{
    "tipo": "SYSNIA Book / livro normalizado para leitura por IA",
    "dominio": "acervodelivros.com.br",
    "url_publica": "https://acervodelivros.com.br/livros/projetos-de-ciencia-de-dados-com-python-abordagem-de-estudo-de-caso-para-a-criacao-de-projetos-de-ciencia-de-dados-bem-sucedidos-usando-python-pandas-e-scikit-learn/",
    "url_dados_json": "https://acervodelivros.com.br/livros/projetos-de-ciencia-de-dados-com-python-abordagem-de-estudo-de-caso-para-a-criacao-de-projetos-de-ciencia-de-dados-bem-sucedidos-usando-python-pandas-e-scikit-learn/dados.json",
    "url_pasta_ia": "https://acervodelivros.com.br/livros/projetos-de-ciencia-de-dados-com-python-abordagem-de-estudo-de-caso-para-a-criacao-de-projetos-de-ciencia-de-dados-bem-sucedidos-usando-python-pandas-e-scikit-learn/ia/",
    "gerado_em": "2026-06-10 01:53:59",
    "frequencia_prevista_de_revisao": "mensal",
    "fonte_comercial_consultada": "Amazon Brasil",
    "aviso": "Preços, disponibilidade, avaliações e rankings podem variar ao longo do tempo.",
    "obra": {
        "titulo": "Projetos de Ciência de Dados com Python: Abordagem de Estudo de Caso Para a Criação de Projetos de Ciência de Dados Bem-sucedidos Usando Python, Pandas e Scikit-learn",
        "titulo_original": "Projetos de Ciência de Dados com Python: Abordagem de Estudo de Caso Para a Criação de Projetos de Ciência de Dados Bem-sucedidos Usando Python, Pandas e Scikit-learn",
        "autor": "Stephen Klosterman",
        "asin": "6586057108",
        "isbn_10": "6586057108",
        "isbn_13": "978-6586057102",
        "editora": "Novatec Editora",
        "ano_publicacao": "2020",
        "paginas": "320 páginas",
        "idioma": "Português",
        "categoria": "Autoajuda",
        "subcategoria": "Inteligência Emocional e Comportamento",
        "tema_principal": "Inteligência emocional e comportamento"
    },
    "comercial": {
        "url_amazon": "https://www.amazon.com.br/dp/6586057108",
        "url_afiliado": "https://www.amazon.com.br/dp/6586057108?tag=acervodeliv00-20",
        "preco_coletado": "74.54",
        "estoque": "Em estoque",
        "estrelas": "4.80",
        "qtd_avaliacoes": "270",
        "ranking": "Nº 76.631 em Livros (Conheça o Top 100 na categoria Livros) Nº 279 em Programação de Computadores",
        "data_coleta": "2026-06-10 00:52:49"
    },
    "midia": {
        "imagem_capa": "https://m.media-amazon.com/images/I/41ACeHXTVOL._SY445_SX342_ML2_.jpg"
    },
    "descricao": {
        "curta": "Projetos de ciência de dados com Python foi pensado para oferecer orientação prática sobre ferramentas padrão para análise de dados e machine learning em Python com a ajuda de dados reais. O curso o ajudará a entender como usar pandas e o Matplotlib para examinar criticamente um dataset com sínteses estatísticas e gráficos e extrair os insights que deseja obter. Você continuará adquirindo conhecimento ao aprender a preparar dados e a fornecê-los para algoritmos de machine learning, como o de reg...",
        "base": "Projetos de ciência de dados com Python foi pensado para oferecer orientação prática sobre ferramentas padrão para análise de dados e machine learning em Python com a ajuda de dados reais. O curso o ajudará a entender como usar pandas e o Matplotlib para examinar criticamente um dataset com sínteses estatísticas e gráficos e extrair os insights que deseja obter. Você continuará adquirindo conhecimento ao aprender a preparar dados e a fornecê-los para algoritmos de machine learning, como o de regressão logística regularizada e o de floresta aleatória, usando o pacote scikit-learn. Também aprenderá como ajustar algoritmos para fornecer as melhores previsões sobre dados novos não conhecidos. À medida que percorrer os capítulos mais avançados, conhecerá o funcionamento e a saída desses algoritmos e entenderá melhor não só os recursos preditivos dos modelos, mas também o que os leva a fazer essas previsões. No fim do curso, você terá as habilidades necessárias para usar confiantemente vários algoritmos de machine learning a fim de executar análises de dados detalhadas e extrair insights significativos dos dados."
    }
}