Roadmap Atualizado · 2025–2026

Análise de Dados

Do zero ao profissional sênior — todas as tecnologias, ferramentas e caminhos que realmente importam hoje

9
Fases
50+
Ferramentas
200+
Conceitos
6
Trilhas de carreira
Fundamentos
→
Programação
→
Dados
→
Estatística
→
ML & IA
→
BI & Viz
→
Cloud
→
Soft Skills
→
Especialização
HOT Muito demandado no mercado
NEW Tendência emergente em 2025
AI Relacionado a IA / LLMs
CORE Fundamento essencial
💡 Passe o mouse sobre os cards para destacar
01

Fundamentos Matemáticos & Lógicos

A base de tudo. Sem isso, você consegue usar ferramentas mas nunca entenderá por que elas funcionam — e não saberá o que fazer quando quebrarem. Invista aqui com calma antes de correr para Python ou SQL. Esta fase é ignorada por muitos iniciantes e é exatamente o que diferencia analistas mediocres dos excepcionais.

⏱ Tempo estimado: 4–6 semanas de estudo sólido
📐
Álgebra Linear
Fundamento de ML, redes neurais e compressão de dados
Vetores e matrizes Produto escalar e matricial Autovalores e autovetores Transformações lineares Decomposição SVD Normas (L1, L2) Espaços vetoriais Rank de matrizes
📈
Cálculo & Otimização
Essencial para entender como modelos aprendem (gradient descent)
Derivadas e regra da cadeia Gradiente e Hessiana Derivadas parciais Otimização convexa Mínimos locais vs. globais Integrais (conceito) Função de perda
🎲
Probabilidade
Base para estatística, ML bayesiano e tomada de decisão sob incerteza
Espaço amostral e eventos Probabilidade condicional Teorema de Bayes Variáveis aleatórias Esperança e variância Covariância Lei dos grandes números Teorema Central do Limite Distribuições discretas Distribuições contínuas
🔢
Lógica & Pensamento Computacional
Como pensar como uma máquina — e como um analista
Lógica proposicional Teoria dos conjuntos Funções e relações Raciocínio dedutivo Raciocínio indutivo Estruturas de dados básicas Complexidade (Big-O) Pensamento crítico
▼ PRÓXIMA FASE
02

Programação para Dados

🐍
Python HOT CORE
A linguagem número 1 em dados. Aprenda bem desde o início
Sintaxe e tipos de dados Estruturas: list, dict, set, tuple Funções e lambdas OOP (classes e herança) List / dict comprehensions Generators e iteradores Decorators Context managers (with) Tratamento de exceções Type hints (PEP 484) Manipulação de arquivos Módulos e packages uv / Poetry (gestão de deps) pytest Ruff (linting moderno)
🗃️
SQL HOT CORE
Ainda a habilidade mais cobrada em vagas de dados no Brasil
SELECT, WHERE, GROUP BY, HAVING JOINs (inner, left, right, full, cross) Subqueries e CTEs (WITH) Window Functions RANK, DENSE_RANK, ROW_NUMBER LAG, LEAD, NTILE Aggregations avançadas Índices e EXPLAIN ANALYZE DDL (CREATE, ALTER, DROP) Transações e ACID Stored Procedures e Views Analytic Functions no BigQuery PIVOT / UNPIVOT
📦
Bibliotecas Python Core
O arsenal básico de qualquer profissional de dados
Pandas (DataFrames) NumPy (arrays numéricos) Polars (alternativa ultra-rápida ao Pandas) Scipy (computação científica) Statsmodels (modelos estatísticos) Matplotlib (gráficos base) Seaborn (gráficos estatísticos) Plotly (gráficos interativos) Openpyxl (Excel) PyArrow (formato columnar) DuckDB (SQL local rápido)
💻
Ambiente & Ferramentas Dev
Configurar bem o ambiente economiza horas de dor de cabeça
Jupyter Notebook / JupyterLab VS Code + extensões Python Git e GitHub (versionamento) Terminal / Bash básico Google Colab Docker (conceito e uso básico) uv (gerenciador de pacotes rápido) Marimo (notebooks reativos) Conda / pip Make / Makefile
⚙️
R — Opcional mas Valioso
Preferido em pesquisa acadêmica, bioestatística e experimentos avançados
ggplot2 (visualizações elegantes) dplyr (manipulação de dados) tidyr (dados arrumados) tidyverse (ecosistema completo) R Markdown / Quarto Shiny (dashboards) caret / tidymodels
🕸️
Web Scraping & APIs
Saber coletar dados de qualquer fonte é um superpoder real
Requests (HTTP) BeautifulSoup (HTML parsing) Selenium (automação de browser) Playwright (scraping moderno) Scrapy (framework de scraping) APIs REST (GET, POST, auth) JSON e XML OAuth 2.0 Rate limiting e robots.txt httpx (HTTP assíncrono)
▼ PRÓXIMA FASE
03

