Carta de Apresentação

 

Olá, leitores apaixonados por dados! 🎲🎲

Sejam muito bem-vindos neste espaço onde mergulharemos juntos no fascinante e apaixonante universo da manipulação e análise de dados. Meu nome é Genicleito, e estou animado para compartilhar com vocês minha jornada e insights sobre como transformar dados em informações valiosas, da melhor forma possível e utilizando o máximo dessa tecnologia fascinante de sistemas distribuídos que é o PySpark e de outras tecnologias tão incríveis quanto, desde manipulações de dados com o Pandas DataFrame, dicas da linguagem de programação Python e até vou me atrever a compartilhar macetes e dicas de Google Sheets. Vamos lá!

Quem sou eu?

Como falei brevemente, sou Genicleito, um profissional e entusiasta de dados apaixonado por desafios analíticos, otimização e programação. Com uma formação em Ciência da Computação (UFBA) e Mestrado em Ciência da Computação (PGCOMP/UFBA), acumulei experiência ao longo de 5 anos trabalhando como Engenheiro de Dados no CIDACS/Fiocruz e posteriormente na Magnetis Gestora de Investimentos, além de todo o conhecimento em processamento e análise de dados que adquiri durante os anos investidos na pesquisa acadêmica. Agora, decidi levar essa paixão para o próximo nível, criando este espaço para compartilhar conhecimentos em uma linguagem acessível para muitos que estão iniciando em áreas de dados, explorar novas ideias e aprender junto com todos vocês.

A ideia por trás do blog

Este blog nasceu da minha paixão em compartilhar conhecimentos e torná-lo o mais acessíveis possível e da convicção de que dados são mais do que meros números. São narradores de histórias, revelando padrões e informações que podem transformar a maneira como entendemos o mundo ao nosso redor. Aqui, vamos explorar desde conceitos básicos até técnicas avançadas de manipulação de dados, utilizando ferramentas poderosas como Pandas, PySpark e outras.

O que esperar?

  • Posts Informativos: Cada post será uma jornada, abordando desde fundamentos até tópicos mais avançados.

  • Exemplos Práticos: A teoria é importante e eu a valorizo muito, mas a prática também é fundamental. Traremos exemplos reais e casos de uso para tornar os conceitos mais tangíveis.

  • Projetos Desafiadores: À medida que avançamos, empreenderemos projetos práticos, aplicando os conhecimentos adquiridos em cenários do mundo real.

Vamos aprender juntos!

Este é um espaço para todos nós que acreditamos no poder dos dados. Estou ansioso para construir uma comunidade vibrante, repleta de discussões, dúvidas e descobertas. Se você é apaixonado por dados, está no lugar certo!

Então, prepare-se para esta jornada e, mais uma vez, seja muito bem-vindo. Estou animado para aprendermos juntos! Não perca nenhum post e compartilhe com todos que podem utilizar das informações e insights que serão postadas aqui em seus processos de aprendizagem ou de aplicação prática.

Atenciosamente,

MSc. Genicleito Gonçalves | Engenheiro de Dados/Analytics Engineer | @genicleito

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Como ler dados em formato CSV com o PySpark

Nesta postagem vamos aprender como baixar e ler dados em formato CSV utilizando o Python e PySpark Olá, entusiastas de dados! Hoje construiremos um dos primeiros códigos funcionais no PySpark. Aprenderemos nessa publicação a baixar, ler e ver informações de nossos primeiros dados em formato CSV com o PySpark. Para isso, utilizaremos uma base de dados de casos de Covid, disponibilizados no GitHub citado abaixo nas referências. No Colab você pode baixar dados diretamente para o ambiente criado e, após efetuar o download, realizar a leitura dos dados utilizando o PySpark. Ambas as etapas estão descritas no trecho de código de exemplo abaixo:
Leia mais »

Como instalar o PySpark e Jupyter Notebook

Imagem
Instalando e configurando o PySpark com Anaconda e Jupyter Notebook em seu computador com Linux e ao final apresento uma opção para executar o PySpark direto do navegador em máquinas com outros sistemas operacionais   Apache Spark Jupyter + Anaconda   Olá, entusiastas de dados! Hoje, iniciaremos nossa jornada para desvendar o poderoso framework PySpark para processamento e análise de grandes volumes de dados utilizando a linguagem de programação Python. Você já se perguntou como grandes volumes de dados podem ser processados e analisados de maneira eficiente? Bem-vindo ao fascinante universo do PySpark, uma poderosa ferramenta de computação distribuída. Prepare-se para uma jornada que transformará a maneira como você lida com dados, proporcionando insights instantâneos e impulsionando suas análises para o próximo nível. Este post é seu bilhete de entrada para o mundo do PySpark, guiando-o através de um processo descomplicado de instalação e configuração em sua máquina local.
Leia mais »

Como utilizar o PySpark no Google Colab

Imagem
Você irá descobrir neste post como rodar seus primeiros códigos PySpark direito no navegador, de maneira gratuita, sem precisar instalar nada e utilizando apenas sua conta do Google Na publicação anterior [ Como instalar o PySpark e Jupyter Notebook ] descobrimos como o PySpark pode ser instalado e configurado em seu computador pessoal com sistema operacional Linux. Embora este processo de instalação seja relativamente simples, você pode encontrar impeditivos pelo caminho, como, por exemplo, ter um sistema operacional com Windows. Diante disso, nesta publicação, vamos aprender como o PySpark pode ser utilizado direito no navegador de seu computador, tablet ou até mesmo celular, utilizando apenas sua conta do Google, tudo isso no ambiente amigável e acessível do Google Colab.
Leia mais »