Do Python ao Business Intelligence — portfólio real, workflow profissional, desde o primeiro commit
Lab365 / SENAI SC · Curso de Análise de Dados · 2026 - Turma T2 - Disciplina: Visualização de Dados e Business Intelligence
Repositório colaborativo da turma de Análise de Dados e Visualização de BI do Lab365 / SENAI SC.
Cada aluno constrói aqui, ao longo de 28 semanas, um portfólio público e rastreável — visível por recrutadores desde o primeiro commit. Exercícios são Pull Requests. Correções são commits. Projetos terminam publicados. O histórico de aprendizado fica documentado no git.
Para educadores: este repositório é um modelo funcional para cursos de dados. Faça um fork e adapte para sua turma — instruções na seção Para Educadores.
| Modelo Tradicional | Este Repositório | |
|---|---|---|
| Entrega de exercícios | ZIP por e-mail ou AVA | Pull Request revisada no GitHub |
| Portfólio | Criado depois da formatura | Construído semana a semana |
| Feedback do professor | Privado, perdido no tempo | Documentado na thread do PR |
| Histórico de aprendizado | Inexistente | 100% rastreável via git log |
| Visibilidade para recrutadores | Zero durante o curso | Pública desde o primeiro commit |
| Habilidade de versionamento | Teoria isolada | Prática real e obrigatória |
| Colaboração | Individual, sem interação | Branch → PR → review → merge |
14/04/2025 a 17/07/2025 · Terça, Quinta e Sexta
| Semana | Período | Tema |
|---|---|---|
| 1 | 14–17/04 | Introdução e Fundamentos de Business Intelligence |
| 2 | 21–24/04 | Lógica de Programação com Python |
| 3 | 28/04–01/05 | Python + Versionamento com Git e GitHub |
| 4 | 05–08/05 | Manipulação de Dados · Funções e Modularização |
| 5 | 12–15/05 | Pandas e NumPy |
| 6 | 19–22/05 | Limpeza e Transformação de Dados |
| 7 | 26–29/05 | Fontes de Dados · Web Scraping · Mini-Projeto Avaliativo |
| 8 | 02–05/06 | Modelagem Dimensional · Data Warehouse |
| 9 | 09–12/06 | SQL para DW |
| 10 | 16–19/06 | SQL Avançado · Window Functions · Performance |
| 11 | 23–26/06 | Análise Exploratória de Dados (AED) |
| 12 | 30/06–03/07 | Visualização com Seaborn e Matplotlib |
| 13 | 07–10/07 | Projeto Avaliativo Individual |
| 14 | 14–17/07 | Encerramento do Módulo 1 |
Avaliação Módulo 1
| Avaliação | Peso | Descrição |
|---|---|---|
| M1.1 — Mini-Projeto | 25% | Extração e limpeza de dados públicos com Python (squads) |
| M1.2 — Projeto Individual | 60% | AED + visualizações + documentação de base pública |
| M1.3 — Listas de Exercícios | 15% | Exercícios semanais entregues no AVA |
21/07/2025 a 30/10/2025 · Segunda, Quarta e Sexta
| Semana | Período | Tema |
|---|---|---|
| 1 | 21–24/07 | Ética em Dados · LGPD · Vieses Algorítmicos |
| 2 | 28–31/07 | Introdução a Dashboards · Ferramentas de BI |
| — | 04–07/08 | Semana de Recuperação do Módulo 1 |
| 3 | 11–14/08 | Looker Studio — Fundamentos |
| 4 | 18–21/08 | Looker Studio — Avançado · Storytelling |
| 5 | 25–28/08 | Design de Dashboards · UX/UI · Mini-Projeto Avaliativo |
| 6 | 01–04/09 | Power BI — Fundamentos |
| 7 | 08–11/09 | Power BI — DAX · Publicação · Mobile |
