Vamos Aprender com método 100%, na prática. Sem slides e sem enrolação, direto ao ponto do que irá precisar para o Mercado de trabalho 

Entenda e aprenda absolutamento do zero, com fazer as instalações necessárias e conceitos para ser capaz de criar replicar todos os comandos realizados em Aulas 

1. Passo a passo da instalação de todos os programas necessários referentes a banco de dados, com dados reais disponíveis para treinamento.
2. Criação de conta em banco de dados online gratuitamente para manipulação de dados em Nuvem (Cloud)
3. Todo Material Disponível para Download: Scripts SQL, Scripts Python, Instaladores, Material de Referência e Muito Mais

Visão abrangente sobre SQL e banco de dados, destacando sua importância crucial para empresas em todos os setores. Você aprendera os fundamentos do SQL, incluindo consultas, manipulação de dados e gerenciamento de banco de dados

1. Instalando programas – SQL Server, SSMS (SQL Management Studio) e Visual Studio
2. Inserindo banco de dados do curso
3. Localizando dados públicos da Microsoft
4. Conhecendo Banco de Dados e Fazendo Primeira Consulta (SELECT)
5. Agilidade e Ganho de Produtividade ao Pesquisar Colunas em Tabela
6. Selecionar Dados Distintos (SELECT DISTINCT)
7. Salvando Resultados de Consultas SQL em Excel
8. Conectando Banco de Dados no Excel (Tabelas Personalizadas, Vínculos e Automação)
9. Renomeando Colunas na Consulta
10. Função de Restrição WHERE
11. Função BETWEEN – Entre (Dados Entre 2 Valores)
12. WHERE IS NULL – IS NOT NULL (Excluindo Linhas em Branco)
13. ORDER BY – Ordenação Avançada
14. Função IN Restringindo Consulta
15. Função LIKE – Buscar Textos em Consultas
16. GROUP BY – Agrupando Dados da Consulta
17. COUNT – Contar Dados de Tabela
18. Mínimo, Máximo, Soma e Média (Prática)
19. Função HAVING Filtrando Agrupamento
20. JOINS – Vínculo de tabelas do básico ao avançado
21. Função CASE WHEN

ETL em Python simplifica a extração, transformação e carga de dados, oferecendo uma solução flexível e eficiente. Sua instalação é fácil e rápida, permitindo que os usuários comecem a trabalhar rapidamente.

1. Download e instalação do Python, Anaconda e Visual Studio Code
2. Configuração inicial e instalação de extensões no Visual Studio Code
3. Primeiros comandos no Python usando Jupyter Notebook
4. Tipos de dados em Python
5. Criação e manipulação de listas em Python
6. Criação de ambiente virtual em Python
7. Importação e manipulação de arquivos Excel utilizando o módulo Pandas
8. Dicas de programação para importação de arquivos CSV usando o módulo Pandas
9. Tratamento de valores nulos e substituição de valores em um DataFrame Pandas
10. Consolidação de vários arquivos em Python
11. Conexão entre Python e Power BI
12. Conversão de dados e datas usando o módulo Pandas
13. Adição de novas colunas em um DataFrame
14. Manipulação de arquivos Excel com várias abas em Python
15. Seleção de apenas algumas colunas de um DataFrame
16. Remoção de duplicatas em um DataFrame usando o método Drop Duplicates do Pandas
17. Classificação de dados de forma crescente e decrescente
18. Instalação e configuração do SQL Server e SQL Management Studio (SSMS)
19. Conexão entre Python e banco de dados SQL Server
20. Agendamento automático de scripts Python com o Agendador de Tarefas do Windows

O Google BigQuery é uma poderosa plataforma de data warehousing e análise de dados na nuvem, que oferece escalabilidade, desempenho e facilidade de uso.
Ao manipular o BigQuery em Python, os desenvolvedores podem executar consultas, carregar e extrair dados de maneira programática, integrando facilmente análises avançadas aos seus fluxos de trabalho de desenvolvimento

1. Criação de Conta Gratuita no Google BigQuery
2. Conhecimento da Estrutura e Funcionalidades do Google BigQuery
3. Criação de Data Sets (Conjuntos de Dados) no BigQuery
4. Importação de Arquivos Excel para o Google BigQuery
5. Exploração das Tabelas do Curso no BigQuery
6. Realização da Primeira Consulta utilizando “SELECT *”
7. Seleção de Dados Distintos com “SELECT DISTINCT”
8. Seleção de Colunas Específicas em Consultas SQL
9. Alteração de Nomes de Coluna e Salvamento como Tabela
10. Salvamento de Consultas e Tabelas Personalizadas
11. Renomeação de Tabelas durante Consultas
12. Uso de Funções de Restrições WHERE, IN, NOT IN
13. Exclusão de Linhas em Branco com WHERE IS NULL
14. Utilização de Funções Matemáticas como >, <, BETWEEN
15. Criação de Condições Condicionais com a Função CASE
16. Utilização de Joins para Relacionamento de Tabelas
17. Importação de Tabelas do BigQuery para o Power BI
18. Estabelecimento de Relacionamentos no Power BI
19. Importação de Dados SQL para o Power BI
20. Utilização de Funções Agregadas como COUNT, MAX, MIN, SUM, AVG