Dados: Coleta, Qualidade & Engenharia

🧹
Qualidade & Limpeza de Dados HOT
80% do tempo de um analista real é isso. Não subestime
Dados faltantes (NaN / NULL) Estratégias de imputação Detecção e tratamento de outliers Remoção de duplicatas Tipagem correta de colunas Normalização de strings Validação de schema (Pydantic) Great Expectations Soda Core Pandera (validação de DataFrames) Dados inconsistentes e conflitantes
🔄
Pipelines de Dados: ETL / ELT
Como mover e transformar dados em escala, de forma confiável
dbt (data build tool) Apache Airflow (orquestração) Dagster (orquestração moderna) Prefect 3.x Luigi Batch vs. Streaming Idempotência e reprocessamento Data contracts dlt (data load tool) Ingestão incremental ELT vs. ETL tradicional
🗄️
Bancos de Dados
OLTP para operações, OLAP para análise — saiba a diferença
PostgreSQL (relacional principal) MySQL / MariaDB SQLite (local e testes) MongoDB (documento) Redis (cache / KV) Cassandra (wide-column) DuckDB (OLAP local/SQL in-process) OLTP vs. OLAP Normalização (1NF, 2NF, 3NF) Modelagem relacional (ER)
🏛️
Data Warehouses & Lakes HOT
Onde os dados analíticos de empresas realmente vivem
BigQuery (GCP) Snowflake Redshift (AWS) Databricks Delta Lake / Delta Tables Apache Iceberg (table format) Apache Hudi Data Lakehouse (paradigma atual) Particionamento e clustering Columnar storage (Parquet, ORC) Custo e performance
⚡
Dados em Tempo Real NEW
Tendência crescente: analytics não pode mais esperar o batch de amanhã
Apache Kafka (event streaming) Apache Spark Streaming Apache Flink AWS Kinesis Google Pub/Sub Confluent Platform RisingWave (streaming SQL) CDC (Change Data Capture) Debezium Real-time dashboards
🏗️
Modelagem de Dados
Estruturar bem os dados é o que torna as análises confiáveis
Star Schema Snowflake Schema Metodologia Kimball Data Vault 2.0 Dimensões e tabelas de fatos SCD (Slowly Changing Dimensions) One Big Table (OBT) Data Mesh (arquitetura descentralizada) Data Contracts Documentação de dados
▼ PRÓXIMA FASE
04

Estatística & Análise Exploratória

📊
Estatística Descritiva
O primeiro passo de qualquer análise de dados séria
Média, mediana e moda Desvio padrão e variância Quartis e percentis Assimetria (skewness) Curtose (kurtosis) Correlação de Pearson e Spearman Covariância Tabelas de frequência Tabelas de contingência
🔬
Inferência Estatística HOT
Tomar decisões com dados — e saber quando você está errado
Testes de hipótese p-valor e significância Erro tipo I (falso positivo) Erro tipo II (falso negativo) Intervalos de confiança t-test (1 e 2 amostras) ANOVA e ANOVA de dois fatores Teste qui-quadrado Mann-Whitney (não-paramétrico) Bootstrapping Correção de Bonferroni (múltiplos testes)
📉
Distribuições de Probabilidade
Entender as distribuições é entender os dados em si
Normal (Gaussiana) Binomial Poisson Exponencial Beta e Gama Log-normal Cauda longa (Pareto) Teorema Central do Limite Transformações de distribuições Testes de normalidade (Shapiro-Wilk)
🔍
EDA — Análise Exploratória de Dados
A arte de fazer perguntas certas e encontrar padrões nos dados
Profiling de dados (ydata-profiling) Histogramas e KDE plots Boxplots e violin plots Scatter plots e heatmaps Pair plots Análise bivariada e multivariada Detecção de padrões e anomalias Pivot tables exploratórias Limpeza orientada a perguntas (question-driven EDA)
🧪
Experimentação & A/B Testing HOT
Como empresas tomam decisões baseadas em dados reais — não opiniões
Design de experimentos Grupo de controle e tratamento Cálculo de sample size Poder estatístico Testes multivariados Significância prática vs. estatística Bayesian A/B Testing Causal inference (DiD, RDD) Synthetic control Bias de seleção Novelty effect
📅
Séries Temporais
Análise de dados ao longo do tempo — vendas, finanças, demanda
Tendência, sazonalidade e resíduo Decomposição (STL) ARIMA / SARIMA Prophet (Meta) Autocorrelação (ACF / PACF) Forecasting avançado NeuralProphet TimeGPT Dados de painel Detecção de anomalias temporais
▼ PRÓXIMA FASE
05

