Python
Fundamentos, programação estruturada, orientação a objetos, testes, typing, concorrência, desempenho, backend e empacotamento.
Cursos gratuitos
Python, Dados e APIs
Conteúdos práticos para aprender programação, análise de dados e desenvolvimento de APIs.
Estude no seu ritmo com exemplos executáveis, exercícios, projetos e repositórios completos no GitHub.
100% gratuito.
Diferenciais
Código executado
Toda saída do curso foi gerada executando o código.
Exercícios com testes
Soluções terminam com assert para você validar.
Projetos integradores
Projetos reais com testes em todos os cursos.
Conteúdo sempre atual
Versões recentes e mudanças importantes das bibliotecas.
Cursos da trilha
Comece por Python e avance para dados e APIs. Se já domina os fundamentos, escolha o curso que atende ao seu objetivo.
Todos os cursos incluem conteúdos do básico ao avançado.
NumPy
Arrays, vetorização, broadcasting, álgebra linear, aleatoriedade, memória, desempenho, testes numéricos e rede neural do zero.
Pandas
Carregar, inspecionar, limpar, filtrar, agrupar, juntar, reformatar e resumir dados, com datas, performance e testes de dados.
FastAPI
Construção de APIs com Pydantic, dependências, middleware, SQLAlchemy, JWT, async, testes, cache, rate limiting e deploy.
Resumo da trilha
| # | Curso | Capítulos | O que você sabe fazer no final | Projetos |
|---|---|---|---|---|
| 1 | Python | 65 | Programar em Python do básico ao avançado: estrutura de código, testes, desempenho e empacotamento. | Projetos integradores do curso |
| 2 | NumPy | 43 | Pensar em arrays: vetorização, broadcasting, álgebra linear, desempenho e aleatoriedade. | Estudantes (14 testes)Imagens do zero (16 testes)Rede neural do zero (12 testes) |
| 3 | Pandas | 38 | Carregar, limpar, juntar, reformatar e resumir dados, e provar que o resultado está certo. | Funcionários (18 testes)Vendas (16 testes)Pipeline de atendimentos (16 testes) |
| 4 | FastAPI | 35 | Construir uma API com banco de dados, autenticação, testes e defesas básicas de segurança. | Blog API com PostgreSQL (22 testes) |
Como estudar
Um passo a passo simples para aproveitar o máximo da trilha.
- 1
Leia o capítulo
Siga os capítulos do curso e leia a explicação junto com os exemplos de código.
- 2
Execute o código
Use o arquivo indicado no exemplo e compare o resultado com a saída apresentada no capítulo.
- 3
Experimente mudanças
Altere o exemplo, preveja o resultado e execute novamente para conferir.
- 4
Resolva o exercício
Tente resolver antes de abrir “Ver solução”. Execute as verificações com assert para conferir sua resposta.
- 5
Construa o projeto
Siga os pré-requisitos do projeto do curso, aplique o que aprendeu e execute os testes indicados.
Começando do zero
Escolha o caminho para o seu objetivo e prepare seu ambiente de estudo.
Quem precisa de qual curso
- Aprender Python
Prepare seu ambientePastas e versões para acompanhar os exemplos no seu computador.
Estrutura de pastas sugerida
trilha-cursos/
README.md
python-cursos/
numpy-cursos/
pandas-cursos/
fastapi-cursos/Versões verificadas
| Componente | Versão |
|---|---|
| Python | 3.12.3 |
| NumPy | 2.4.4 |
| Pandas | 3.0.2 |
| FastAPI | 0.142.2 |
| Pydantic | 2.13.5 |
| SQLAlchemy | 2.1.3 |
| PostgreSQL | 16.15 |
Estude com clareza
Conheça o que foi testado e os limites do material antes de avançar.
Qualidade e limites dos cursosConsulte os testes realizados e o que está fora do escopo da trilha.
O que foi verificado
- Arquivos de capítulo executados em ambiente limpo
- Projetos com testes automatizados
- FastAPI testado com SQLite e PostgreSQL
- Caminhos citados nos cursos conferidos
- Dependências fixadas no uv.lock
Limites atuais
- Docker, Docker Compose e deploys não foram testados de ponta a ponta
- Não é uma formação completa em Machine Learning
- Visualização de dados não é tratada em profundidade
- Os datasets são sintéticos
- Desempenho pode variar entre máquinas