O Databricks é uma plataforma de análise de dados baseada em nuvem que oferece uma variedade de recursos para processamento, análise e visualização de dados. Ele facilita a colaboração entre equipes de ciência de dados, engenheiros e analistas, fornecendo um ambiente unificado para SQL, Python e outras linguagens de programação

1. Manipulação de Dados no Databricks utilizando dbutils.
2. Manipulação de Dataframes no Databricks.
3. Localização de Dados Públicos para Treinamento utilizando databricks-datasets e Kaggle.
4. Criação de Banco de Dados e Importação de Tabelas para o Databricks.
5. Salvamento de Consultas SQL em Dataframes do Databricks.
6. Salvamento de Dados em Diferentes Formatos no Databricks, incluindo CSV, JSON e Parquet.
7. Baixando e Manipulando Dados Públicos em Formato CSV e JSON.
8. Trabalhando com Arquivos Parquet e suas vantagens em comparação com JSON e CSV.
9. Conexão do Databricks com o Power BI para análise e visualização de dados.
10. Construção de Consultas Personalizadas no Databricks.
11. Importação de Tabelas com Dados Completos para o Power BI.
12. Utilização de Filtros e Comandos SQL no Databricks.
13. Manipulação Avançada de Dados, incluindo transformações, conversões e tratamento de nulos.
14. Agregações de Dados no Databricks, como contagem, média, mínimo e máximo.
15. Introdução ao Delta Lake e seus benefícios.
16. Gerenciamento de Logs de Tabelas Delta no Databricks.
17. Otimização de Dados no Databricks, incluindo salvamento em modo particionado e uso de funções avançadas.
18. Orientações sobre custos do projeto e criação de conta na Microsoft Azure.
19. Configuração e utilização do GitHub integrado com o Databricks.
20. Configuração de Cluster, Importação e Exportação de Notebooks, e Criação de Jobs Automáticos no Databrick

Python é uma linguagem de programação versátil e poderosa que oferece uma ampla gama de benefícios ao trabalhar com bancos de dados como PostgreSQL, MySQL, SQLite e integração com API’s e muito mais .

• PostgreSQL

1. Download e instalação do PostgreSQL
2. Configuração do ambiente PGAdmin PostgreSQL
3. Configuração do ambiente virtual no VSCode
4. Localização de dados públicos para treino no Kaggle e na ANAC
5. Padrão de conexão PostgreSQL com Python
6. Manipulação de arquivos JSON em Python
7. Importação e preparação de dados em DataFrame
8. Inserção de dados no banco de dados PostgreSQL
9. Conexão PostgreSQL com Python avançado usando SQLAlchemy
10. Carga incremental de dados com Python e SQLAlchemy

• MySql

1. Salvando e lendo DataFrames em vários formatos (JSON, CSV, Parquet, Excel)
2. Conexão com diversos bancos de dados usando DBeaver
3. Instalação e configuração do MySQL, resolvendo erros de instalação
4. Conexão padrão do MySQL com Python usando mysql-connector-python
5. Importação de dados do MySQL para Python e execução de comandos básicos
6. Documentação e ambiente do MySQL, incluindo o Diagrama Workbench MySQL
7. Criação de tabelas e relacionamentos no Diagrama Workbench MySQL
8. Inserção de dados no MySQL a partir de um DataFrame Python
9. Organização de código e criação de funções avançadas em Python para carga de dados no MySQL
10. Conexão avançada com MySQL usando sqlalchemy e migração entre bancos de dados PostgreSQL e MySQL

• SQLite

1. Introdução ao SQLite e instalação do SQLiteStudio
2. Resolução de erros na execução do SQLiteStudio
3. Conhecimento do projeto do módulo SQLite
4. Preparação do ambiente no VSCode para SQLite
5. Criação do primeiro banco de dados e tabela no SQLite
6. Inserção dos primeiros dados usando o SQLiteStudio
7. Utilização dos primeiros comandos SQLite em Python
8. Passos do projeto Cadastro de Produtos
9. Criação da estrutura do banco de dados SQLite
10. Desenvolvimento da interface gráfica em Python com Tkinter e interação com o SQLite

• DBeaver

1. Instalação do DBeaver
2. Conhecendo a interface do DBeaver
3. Conexão com o SQL Server no DBeaver
4. Conexão com o PostgreSQL no DBeaver
5. Conexão com o MySQL no DBeaver
6. Conexão com o SQLite no DBeaver

GitHub é uma plataforma de desenvolvimento colaborativo que permite que os desenvolvedores hospedem e revisem código, gerenciem projetos e construam software em conjunto. Funciona como um repositório de controle de versão, onde os usuários podem armazenar, compartilhar e colaborar em projetos de código aberto ou privados.