Machine Learning & Inteligência Artificial

2025 Update: O campo de IA avançou muito nos últimos 2 anos. Além do ML clássico, dominar LLMs e agentes de IA tornou-se essencial para se manter relevante. Não ignore o ML clássico — ele ainda resolve 80% dos problemas reais de negócio com muito menos custo.
📖
Aprendizado Supervisionado
A maioria dos projetos de ML em empresas usam esses algoritmos
Regressão Linear e variantes Regressão Logística Árvores de Decisão Random Forest Gradient Boosting (GBM) XGBoost LightGBM CatBoost SVM (Support Vector Machine) KNN (K-Nearest Neighbors) Naive Bayes Regressão Ridge e Lasso Elastic Net
🧩
Aprendizado Não Supervisionado
Encontrar padrões sem rótulos — segmentação, compressão, anomalia
K-Means Clustering DBSCAN Clustering Hierárquico PCA (Análise de Componentes) t-SNE (visualização) UMAP (redução dimensional) Regras de associação (Apriori, FP-Growth) Isolation Forest (anomalias) HDBSCAN Autoencoders
⚖️
Avaliação & Validação de Modelos HOT
Um modelo sem boa avaliação não é um modelo — é um risco
Train / Validation / Test split K-Fold Cross-Validation Stratified K-Fold AUC-ROC e PR Curve Precision, Recall, F1-Score Matriz de confusão RMSE, MAE, MAPE (regressão) Overfitting & Underfitting Bias-Variance Tradeoff SHAP (explicabilidade) LIME Calibração de probabilidades
🔧
Feature Engineering
A habilidade que mais diferencia um bom cientista de dados
Seleção de features (Filter, Wrapper, Embedded) One-hot encoding Target encoding Label encoding Ordinal encoding Scaling: StandardScaler, MinMax, RobustScaler Criação de variáveis (date features, binning) Feature importance (SHAP, permutation) Embeddings como features Tratamento de cardinalidade alta
🧠
Deep Learning HOT
Base para NLP, visão computacional e modelos generativos
Redes Neurais (MLP) Backpropagation e otimizadores (Adam, SGD) CNNs (imagens) RNNs e LSTMs (sequências) Transformers e Attention PyTorch (framework principal) TensorFlow / Keras JAX (Google) Regularização (Dropout, BatchNorm) Transfer Learning Flash Attention
🤖
LLMs & IA Generativa AI HOT
A maior revolução em dados dos últimos 10 anos. Essencial em 2025
Prompt Engineering RAG (Retrieval-Augmented Generation) Fine-tuning (LoRA, QLoRA) LangChain / LangGraph LlamaIndex OpenAI API / Anthropic API Embeddings semânticos Vector databases (Pinecone, Weaviate, Chroma, pgvector) Agentes de IA (AI Agents) Function calling / Tool use Guardrails e avaliação de LLMs Multimodal (texto + imagem + áudio) HuggingFace Hub
🚀
MLOps HOT
Levar modelos para produção e mantê-los funcionando — o elo perdido
MLflow (experimentos e registry) DVC (versionamento de dados) Weights & Biases (W&B) Model Registry e versioning CI/CD para ML (GitHub Actions) FastAPI (servir modelos) BentoML Ray Serve Monitoramento de modelos em produção Data drift e concept drift LLMOps (monitoramento de LLMs) Feature stores (Feast)
📚
Bibliotecas & Frameworks ML
O ecossistema Python de ML, completo e atualizado
Scikit-learn XGBoost LightGBM CatBoost Optuna (hyperparameter tuning) Ray Tune SHAP (explicabilidade) LIME imbalanced-learn (classes desbalanceadas) TabPFN (transformer para dados tabulares) AutoGluon (AutoML)
▼ PRÓXIMA FASE
06

