# Atlas de Dados > caderno aberto de ciência de dados e IA. Caderno aberto e gratuito de ciência de dados e IA, em português. Cada matéria tem um arquivo markdown com o caderno completo e perguntas de revisão com resposta. ## Matérias ### Fundamentos - [Estatística para Ciência de Dados](https://atlas.frediania.com/md/estatistica.md): Tipos de variável, estatística descritiva, distribuições de probabilidade, testes de hipótese, correlação e intervalo de confiança — a base de tudo que vem depois. - [Python para Análise de Dados](https://atlas.frediania.com/md/python.md): Ambiente, estruturas de dados, pandas, funções, condições e laços, e o ciclo importar → inspecionar → limpar → agrupar → visualizar. ### Preparação de dados - [Data Wrangling](https://atlas.frediania.com/md/data-wrangling.md): Transformar o dado bruto numa base pronta para análise e modelagem — importar, inspecionar, limpar, transformar, juntar, reformatar, validar e versionar. - [Coleta de Dados e Web Scraping](https://atlas.frediania.com/md/web-scraping.md): Como obter dados de sites e APIs com requests, BeautifulSoup e pandas — HTTP, HTML, seletores, paginação, qualidade da coleta, ética e LGPD. ### Machine learning - [Árvores de Decisão e Modelos Ensemble](https://atlas.frediania.com/md/arvores-ensembles.md): Árvore de decisão, overfitting, métricas, validação cruzada, ajuste de hiperparâmetros, bagging, boosting, Random Forest, XGBoost e importância de variáveis. - [Support Vector Machines (SVM)](https://atlas.frediania.com/md/svm.md): Classificação (SVC) e regressão (SVR) por margem máxima — vetores de suporte, parâmetro C, kernels linear, polinomial e RBF, pipeline com pré-processamento, grid search e permutation importance. - [Deep Learning e Redes Neurais](https://atlas.frediania.com/md/deep-learning.md): Do perceptron ao Transformer — tensores, MLP, ativações, funções de perda, gradiente descendente, otimizadores, regularização, CNN, autoencoder, embeddings e atenção, com Keras. ### Texto e IA generativa - [Text Mining, Análise de Sentimento e NLP](https://atlas.frediania.com/md/text-mining-nlp.md): Pipeline de mineração de texto (coleta, pré-processamento, vetorização, modelagem, avaliação) e quatro jeitos de classificar sentimento — léxico, Naive Bayes, Transformer pronto e LLM. - [APIs, LLMs e RAG](https://atlas.frediania.com/md/apis-llms-rag.md): Do protótipo ao serviço — HTTP/REST, FastAPI e Pydantic, LLM como componente de engenharia (tokens, custo, temperatura, limites, chaves), embeddings, similaridade de cosseno, bancos vetoriais e uma API de RAG. ### Decisão - [Pesquisa Operacional e Otimização](https://atlas.frediania.com/md/otimizacao.md): Transformar uma decisão num modelo com variáveis, função objetivo e restrições, e resolvê-lo — solução gráfica, simplex, programação inteira, branch-and-bound, transporte, Excel Solver e PuLP. ### Dados especiais - [Análise Estatística Espacial](https://atlas.frediania.com/md/estatistica-espacial.md): Dados com localização — vetor e raster, sistemas de referência (CRS), operações espaciais com GeoPandas, estatística zonal, mapas e autocorrelação espacial (Moran e LISA). ### Comunicação - [Business Intelligence e Visualização de Dados](https://atlas.frediania.com/md/bi-visualizacao.md): BI como metodologia de decisão, self-service com governança, e o primeiro painel no Power BI — Power Query, medidas DAX, visuais adequados e segmentações. ### Pessoas e governança - [Gestão da Mudança na Era Digital](https://atlas.frediania.com/md/gestao-da-mudanca.md): Por que projetos de dados e IA falham na adoção — mudança × transição (Bridges), as cinco dimensões da mudança, pensamento adaptativo e o método de Kotter em 8 passos. - [IA, LGPD e Compliance](https://atlas.frediania.com/md/ia-lgpd-compliance.md): Como usar IA dentro da lei — princípios e bases legais da LGPD, dados pessoais em modelos e RAG, decisões automatizadas, supervisão humana, riscos, drift e um checklist antes de ir para produção. ### Projeto aplicado - [Business Case de Projetos de Dados](https://atlas.frediania.com/md/business-case.md): Como estruturar um business case aplicado — problema A→B→C, contexto, objetivo, diagnóstico com evidências, método, plano de implantação, resultados e sumário executivo, com regras de dados e ética. ## Tudo num arquivo - [Atlas completo](https://atlas.frediania.com/md/atlas-completo.md)