Visão Geral

Este Curso Haskell Data Analysis, é voltado para desenvolvedores Python experientes, analistas ou outros profissionais orientados a dados que desejam utilizar Haskell para trabalhar e gerar visualizações prontas para publicação rapidamente.

Cada empresa e organização que coleta dados é capaz de explorar seus próprios dados para obter insights sobre como melhorar. Haskell é uma linguagem de programação puramente funcional, adequada para lidar com problemas significativos de análise de dados. Este curso o conduzirá pelos problemas mais complexos de análise de dados de maneira prática. Este curso ajudará você a se familiarizar com os fundamentos da análise de dados e abordagens na linguagem Haskell.

Você aprenderá sobre computação estatística, formatos de arquivo (CSV e SQLite3), estatísticas descritivas, gráficos e avançará para conceitos mais avançados, como entender a importância da distribuição normal. Embora a matemática seja uma grande parte da análise de dados, tentamos manter este curso acessível e direto para que você possa aplicar o que aprendeu no mundo real. Ao final deste curso, você terá uma compreensão completa da análise de dados e das diferentes maneiras de analisar dados. Você dominará as ferramentas e técnicas de Haskell para análise de dados eficaz. 

Objetivo

Após realizar este Curso Haskell Data Analysis, você será capaz de:

• Aprenda a analisar um arquivo CSV e ler dados no ambiente Haskell 
• Crie funções Haskell para funções estatísticas descritivas comuns 
• Crie um banco de dados SQLite3 usando um arquivo CSV existente 
• Aprenda a versatilidade das consultas SELECT para dividir os dados em partes menores 
• Aplique expressões regulares em conjuntos de dados de grande escala usando arquivos CSV e SQLite3 
• Crie uma visualização do Estimador de Densidade do Kernel usando a distribuição normal 

Publico Alvo

• Desenvolvedores
• Analistas
• Gerentes de TI
• gerentes de produto

Pre-Requisitos

• Um conhecimento prático de Python é necessário para participar deste curso.

Materiais

Conteúdo Programatico

Descriptive Statistics 

1. Descriptive Statistics 
2. The CSV library – working with CSV files 
3. Data range 
4. Data mean and standard deviation 
5. Data median 
6. Data mode 

SQLite3 

1. SQLite3 
2. SQLite3 command line 
3. Working with SQLite3 and Haskell 
4. Slices of data 
5. Working with SQLite3 and descriptive statistics 

Regular Expressions 

1. Regular Expressions 
2. Dots and pipes 
3. Atom and Atom modifiers 
4. Character classes 
5. Regular expressions in CSV files 
6. SQLite3 and regular expressions 

Visualizations 

1. Visualizations 
2. Line plots of a single variable 
3. Plotting a moving average 
4. Creating publication-ready plots 
5. Feature scaling 
6. Scatter plots 

Kernel Density Estimation 

1. Kernel Density Estimation 
2. The central limit theorem 
3. Normal distribution 
4. Introducing kernel density estimation 
5. Application of the KDE 

Course Review 

1. Course Review 
2. Converting CSV variation files into SQLite3 
3. Using SQLite3 SELECT and the DescriptiveStats module for descriptive statistics 
4. Creating compelling visualizations using EasyPlot 
5. Reintroducing kernel density estimation