Visualização de Dados & Business Intelligence

📊
Ferramentas de BI HOT
As ferramentas que analistas usam no dia a dia das empresas
Power BI (Microsoft) Tableau Looker / Looker Studio Metabase (open source) Apache Superset Grafana (observabilidade) Qlik Sense Evidence (BI com código) Rill (OLAP analytics)
🎨
Princípios de Visualização & Design
Técnica sem teoria visual produz gráficos confusos e enganosos
Hierarquia visual (atenção e foco) Escolher o gráfico certo para cada dado Teoria das cores para dados Storytelling com dados Dashboard design (layout e fluxo) Acessibilidade (daltonismo) Gestalt principles Evitar chartjunk (Tufte) Data-ink ratio Mobile-first dashboards
🌐
Visualização Avançada & Apps de Dados
Quando BI tradicional não é suficiente — crie suas próprias ferramentas
Streamlit (apps de dados em Python) Plotly Dash Bokeh Altair (gramática de gráficos) D3.js (gráficos custom web) Observable Plot Vega-Altair Apache ECharts Marimo (notebooks reativos) Vizro (Plotly + Pydantic)
📋
DAX, Power Query & Modelagem no Power BI
Essencial para quem trabalha com o ecossistema Microsoft
Medidas vs. Colunas calculadas CALCULATE e contexto de filtro FILTER, ALL, ALLEXCEPT Time intelligence (YTD, MoM, YoY) M Language (Power Query) Relacionamentos e cardinalidade Row-level security (RLS) DirectLake (Fabric) Microsoft Fabric (novo ecossistema)
💼
Métricas & KPIs de Negócio HOT
Os números que CEOs e gestores acompanham — saiba calculá-los
LTV (Lifetime Value) CAC (Custo de Aquisição) Churn Rate e Retention NPS (Net Promoter Score) Funis de conversão North Star Metric OKRs e KPIs MRR e ARR ARPU / ARPA Análise de cohort Análise RFM (Recência, Frequência, Monetário) Product Analytics (Amplitude, Mixpanel)
▼ PRÓXIMA FASE
07

Cloud & Infraestrutura de Dados

☁️
Plataformas Cloud HOT
Todo dado profissional hoje vive na cloud. Conhecer é obrigatório
AWS (Amazon Web Services) Google Cloud Platform (GCP) Microsoft Azure S3 / GCS / Azure Blob Storage EC2 / Compute Engine / VM Cloud Functions / Lambda IAM (Identity & Access Management) VPC e Networking básico Certificações: AWS Data Engineer, GCP Professional Data Engineer
📡
Serviços Gerenciados de Dados
A infraestrutura de dados moderna é quase toda gerenciada
AWS Glue (ETL gerenciado) AWS Athena (SQL no S3) GCP Dataflow (Apache Beam) GCP Dataproc (Spark gerenciado) GCP Vertex AI (ML plataforma) Azure Synapse Analytics Cloud Composer (Airflow gerenciado) AWS SageMaker Microsoft Fabric (data platform unificada)
🐳
Containers, DevOps & IaC
Reproducibilidade e automação — o que separa pipelines amadores de profissionais
Docker (containers) Docker Compose (multi-serviço) Kubernetes — conceitos básicos CI/CD (Integração contínua) GitHub Actions Terraform (IaC) Pulumi (IaC em Python) Makefile para pipelines Environment variables e segredos
🔐
Governança, Segurança & Privacidade
LGPD não é opcional — e empresas cada vez mais exigem isso
LGPD (Lei Geral de Proteção de Dados) GDPR (referência europeia) Anonimização e pseudonimização Data Catalog (Dataplex, Alation, DataHub) Data Lineage (rastreabilidade) IAM e controle de acesso por role Criptografia em repouso e em trânsito Data observability (Monte Carlo, Bigeye) OpenMetadata Políticas de retenção de dados
▼ PRÓXIMA FASE
08

Soft Skills & Habilidades de Negócio

Dados sem comunicação são apenas números. As habilidades desta fase são o que fazem um profissional de dados ser realmente valorizado — e o que mais falta no mercado. Técnica se aprende; pensamento analítico de negócio é mais raro.