É querido pelos recrutadores porque oferece uma visão transparente do trabalho de um desenvolvedor

1. Criando uma conta gratuita no GitHub e baixando arquivos
2. Instalando GitHub Desktop e GitBash
3. Importando e compartilhando arquivos no GitHub
4. Criando repositórios e importando arquivos via GitHub Desktop sem o uso de scripts
5. Clonando repositórios e projetos da web
6. Aprendendo comandos básicos do GitHub e GitBash
7. Resolvendo o erro “remote: Repository not found.”
8. Importando dados para o Git via Visual Studio Code
9. Ignorando arquivos com o Gitignore no GitHub – VSCode
10. Clonando arquivos e projetos do GitHub no VSCode

O SSIS (Integration Services) é uma ferramenta de ETL (Extract, Transform, Load) da Microsoft, parte do SQL Server, que simplifica e automatiza o processo de integração e transformação de dados. Com uma interface gráfica intuitiva, o SSIS permite aos desenvolvedores criar fluxos de trabalho para extrair dados de diversas fontes

1. Criação e Conexão de Tabelas no Visual Studio.
2. Publicação de Múltiplas Tabelas Simultaneamente.
3. Relacionamento de Tabelas e Chaves Estrangeiras.
4. Importação Automática de Dados para o Banco de Dados.
5. Modelagem de Dados e Utilização do SQL Power Architect.
6. Configurações Avançadas de Diagrama de Banco de Dados.
7. Clonagem de Scripts e Conexão de Vários Bancos de Dados.
8. Projeto Final: Carregamento de Arquivos Excel em Bancos de Dados Distintos.
9. Resolução de Erros e Tarefas Avançadas no SSIS.
10. Consultas Personalizadas e Manipulação de Dados no Excel.
11. Agregação, Pivot e Unpivot de Dados.
12. Utilização de Contêineres e Execução de Vários Fluxos.
13. Estrutura Básica de Projetos de BI e Configurações de JOBs.
14. Carga de Tabelas para o Data Warehouse.
15. Modelagem de Dados Star-Schema.
16. Criação de Tabelas Dimensão e Tabela Fato no Data Warehouse.
17. Restauração de Backup e Dimensionamento do Banco de Dados.
18. Carga de Tabelas Dimensão e Tabela Fato no Data Warehouse.
19. Relatórios Avançados com Joins no Data Warehouse.
20. Projeto de Construção de Tabela de Calendário Completa e Rápida.

O MongoDB é um banco de dados NoSQL de código aberto e orientado a documentos, projetado para lidar com grandes volumes de dados de forma eficiente e escalável. Suas facilidades residem na flexibilidade do modelo de dados baseado em documentos JSON, que permite armazenar dados de forma hierárquica e sem a necessidade de um esquema rígido

1. Material de Apoio: Scripts e Recursos para Download
2. Instalação do MongoDB: Passos para Baixar e Instalar o MongoDB Community e o Compass gratuitamente
3. MongoDB no Windows: Solucionando Problemas de Instalação no Windows
4. Primeiros Passos: Explorando o MongoDB Compass após a Instalação
5. MongoDB Online: Criando uma Conta Gratuita e Solucionando Problemas de Acesso
6. Configuração do Ambiente Python: Instalando Python, Anaconda e VS Code
7. Configuração do VS Code: Primeiras Configurações e Instalação de Extensões
8. Introdução ao Python: Primeiros Comandos no Jupyter Notebook
9. Conexão com MongoDB: Configuração da Extensão MongoDB no VS Code e Conexão Inicial
10. Manipulação de Dados: Inserção de Dados no MongoDB com InsertOne e InsertMany
11. Consultas: Realizando Consultas no MongoDB
12. Transformação de Dados: Convertendo Dados MongoDB em um DataFrame Python
13. Tratamento Avançado de Dados: Manipulação de Objetos Aninhados e Arrays no MongoDB
14. Shell do MongoDB: Instalação e Configuração do MongoDB Shell, incluindo a Integração com o VS Code