1 Resumo
Aprendendo Python com IA é para quem quer aprender Python e usá-lo para analisar dados no trabalho, em qualquer área. Ensinamos a linguagem desde o início e mostramos, em cada aula, como ela é usada na prática, com uma base pública do IBGE que reúne os 5.570 municípios brasileiros, sua população, seu PIB e a idade dos moradores.
Hoje, quem aprende uma linguagem de programação trabalha com um assistente de IA ao lado. O assistente escreve o código a partir de um pedido em português e resolve em segundos a sintaxe que antes levava semanas para decorar. Ele também erra, e no pandas o erro costuma passar sem nenhuma mensagem: a média ignora os valores ausentes e é calculada sobre menos observações do que esperávamos. Para perceber esses erros, precisamos entender o que o código faz.
Por isso, cada tópico do curso passa por duas etapas. Primeiro, apresentamos um recurso da linguagem e mostramos como ele funciona num exemplo pequeno. Depois, pedimos ao assistente que aplique o mesmo recurso à base completa. Com a linguagem em mãos, conferimos o código do assistente com um checklist de auditoria, que cresce a cada aula com erros demonstrados na tela, e usamos a IA para automatizar o trabalho.
Não é preciso saber programar nem ter formação em estatística. Trabalhamos com o VS Code, um agente de IA e o Python instalados na própria máquina, e o agente conduz a instalação na primeira aula, incluindo a versão do interpretador, o pip e o ambiente virtual.
| Categoria | Básicos de Python |
| Carga horária total | 4 horas e 50 minutos |
| Horas de vídeo | 4 horas e 50 minutos |
| Número de aulas | 4 aulas, com 23 tópicos |
| Nível | Introdutório |
| Certificado | Sim, emitido pela Análise Macro |
| Lançamento | 30/11/2026 |
Calendário de lançamento
As aulas são liberadas uma por semana, às segundas-feiras.
| Aula | Data | Dia da semana |
|---|---|---|
| Aula 1 – O ambiente, o objeto e o primeiro gráfico | 30/11/2026 | Segunda-feira |
| Aula 2 – pandas: o verbo certo para cada pergunta | 07/12/2026 | Segunda-feira |
| Aula 3 – Visualização e o dado do mundo real | 14/12/2026 | Segunda-feira |
| Aula 4 – Automatizar: função, relatório e o assistente no projeto | 21/12/2026 | Segunda-feira |
2 Pré-requisitos e Objetivos
Pré-requisitos
- Conhecimentos básicos de informática: instalar um programa, organizar pastas e abrir arquivos.
- Uma assinatura paga de um dos provedores de IA (Claude, OpenAI ou Google), contratada diretamente com o provedor.
Não é necessário ter experiência com programação ou estatística. Montamos o ambiente desde o início na Aula 1, com o agente conduzindo cada passo, inclusive o ambiente virtual do projeto. O VS Code e o Python são gratuitos, e a base de dados do curso é pública. Quem já trabalha com planilhas entende mais rápido várias operações, porque o curso as compara com o equivalente na planilha.
O que o aluno será capaz de fazer
Ao final do curso, o aluno será capaz de:
- Montar na própria máquina um ambiente de trabalho com VS Code, agente de IA e Python, com um ambiente virtual por projeto, e continuar usando esse ambiente depois do curso.
- Ler um CSV brasileiro de fonte pública com os argumentos certos do
read_csv: separador ponto e vírgula, vírgula decimal, acento no cabeçalho e codificação diferente de UTF-8. - Traduzir uma pergunta nas operações do
pandas: filtro booleano, seleção de colunas, coluna calculada, ordenação e agregação. - Atribuir valores a uma tabela com
.loce.iloce entender a causa doSettingWithCopyWarning, em vez de apenas esconder o aviso. - Juntar duas tabelas pela chave comum, distinguir o
mergepor coluna domergepor índice e conferir o número de linhas antes e depois. - Construir em
matplotlib, com figura e eixos declarados, os quatro gráficos básicos de uma análise, com eixo formatado, fonte citada e um título que informa o resultado. - Diagnosticar problemas nos dados antes da análise com
.describe(), contagem de ausentes e.value_counts(), e registrar cada decisão de limpeza, porque cada uma é uma escolha que muda o resultado. - Revisar o código do assistente com um checklist, encontrando tanto o
dropnagenérico que descarta linhas sem aviso quanto o código que roda mas calcula a coisa errada. - Escrever funções com docstring, repetir a mesma análise em vários recortes sem copiar e colar e gerar um relatório que se atualiza quando os dados mudam.
Habilidades e ferramentas
Habilidades desenvolvidas no curso:
- Montar o ambiente na própria máquina com o agente conduzindo a instalação e pedindo autorização a cada passo: interpretador,
pipe um ambiente virtual por projeto, que mantém as bibliotecas de cada trabalho separadas. - Estruturas do Python: lista, dicionário, formato em que chega a maior parte dos dados de API, e o DataFrame do
pandas, inspecionado com.info()e.head(). - O tipo de cada coluna e por que ele decide se a soma calcula um número ou junta textos sem aviso.
- As cinco operações do
pandas: filtro booleano, seleção, coluna calculada, ordenação e agregação. .loce.iloc, seleção por rótulo e por posição, e oSettingWithCopyWarning, aviso que aparece quando alteramos uma fatia da tabela em vez de uma cópia.groupbycom várias colunas e funções diferentes numa chamada só, e a diferença entre índice hierárquico e coluna comum.merge: os tipos de junção e o efeito de cada um, e a diferença entre juntar por coluna e juntar por índice.- As duas formas de construir gráficos em
matplotlib, a de atalho e a explícita com figura e eixos, e o problema de misturá-las; oseaborncomo camada que resolve os casos comuns sem tirar o controle sobre o gráfico. - Eixo com unidade e formato, rótulos em português e a decisão sobre começar ou não o eixo no zero.
