Aprenda a primeira — e mais importante — etapa do processo de ciência de dados: a preparação. Extraia, transforme e carregue dados de diferentes fontes com Python.
import pandas as pd
# Extração
df = pd.read_csv("vendas.csv")
# Transformação
df = df.dropna()
df["data"] = pd.to_datetime(df["data"])
df["total"] = df["qtd"] * df["preco"]
# Carga
df.to_parquet("dw/vendas.parquet", index=False)
print("ETL concluído:", len(df), "registros")
Com metodologia hands-on e projetos reais, você aprende a trabalhar com diferentes fontes de dados e prepará-los para análise, automatizando e otimizando fluxos de trabalho.
Aprenda a conectar-se a diferentes fontes de dados e extrair informações.
Desenvolva a capacidade de limpar, transformar e preparar dados para análise.
Entenda como carregar dados transformados em sistemas de destino.
Automatize processos de ETL para operações mais eficientes e com menos erros manuais.
Monitore e mantenha os processos de ETL, garantindo dados sempre atualizados e precisos.
Ganhe experiência prática com ferramentas ETL específicas do mercado.
Cientista de Dados · Doutora em Engenharia Elétrica e Computação
Cientista de dados com experiência em projetos de inteligência artificial e doutorado em Engenharia Elétrica e Computação. Conduz o curso com abordagem prática, aliando teoria e demonstrações reais de ETL.
em até 3x · acesso vitalício