🐍 Primeiros passos com Python para Data Science: Curso da Alura (ONE)

Recentemente, comecei o curso Python para Data Science: primeiros passos da Alura, por meio da oportunidade oferecida pelo projeto Oracle Next Education (ONE).

Neste artigo, quero compartilhar os principais conceitos que vi ao longo das aulas. São fundamentos simples, mas que mostram o quanto dominar a base pode fazer diferença na nossa trajetória com dados.

Se você está pensando em começar ou está dando seus primeiros passos nessa área, este resumo pode te ajudar a entender o que vem pela frente — e como o Python pode ser seu aliado na ciência de dados. 💡

🧩 Por que Python?

Python é uma linguagem de programação simples, poderosa e muito utilizada no mundo dos dados. Com uma sintaxe clara e objetiva, ela é perfeita para quem está começando — e ainda conta com uma comunidade enorme e cheia de recursos gratuitos.

1. Comandos e variáveis em Python

Vimos como usar comandos simples como print() para exibir informações, e type() para identificar o tipo de uma variável:

nome = "Letícia"
idade = 24
print(nome, idade)
print(type(idade))

📌 Tipos de dados comuns:

• int: números inteiros
• float: números decimais
• str: textos
• bool: valores booleanos (True / False)

2. Estruturas condicionais

Aqui, aprendi como tomar decisões no código com os comandos if, elif e else. Super útil pra analisar situações e gerar respostas diferentes dependendo do contexto:

idade = 18
if idade >= 18:
    print("Maior de idade")
else:
    print("Menor de idade")

3. Estruturas de repetição

Usar for e while me permitiu repetir ações de forma controlada.

for i in  range(5):
    print(f"Contando: {i}")

Ou com while, que depende de uma condição:

contador = 0 
while contador < 5:
    print(contador)
    contador += 1

4. Estruturas de dados

Apesar de eu ainda estar estudando esse módulo, já comecei a entender a importância de listas, tuplas, conjuntos e dicionários.

frutas = ["maçã", "banana", "laranja"]
print(frutas[0]) # Exibe "maçã"

pessoa = {"nome": "Letícia", "idade": 25}
print(pessoa["nome"])

Essas estruturas são essenciais quando começamos a trabalhar com grandes volumes de dados — como os que encontramos em arquivos CSV, bancos de dados ou APIs.

5. Relacionando o Python com projetos de dados

Ao longo do curso, comecei a perceber como todos esses conceitos se conectam. Um projeto de ciência de dados precisa de:

✅ Um código limpo e organizado ✅ Estruturas bem definidas para armazenar e manipular dados ✅ Condições e laços para automatizar análises ✅ E, futuramente, bibliotecas como pandas, numpy e matplotlib para análise e visualização

6. Exercícios realizados

Criei um notebook no meu GitHub com exercícios práticos que me ajudaram a reforçar a lógica de programação e os conceitos aprendidos.

Entre eles, destaco esses dois:

• 📘 Tabuada automática:

Tabuada automática com python

• 🧮 Calculadora simples com input do usuário

Calculadora simples com python

Esses pequenos desafios foram ótimos para treinar a lógica e ganhar mais segurança com a linguagem.

📌 Link para o notebook no GitHub: Repositório One-Data-Science

🚀 Conclusão

Esse foi só o começo, mas já foi incrível trabalhar minha lógica de programação e continuar programando em Python. No próximo curso iremos abordar conteúdos mais complexos envolvendo:

• Bibliotecas
• Funções
• Estruturas de Dados
• Exceções

Se você também está começando, minha dica é: PRATIQUE! Não tenha medo de errar. Teste, brinque com o código e aproveite o processo.

💬 Se estiver a vontade, me conta nos comentários: como foi o seu primeiro contato com Python?

💚 Obrigada por ler até aqui!