| 8 | 15–18/09 | Tableau — Fundamentos |
| 9 | 22–25/09 | Tableau — LOD · Storytelling · Publicação |
| 10 | 29/09–02/10 | Streamlit com Python — Fundamentos |
| 11 | 06–09/10 | Streamlit com Python — Deploy na Nuvem |
| 12 | 13–16/10 | Metodologias Ágeis · SCRUM · Kanban |
| 13 | 20–23/10 | Projeto Avaliativo em Squads |
| 14 | 27–30/10 | Encerramento do Módulo 2 |
Avaliação Módulo 2
| Avaliação | Peso | Descrição |
|---|---|---|
| M2.1 — Mini-Projeto | 30% | Painel Looker Studio com design e storytelling (squads) |
| M2.2 — Projeto em Squads | 60% | 2 dashboards (Streamlit + ferramenta à escolha) + documentação |
| M2.3 — Listas de Exercícios | 10% | Exercícios semanais entregues no AVA |
| Camada | Ferramentas | Competência desenvolvida |
|---|---|---|
| Linguagem | Python 3.10+ | Lógica, funções, OOP básico, manipulação de arquivos |
| Análise | Pandas · NumPy | Limpeza, transformação, agregação e análise exploratória |
| Visualização | Matplotlib · Seaborn · Plotly | Gráficos estáticos, interativos e storytelling com dados |
| Notebooks | Jupyter · JupyterLab | Prototipagem reproduzível e documentação de análises |
| BI & Dashboards | Looker Studio · Power BI · Tableau | Modelagem dimensional, DAX, publicação e storytelling |
| Deploy | Streamlit + Cloud | Aplicações de dados com Python e deploy em produção |
| Dados | SQL · DW · OLAP | Modelagem estrela, window functions, otimização de queries |
| Colaboração | Git · GitHub · SCRUM | Fluxo colaborativo, code review via PR, metodologia ágil |
| Ambiente | Anaconda · venv | Gerenciamento de ambientes e dependências |
turma-visualizacao-de-dados/
│
├── aulas/ ← Materiais didáticos do professor
│ ├── semana_02/
│ │ └── html/ ← Slides: Git e GitHub — versionamento
│ ├── semana_03/
│ │ └── html/ ← Slides: Python fundamentos e colaboração
│ ├── semana_04/
│ │ ├── html/ ← Slides: manipulação de dados e funções
│ │ ├── bases/ ← Datasets de aula (CSV, JSON, XLSX, ipynb)
│ │ └── notebooks/ ← Notebooks: revisão e demonstrações
│ └── semana_05/
│ └── notebooks/ ← Notebooks: desafios Pandas e NumPy
│
├── exercicios/ ← Exercícios com gabarito — Python progressivo
│ ├── 01.sintaxe/ ← print, input, comentários (3 exercícios)
│ ├── 02.variaveis/ ← Tipos primitivos e casting (6 arquivos)
│ ├── 03.Estruturas/ ← Condicionais e loops (3 exercícios)
│ └── 04. Exercicios/ ← Desafios práticos + gabaritos
│ ├── calculadora.py ← Desafio: calculadora interativa
│ ├── gabarito_calculadora.py ← Gabarito
│ ├── cadastro_produtos.py ← Desafio: caixa de loja com desconto
│ └── cadastro_produtos_gabarito.py
│
├── datasets/ ← Datasets compartilhados (.csv · .json · .xlsx)
├── projetos/ ← Galeria de projetos finais aprovados
│
├── alunos/ ← Portfólios individuais dos alunos
│ ├── TEMPLATE_README.md ← Modelo de portfólio para copiar
│ └── nome-sobrenome/
│ ├── README.md ← Portfólio e apresentação pessoal
│ ├── exercicios/ ← Entregas de exercícios
│ └── projetos/ ← Projetos autorais
│
└── .github/
└── ISSUE_TEMPLATE/ ← Templates de dúvida e problema de PR
Alunos: toda a sua atuação é dentro de
alunos/seu-nome/. Nenhum outro diretório deve ser modificado.
