Domine os fundamentos da linguagem Python e avance com segurança.
Aqui você encontrará conteúdos sobre tipos de dados, operadores, estruturas como listas e dicionários, além do uso de bibliotecas voltadas à análise e visualização de dados.
✅ Pré-inscrição até: 14/09/2025
✅ Inscrição de: 15 a 24/09/2025
🗓 Docente: Prof. Dr. Osvaldo Alves Pereira
🗓 Cronograma: 04/10 – Das 8h00 às 17h30; 11/11- Das 8h00 às 17h00 – (Horário de Brasília)
⏱ Carga horária total: 15h
📌 Local: Unic – Cuiabá/MT
🤓 Pré-requisito: Portador de Diploma
🎯 Público-alvo: Estudantes de Graduação Cursos como Engenharia Ambiental, Meteorologia, Ciências Biológicas, Geografia e Agronomia, que precisam analisar dados climatológicos em projetos ou pesquisas. Técnicos e Profissionais da Área Ambiental Gestores de recursos hídricos, analistas ambientais (órgãos como IBAMA, secretarias municipais) ou consultores que trabalham com monitoramento climático e relatórios. Pesquisadores Iniciantes Mestrandos ou doutorandos em ciências ambientais que desejam automatizar a análise de dados do INMET para suas dissertações (ex.: estudos de mudanças climáticas locais). Professores e Extensionistas Educadores que queiram incorporar Python em disciplinas práticas (ex.: climatologia, manejo de bacias hidrográficas)
💳 Investimento: R$ 200,00
Módulos:
Módulo 1. O estudo dos conceitos iniciais em Python é fundamental para construir uma base sólida em programação, permitindo que o aluno compreenda a linguagem desde seus princípios essenciais. A disciplina começa apresentando as características do Python, destacando sua simplicidade e versatilidade, aspectos que o tornam ideal tanto para iniciantes quanto para projetos avançados. Em seguida, explora os ambientes de desenvolvimento mais utilizados, preparando o aluno para escrever e executar código de forma eficiente. A sintaxe básica é abordada com ênfase na clareza e organização, reforçando a importância de boas práticas desde o início. Esses tópicos formam o alicerce necessário para avançar em temas mais complexos, garantindo que o estudante desenvolva habilidades técnicas e confiança para continuar explorando a linguagem Python em aplicações reais.
Módulo 2. Este módulo explora os principais tipos de estruturas de dados em Python, essenciais para organizar e manipular informações de forma eficiente. Strings são fundamentais para trabalhar com texto, enquanto listas oferecem flexibilidade para armazenar e modificar sequências de dados. Tuplas, imutáveis, garantem segurança em operações onde os dados não devem ser alterados. Conjuntos são ideais para eliminar duplicatas e testar relações matemáticas, e dicionários permitem armazenar informações em pares chave-valor, otimizando buscas e acesso. Dominar essas estruturas é crucial para resolver problemas reais, desde processamento de textos até manipulação de bancos de dados, formando a base para algoritmos mais complexos.
Módulo 3. Este módulo apresenta três pilares essenciais para computação científica e análise de dados: NumPy traz o poder do cálculo numérico eficiente com arrays multidimensionais, sendo a base para operações matemáticas complexas. Pandas revoluciona o trabalho com dados estruturados através de DataFrames, oferecendo ferramentas intuitivas para limpeza, análise e manipulação de informações. Matplotlib transforma dados em insights visuais, permitindo a criação de gráficos profissionais para exploração e comunicação de resultados. Juntas, essas bibliotecas formam o núcleo do ecossistema Python para ciência de dados, automatizando tarefas que seriam manuais e abrindo portas para áreas como machine learning e pesquisa científica. Domínio dessas ferramentas eleva seu Python de “básico” para “nível profissional” em análise de dados.
Currículo do Docente:
Possui graduação em Engenharia da Computação pela Universidade de Cuiabá (2023), MBA Ciência de Dados aplicada à Inteligência de Negócios – FATEC-SENAI-MT(2024), graduação em Licenciatura Plena em Física pela Universidade Federal de Mato Grosso (2007), mestrado em Física Ambiental pela Universidade Federal de Mato Grosso (2009) e doutorado em Física Ambiental pela Universidade Federal de Mato Grosso (2013). Atualmente é mestrando em Informática na Universidade Tecnológica Federal do Paraná Campus Cornélio Procópio em parceria com programa de Residência em Inteligência Artificial do Hub do Instituto Senai de Tecnologia de Londrina PR. Professor do Mestrado em Ciências Ambientais da Universidade de Cuiabá e professor da Faculdade de Tecnologia SENAI Mato Grosso (FATEC – SENAI-MT). Tem experiência na área de Física, com ênfase em FÍSICA AMBIENTAL, atuando principalmente nos seguintes temas: Meteorologia e Micrometeorologia, Instrumentação Meteorológica, Modelagem Matemática e Aprendizagem.
Currículo Lattes: https://lattes.cnpq.br/4202607809882017
