đ Minha Jornada no Bootcamp:TOTVS - Fundamentos de Engenharia de Dados e Machine Learning
Introdução
Vivemos em uma era onde os dados sĂŁo considerados um dos ativos mais valiosos do mundo. Empresas tomam decisĂ”es estratĂ©gicas baseadas em informaçÔes, e profissionais capazes de coletar, tratar e interpretar esses dados se tornam cada vez mais essenciais. Foi com esse propĂłsito que iniciei o bootcamp TOTVS - Fundamentos de Engenharia de Dados e Machine Learning, uma experiĂȘncia transformadora que ampliou minha visĂŁo sobre tecnologia e o poder dos dados.
O que sĂŁo Engenharia de Dados e Machine Learning?
Durante o bootcamp, compreendi que a Engenharia de Dados é responsåvel por todo o processo de coleta, organização e preparação dos dados. Jå o Machine Learning atua na construção de modelos capazes de aprender com esses dados e gerar previsÔes ou decisÔes inteligentes.
Em outras palavras:
- A Engenharia de Dados prepara o terreno
- O Machine Learning planta e colhe os resultados
Ambas as ĂĄreas trabalham juntas para transformar dados brutos em conhecimento Ăștil.
Fundamentos Aprendidos
đ 1. Manipulação e Tratamento de Dados
Aprendi a importĂąncia de limpar e organizar os dados antes de qualquer anĂĄlise. Dados inconsistentes podem comprometer totalmente os resultados de um projeto. TĂ©cnicas como:
- Remoção de dados duplicados
- Tratamento de valores nulos
- Padronização de informaçÔes
foram essenciais nesse processo.
âïž 2. Estruturas e LĂłgica de Programação
Reforcei conceitos importantes de programação utilizando Python, como:
- Estruturas de repetição (
for,while) - Condicionais (
if,else) - FunçÔes e modularização
Esses conceitos sĂŁo fundamentais para automatizar tarefas e processar grandes volumes de dados.
đ§ 3. Introdução ao Machine Learning
Tive contato com os primeiros conceitos de aprendizado de mĂĄquina, entendendo:
- O que sĂŁo modelos preditivos
- Diferença entre treino e teste
- Importùncia das métricas de avaliação
Percebi que Machine Learning nĂŁo Ă© apenas âinteligĂȘncia artificialâ, mas sim um conjunto de tĂ©cnicas baseadas em dados e estatĂstica.
âïž 4. Ferramentas em Nuvem (Google Colab)
Aprendi a utilizar ambientes online como o Google Colab, que permitem:
- Executar cĂłdigos sem precisar instalar nada
- Utilizar recursos computacionais avançados
- Trabalhar de qualquer lugar
Isso facilita muito o desenvolvimento, especialmente para quem nĂŁo possui um computador potente.
đ 5. Uso de Bibliotecas
Outro ponto essencial foi o uso de bibliotecas em Python, que tornam o desenvolvimento mais rĂĄpido e eficiente. Algumas das vantagens incluem:
- Reaproveitamento de cĂłdigo
- Facilidade na anĂĄlise de dados
- Redução de tempo de desenvolvimento
Principais Aprendizados
Mais do que conteĂșdos tĂ©cnicos, esse bootcamp me ensinou algo ainda mais importante: a forma de pensar como profissional de tecnologia.
Aprendi que:
- Dados precisam ser interpretados, nĂŁo apenas coletados
- Erros fazem parte do processo de aprendizado
- A pråtica constante é o caminho para evolução
Impacto na Minha Carreira
Essa experiĂȘncia fortaleceu minha base na ĂĄrea de tecnologia e abriu novas possibilidades profissionais. Hoje me sinto mais preparada para atuar com:
- AnĂĄlise de dados
- Desenvolvimento de soluçÔes inteligentes
- Projetos envolvendo Machine Learning
Além disso, aumentou minha confiança para continuar aprendendo e explorando novas tecnologias.
ConclusĂŁo
Participar do bootcamp TOTVS - Fundamentos de Engenharia de Dados e Machine Learning foi um passo fundamental na minha jornada. Mais do que adquirir conhecimento, desenvolvi uma nova visĂŁo sobre o papel dos dados no mundo atual.
Sigo motivada a evoluir, aprender mais e transformar conhecimento em soluçÔes reais. Esse é apenas o começo de uma trajetória promissora na årea de tecnologia.