Clique no nome para acessar o portfólio público de cada aluno.
| Aluno | Portfólio |
|---|---|
| Andressa Alves | → ver portfólio |
| Anaysa Lopes | → ver portfólio |
| Beatriz Bruns | → ver portfólio |
| Bruno Briani | → ver portfólio |
| Camilla Lonatas | → ver portfólio |
| Camilla Nascimento | → ver portfólio |
| Carlos F. | → ver portfólio |
| Christian Wis | → ver portfólio |
| Claudi Borges | → ver portfólio |
| Daniel Roberto | → ver portfólio |
| Felipe Vampre | → ver portfólio |
| Gustavo Branga | → ver portfólio |
| Isaac Trenard | → ver portfólio |
| Jakson Luis | → ver portfólio |
| Jonatas Mag | → ver portfólio |
| Leo Gobel | → ver portfólio |
| Lourenço Lemos | → ver portfólio |
| Luís Napolitano | → ver portfólio |
| Luís Oliveira | → ver portfólio |
| Luiz Fernando Jesus | → ver portfólio |
| Marcos Bhering | → ver portfólio |
| Maria Helena | → ver portfólio |
| Orlando Castro | → ver portfólio |
| Robson Américo | → ver portfólio |
| Rogério Estumano | → ver portfólio |
| Ruan Fernandes | → ver portfólio |
| Samuel Bucco | → ver portfólio |
| Sérgio Leite | → ver portfólio |
| Stefano Laurito | → ver portfólio |
| Victor H. Santos | → ver portfólio |
| Waldinei Lameira | → ver portfólio |
| Zaira Wendt | → ver portfólio |
| Cláudio Neves (professor) | → ver portfólio |
Sua pasta ainda não aparece? Siga o guia de contribuição e abra um PR.
O professor adiciona você como colaborador. Aceite o convite que chegará no e-mail cadastrado no GitHub.
# 1. Clone o repositório
git clone https://github.com/cfneves/turma-visualizacao-de-dados.git
cd turma-visualizacao-de-dados
# 2. Crie sua pasta de aluno (use seu nome em letras minúsculas com _)
mkdir alunos/nome-sobrenome
cp alunos/TEMPLATE_README.md alunos/nome-sobrenome/README.mdEdite o README.md com suas informações — esse arquivo é seu cartão de visitas para recrutadores.
# Atualize sua cópia local
git checkout master
git pull origin master
# Crie uma branch para esta entrega
git checkout -b feat/exercicio-01-seu-nome
# Trabalhe dentro de alunos/seu-nome/ ...
# Commit e envio
git add alunos/seu-nome/
git commit -m "feat(alunos): adiciona exercício 01 - Seu Nome"
git push origin feat/exercicio-01-seu-nome
# Abra o Pull Request no link exibido no terminalGuia completo com convenção de commits, resolução de conflitos e boas práticas: CONTRIBUTING.md
Este repositório pode ser adaptado como template para qualquer curso de análise de dados.
Como usar:
- Faça um fork deste repositório
- Edite
README.mdcom o nome da sua turma e instituição - Atualize
CONTRIBUTING.mdcom seu fluxo de trabalho - Adicione seus alunos como colaboradores no GitHub
- Substitua os materiais em
aulas/pelos seus - Cada aluno cria sua pasta em
alunos/e entrega via PR
Funciona para:
- Cursos técnicos (SENAI, SENAC, IFs, CEFETs)
- Bootcamps de dados e tecnologia
- Disciplinas universitárias de ciência de dados
- Programas de capacitação corporativa
Contribuições são bem-vindas. Leia o CONTRIBUTING.md para entender o fluxo, a convenção de commits e as boas práticas.
Encontrou um problema ou tem uma sugestão? Abra uma Issue.
Este projeto adota o Contributor Covenant v2.1. Ao participar, você concorda em manter um ambiente respeitoso e colaborativo para todos.
Distribuído sob a licença MIT. Materiais didáticos podem ser adaptados livremente com atribuição.
|
Cláudio Neves Análise de Dados · BI · Lab365 / SENAI SC |
⭐ Se este repositório foi útil, deixe uma estrela