- Diagnóstico de problemas nos dados com
.describe(), contagem de ausentes e.value_counts(). - Funções com argumento, valor padrão e docstring, e o escopo das variáveis dentro delas.
- Laço
fore compreensão de lista, comtry/exceptpara tratar o recorte que falha sem interromper os outros. - Texto, código e resultado num documento só, exportado para HTML ou PDF, com os números calculados pelo código.
- Trabalhar com o assistente dentro do projeto: pedir uma alteração no código existente e revisar a mudança antes de aceitá-la.
Ferramentas utilizadas:
- VS Code, o editor do curso, com o Python instalado na própria máquina e um ambiente virtual por projeto.
- Claude Code, o agente usado nas demonstrações, na extensão do VS Code; o Codex e o Gemini CLI funcionam da mesma forma e são apresentados na Aula 1.
pandaspara tratar os dados,matplotlibno estilo explícito,seabornpara os casos comuns erequestspara buscar dados na fonte.- Uma base pública do IBGE, com os 5.570 municípios brasileiros, sua população, seu PIB e a idade dos moradores, usada nas quatro aulas.
3 Programa Detalhado
Aula 1 – O ambiente, o objeto e o primeiro gráfico
Na primeira aula, instalamos o VS Code, o Python e o agente de IA na própria máquina e criamos o ambiente virtual do projeto. Em seguida, carregamos uma base pública e salvamos o primeiro gráfico em arquivo. A aula apresenta também o vocabulário mínimo da linguagem e um erro que acompanha o curso inteiro: o assistente devolve um código que funciona, os dados ganham um valor ausente e o pandas passa a calcular a média sobre menos observações, sem avisar.
- Tópico 1.1 - Por que Python, e por que agora.
- Tópico 1.2 - O ambiente de trabalho: VS Code, o agente e o Python.
- Tópico 1.3 - Objetos: lista, dicionário e o DataFrame.
- Tópico 1.4 - O primeiro pedido ao assistente, e a primeira conferência.
- Tópico 1.5 - Carregar dado de verdade.
- Tópico 1.6 - O primeiro gráfico.
Aula 2 – pandas: o verbo certo para cada pergunta
Nesta aula, traduzimos perguntas em operações sobre a tabela. A pergunta “qual município tem a maior renda por habitante?” vira criar uma coluna e ordenar, e o assistente escreve a sintaxe. Ao final, temos uma tabela-resumo por região construída a partir de duas bases juntadas pelo código do município, com as contagens conferidas antes e depois. A aula mostra também três erros de manipulação que o Python não acusa: a atribuição que não chega à tabela, o índice que absorve a coluna e o merge que multiplica linhas.
- Tópico 2.1 - A ideia central: perguntas viram operações.
- Tópico 2.2 - As cinco operações, na base do IBGE.
- Tópico 2.3 -
.loc,.iloce o aviso que todo mundo ignora. - Tópico 2.4 - Agrupar: a operação que responde perguntas de verdade.
- Tópico 2.5 - Juntar duas tabelas.
- Tópico 2.6 - Pedir manipulação ao assistente com critério.
Aula 3 – Visualização e o dado do mundo real
O matplotlib tem duas formas de construir gráficos, e misturá-las é a principal fonte de confusão para quem começa. Nesta aula, adotamos a forma explícita, que permite compor painéis e ajustar cada detalhe, e escolhemos o tipo de gráfico antes de escrever o código. Depois, trabalhamos com os dados no estado em que chegam: números gravados como texto por causa da vírgula, a mesma categoria escrita de quatro jeitos, linhas duplicadas e totais no meio da tabela. A aula mostra o assistente propondo uma limpeza que roda, parece correta e apaga linhas com um dropna genérico.
- Tópico 3.1 - Como o matplotlib realmente funciona.
- Tópico 3.2 - Os gráficos que uma análise de dados exige.
- Tópico 3.3 - Gráfico de trabalho: escala, rótulo e fonte.
- Tópico 3.4 - O dado sujo, que é como o dado chega.
- Tópico 3.5 - Onde o assistente erra em dado sujo.
- Tópico 3.6 - Salvar e reusar.
Aula 4 – Automatizar: função, relatório e o assistente no projeto
Na última aula, transformamos o tratamento dos dados numa função com docstring e rodamos a análise em vários recortes, com try/except para os que falham. O relatório vira um documento exportado, com os números calculados pelo código. O assistente passa a trabalhar dentro do projeto, lendo os arquivos e escrevendo as alterações no lugar certo. Ao final, o projeto roda inteiro e pode ser aplicado aos dados do trabalho de cada aluno.
- Tópico 4.1 - Quando repetir vira função.
- Tópico 4.2 - Repetir sem copiar e colar.
- Tópico 4.3 - O relatório que se atualiza sozinho.
- Tópico 4.4 - O assistente dentro do projeto.
- Tópico 4.5 - Projeto final.
4 Inscrição
A matrícula dá acesso às videoaulas, a todos os prompts do curso em blocos prontos para copiar, ao código de todas as aulas, ao projeto completo do caso usado no curso, ao checklist de auditoria, ao suporte individual com os professores e ao certificado da Análise Macro ao concluir o curso.