📣
Comunicação de Dados HOT
O insight que não é comunicado é igual a nenhum insight
Storytelling com dados (narrativa) Apresentações para executivos (C-level) Simplificar o complexo Escrever insights com clareza Relatórios e memos de análise Escolher o visual certo para a audiência Comunicar com IA: usar LLMs para redigir relatórios
🧠
Pensamento Analítico & Problem Solving
Saber o que analisar é mais importante do que saber como analisar
Problem framing (definir bem a pergunta) Formulação de hipóteses Raciocínio causal vs. correlacional Root cause analysis First principles thinking Framework MECE Pirâmide de Minto Análise de trade-offs
🤝
Colaboração & Stakeholders
Trabalhar com times de produto, eng e negócio é habilidade técnica
Gestão de expectativas Traduzir demandas de negócio em SQL/Python Documentação de análises Code review para dados Metodologias ágeis (Scrum, Kanban) Feedback construtivo Reuniões eficientes Trabalho assíncrono e remoto
💡
Domínio de Negócio & Contexto Setorial
Quanto mais você entende do negócio, mais valioso é seu trabalho com dados
Entender o modelo de negócio da empresa Finanças básicas (P&L, balanço) Marketing digital e funis Produto e UX Operações e supply chain Cadeia de valor Conhecer o cliente final FinTech, Health, Varejo, SaaS — especializar por vertical
📌
Portfólio & Construção de Carreira
Competência invisível é competência desperdiçada
GitHub organizado e documentado LinkedIn com projetos e resultados reais Kaggle (competições e notebooks) Blog técnico (Medium, Substack) Contribuição open source Certificações estratégicas (AWS, GCP, dbt) Networking ativo na comunidade Projetos pessoais com dados reais (não só tutoriais) Presença em comunidades (Discord, Slack, eventos)
▼ PRÓXIMA FASE
09

Especializações — Escolha seu Caminho

Após dominar as fases anteriores, você escolhe uma ou mais trilhas de especialização. Não é obrigatório fazer tudo — escolha de acordo com seu objetivo de carreira, salário desejado e mercado. Em 2025, as trilhas de ML Engineer e Analytics Engineer são as que mais crescem em demanda.

🧑‍💼
Data Analyst / Business Analyst
Foco em responder perguntas de negócio com dados — a porta de entrada mais comum
SQL avançado (window functions, CTEs) Power BI ou Tableau Excel / Google Sheets avançado Análise de cohort e funis A/B Testing e experimentos Storytelling com dados Métricas de produto e growth Product Analytics (Amplitude, Mixpanel)
🔬
Data Scientist
Modelos preditivos, experimentação e análise avançada
ML avançado (XGBoost, ensemble) Deep Learning (PyTorch) Experimentação e A/B Testing Estatística avançada (causal inference) NLP e processamento de texto Computer Vision LLMs aplicados a problemas de negócio Publicação e deploy de modelos SHAP e explicabilidade
🏗️
Data Engineer
Construir e manter a infraestrutura que permite as análises existirem
Pipelines de dados robustos Apache Spark dbt (transformações SQL) Kafka (streaming) Cloud: AWS ou GCP profundo Airflow ou Dagster Arquitetura de dados (Lakehouse) Apache Iceberg / Delta Lake Python para engenharia (não só análise) Monitoramento e observabilidade de dados
🤖
ML Engineer / AI Engineer NEW HOT
A trilha que mais cresce em 2025 — ML + engenharia de software + LLMs
MLOps completo LLMs, RAG e Agentes de IA Deploy de modelos (FastAPI, BentoML) APIs de ML em produção Monitoramento de modelos (drift) Otimização de inferência Quantização de modelos (GGUF, ONNX) vLLM (serving de LLMs) Engenharia de software sólida
📊
Analytics Engineer HOT
O papel que mais cresce no Brasil — ponte entre Eng e Analistas
dbt expert (modelos, testes, docs) Modelagem dimensional moderna SQL avançado em DW Documentação de dados Testes de qualidade de dados Metabase / Looker Studio Data contracts e acordos de SLO Git workflow para dados Governança e catalogação
🏢
Head of Data / Chief Data Officer
Liderança técnica e estratégica — 7–10 anos de experiência
Estratégia de dados (data strategy) Gestão e desenvolvimento de times Data culture e evangelização interna ROI de iniciativas de dados Governança e compliance Visão executiva e comunicação C-level AI strategy e ética de IA Build vs. Buy (ferramentas)
+

Ecossistema Completo de Ferramentas (2025)

