e experiências.  

O GitHub é um serviço baseado em nuvem que hospeda um sistema de controle de versão (VCS) chamado Git. Ele permite que os desenvolvedores colaborem e façam mudanças em projetos compartilhados enquanto mantêm um registro detalhado do seu progresso. 

O que você vai aprender 

• Como criar seu GitHub; 
• Como configurar; 
• Como publicar seus projetos no GitHub; 

Banco de dados armazenam a inteligência que está por trás de uma aplicação web e/ou mobile.
A trilha vai apresentar as principais definições e usos do Banco de dados, abordando fundamentos básicos até o desenvolvimento de projetos complexos e baseados, principalmente, em modelos NoSQL, focando no MongoDB.​

Além disso, veremos como integrar os conhecimentos obtidos com os fundamentos de Javascript apresentados no decorrer do curso.

Seja muito bem-vindo(a) a essa trilha de aprendizagem, na qual iremos explorar os conceitos de Inteligência Artificial (AI), Machine Learning, Deep Learning, Data Science e Big Data, e como eles são aplicados no mundo de negócios atualmente. 

Com certeza você já ouviu falar sobre pelo menos um desses temas, ou até mesmo já trabalha com algum deles em sua ocupação atual. Mas fique tranquilo se ainda não conhece! Vamos trabalhar juntos os detalhes de cada um deles. 

• Principais conceitos de Data Science, AI e Big Data; 

• Cultura analítica; 

• Modelagem Estatística; 

• Coleta e Produção de Dados; 

• Técnicas de Análises de Dados; 

• Modelos de Regressão, Dispersão e Inferência; 
• Princípios de estatística utilizando a linguagem Python. 

Muito bem-vindo(a) a esta trilha de aprendizagem, pela qual daremos continuidade e nos aprofundaremos um pouco mais nos assuntos que vocês aprenderam na trilha de Data Science I. 

Vamos explorar aplicações das técnicas mais conhecidas de aprendizado de máquina, do inglês machine learning, compreenderemos os problemas mais comuns da área de ciência de dados e como podemos propor soluções com o uso de dados. 

• Classificação e regressão; 

• Machine learning e sistemas de recomendação; 

• Sobreajuste e subajuste; 

• Comportamento e características de modelos de aprendizado de máquina; 

• Ética, privacidade, LGPD e AI. 

Imagino que você tenha gostado de aprender sobre conceitos como Machine Learning, sistemas de recomendação, AI e e as ferramentas utilizadas para análise de dados. 

Agora iremos nos aprofundar na utilização da linguagem Python para a análise dados e como ela pode ser utilizada para auxiliar na extração de relatórios e similares.

• Principais conceitos: Sintaxe e Tipagem; 

• Orientação a objetos com Python; 

• Bibliotecas e Frameworks; 

• Execução em Python em diferentes plataformas; 

• Ciência de Dados e Machine Learning em Python; 

• Big Data e Análise de Dados em Python; 

Acreditamos que tenha aproveitado a manipulação e extração de dados com a linguagem Python, mas existe outra linguagem muito utilizada para isso, o SQL. 

Agora iremos nos aprofundar na utilização da linguagem SQL para a análise dados e como ela pode ser utilizada para auxiliar na extração de relatórios e similares. 

Assim, você poderá definir a melhor linguagem a ser utilizada em cada um de seus projetos! 

• Consulta e Manipulação de Dados; 

• Definição de Dados e Controle de Transações; 

• Integridade Relacional e Funções Agregadas; 

• Gerenciamento de Bancos de Dados; 

• Recuperação e Análise de Dados; 

• Integração com Aplicações e Automação de Tarefas;