Data + GitHub Copilot para soluções avançadas de dados

Pré-requisitos • Recursos • Objetivos de Aprendizagem • Estrutura

Note

Pronto para começar? Acesse o diretório do workshop para instruções completas de setup e exercícios.

Visão Geral

• Para quem é isso: Engenheiros de Software, Engenheiros de Dados, Cientistas de Dados e qualquer profissional que trabalhe com Python e análise de dados. Ideal para quem quer dominar o uso produtivo do GitHub Copilot em projetos reais de dados.

• O que você vai aprender: Você usará recursos avançados do GitHub Copilot (comandos de barra, chat inline, /explain, /fix, agentes @workspace) aplicados a 5 áreas essenciais: SQL, Pandas, EDA, Visualização e Boas Práticas. Aprenderá a gerar código, corrigir bugs, criar visualizações e refatorar projetos usando IA.

• O que você vai construir: Um projeto completo de análise de dados, desde queries SQL complexas até visualizações profissionais, passando por transformações de DataFrames, análise exploratória e código modular seguindo boas práticas de engenharia.

Destaques do Workshop

• 5 Módulos Independentes: SQL (30min), Pandas (45min), EDA (40min), Visualização (35min), Boas Práticas (40min)
• Estrutura Modular: Cada módulo é auto-contido e pode ser executado em qualquer ordem
• Sistema de Validação Avançado: Feedback detalhado com hints progressivos para cada exercício
• Datasets Reais: 32.780 registros de vinhos + 15 regiões geográficas + amostra estratificada de 1.000 registros
• Ambiente Pronto: GitHub Codespaces pré-configurado com Python 3.13, Jupyter, e todas as dependências

Objetivos de Aprendizagem

Neste workshop, você vai:

• Dominar GitHub Copilot para Dados: Usar comandos de barra (/explain, /fix, /doc), chat inline, agentes @workspace e sugestões contextuais
• Gerar Queries SQL Complexas: Criar consultas com agregações, JOINs e subqueries a partir de linguagem natural
• Manipular DataFrames Eficientemente: Aplicar transformações, groupby, merge e pivot tables com Pandas usando assistência de IA
• Realizar EDA Assistida por IA: Gerar estatísticas descritivas, detectar outliers, calcular correlações e criar features automaticamente

Estrutura do Workshop

workshop/
├── sql_module/          # Módulo 1: Geração de Queries SQL (30min)
├── pandas_module/       # Módulo 2: Manipulação de DataFrames (45min)
├── eda_module/          # Módulo 3: Análise Exploratória de Dados (40min)
├── viz_module/          # Módulo 4: Visualização de Dados (35min)
├── best_practices_module/ # Módulo 5: Boas Práticas de Código (40min)
├── data/                # Datasets centralizados (train.csv, regions.csv)
├── check.py             # Sistema de validação modular com feedback detalhado
└── README.md            # Guia completo do workshop

Cada módulo contém:

• README.md: Teoria, exercícios progressivos e cheatsheets com soluções
• Arquivos Python: Código inicial para prática e implementação
• Prompts sugeridos: Exemplos de como usar o Copilot eficientemente

Pré-requisitos

• Conta GitHub: Pessoal ou organizacional com acesso ao GitHub Copilot
• Licença GitHub Copilot: Ativa (individual, business ou enterprise)
• Navegador Web: Edge, Firefox ou Chrome atualizado

Todos os recursos, dependências, datasets e ambiente de desenvolvimento estão incluídos no repositório via GitHub Codespaces.

Como Começar

1. Crie um repositório a partir deste template no GitHub
2. Inicie um Codespace (ambiente pré-configurado com Python 3.13, Jupyter, pandas, matplotlib, seaborn, sqlalchemy)
3. Navegue até /workshop e siga o README do workshop
4. Escolha seu módulo (podem ser feitos em qualquer ordem ou seguir a sequência sugerida)
5. Valide seu progresso usando python check.py --module <nome_modulo>

Para workshops de 1h, consulte o Guia de Adaptação de Tempo no README do workshop.

Recursos Adicionais

Aprenda mais sobre GitHub Copilot e desenvolvimento com IA:

• Codifique com GitHub Codespaces
• Usando recursos avançados do GitHub Copilot
• Documentação oficial do GitHub Copilot
• Pandas Documentation
• Matplotlib Gallery
• Seaborn Tutorial

Contribuindo

Contribuições são bem-vindas:

• Reporte bugs ou erros de documentação via Issues
• Sugira novos exercícios ou módulos via Pull Requests
• Melhore traduções e prompts
• Adicione visualizações ou exemplos