Linguagens & Runtimes
Python 3.12+
SQL
R 4.x
Scala (Spark)
Bash / Shell
Julia (nicho)
IDEs, Notebooks & Plataformas
VS Code
JupyterLab
Google Colab
Databricks Notebooks
Deepnote
Hex
Marimo (novo)
Mode Analytics
Observable
Cloud, Infra & Storage
AWS
GCP
Azure
Snowflake
BigQuery
Databricks
Docker
Kubernetes
Terraform
DuckDB
Microsoft Fabric
Orquestração & Pipelines
Apache Airflow
Dagster
Prefect 3
dbt Core / Cloud
dlt (data load tool)
Apache Kafka
Debezium (CDC)
ML, IA & LLMs
Scikit-learn
PyTorch
TensorFlow / Keras
HuggingFace
LangChain / LangGraph
LlamaIndex
MLflow
W&B
SHAP
Optuna
FastAPI
vLLM
BI, Visualização & Analytics
Power BI
Tableau
Looker Studio
Metabase
Streamlit
Plotly Dash
Apache Superset
Amplitude
Mixpanel
Qualidade, Catálogo & Observabilidade de Dados
Great Expectations
Soda Core
DataHub
OpenMetadata
Monte Carlo
dbt Tests
Pandera
R$

Faixa Salarial no Brasil (2025–2026)

ESTÁGIO / TRAINEE
R$1,5–3k
mensal · 0–1 ano
~$300–600 USD
JÚNIOR
R$4–8k
mensal · 1–2 anos
~$800–1.6k USD
PLENO
R$8–15k
mensal · 2–5 anos
~$1.5–3k USD
SÊNIOR
R$15–28k
mensal · 5+ anos
~$3–6k USD
ESPECIALISTA / STAFF
R$25–50k
mensal · referência técnica
~$5–10k USD
REMOTO INTERNACIONAL
$5–20k
USD/mês · pleno–sênior
🌎 Meta, Google, startups EUA
Nota 2025: Profissionais com experiência sólida em LLMs/IA generativa + engenharia de dados estão sendo disputados com salários 30–50% acima da média. Analytics Engineers com dbt avançado e ML Engineers têm as maiores valorizações no momento.
→

Ordem de Estudo Recomendada — 12 a 18 meses

01
Meses 1–2: Fundamentos sólidos
Não pule essa etapa. Estude probabilidade, álgebra linear básica e lógica. Aprenda Python do zero (listas, funções, OOP básico) e SQL intermediário (JOINs, GROUP BY, subqueries). Configure Jupyter, VS Code e Git desde o primeiro dia — são hábitos profissionais.
Python básico SQL intermediário Probabilidade Git / GitHub
02
Meses 3–4: Manipulação e qualidade de dados
Pandas e NumPy a fundo: limpeza, transformação, merge, group by. SQL avançado com window functions e CTEs. EDA completo com visualizações (Matplotlib, Seaborn, Plotly). Aqui você aprende a fazer as perguntas certas sobre os dados — a habilidade mais subestimada.
Pandas / NumPy SQL avançado EDA Qualidade de dados
03
Meses 5–6: Estatística e visualização para negócio
Estatística descritiva e inferencial na prática. Testes de hipótese, A/B testing, intervalos de confiança. Power BI ou Tableau — crie dashboards reais com dados públicos. Comece a praticar storytelling: comunicar insights é tão importante quanto encontrá-los.
Estatística inferencial A/B Testing Power BI ou Tableau Storytelling
04
Meses 7–9: Machine Learning clássico
Scikit-learn completo: regressão, classificação, clustering. XGBoost e LightGBM (os mais usados na prática). Feature engineering, cross-validation, métricas de avaliação e SHAP para explicabilidade. Projetos no Kaggle são essenciais para praticar com dados reais e comprar com outros.
Scikit-learn XGBoost / LightGBM Feature Engineering Kaggle
05
Meses 10–12: Cloud, engenharia e dbt
Fundamentos de cloud (AWS ou GCP): S3, BigQuery ou Redshift. Aprenda dbt para transformações SQL no data warehouse. Airflow ou Dagster para orquestração de pipelines. Entenda como dados fluem em produção — isso é o que separa analistas de analistas de dados sérios.
GCP ou AWS dbt Airflow / Dagster Data Warehousing
06
Meses 13–15: LLMs e IA generativa aplicada
Em 2025, ignorar LLMs é um erro de carreira. Aprenda a usar APIs (OpenAI, Anthropic, Google), RAG para busca semântica em dados internos, LangChain e LlamaIndex. Construa um projeto real com LLM — um chatbot sobre dados da empresa ou um sistema de relatórios automáticos.
OpenAI / Anthropic API RAG LangChain Vector DBs
07
Ano 2+: Especialização, portfólio e sênior
Escolha sua trilha (Data Scientist, Analytics Engineer, ML Engineer, Data Engineer). Deep Learning, MLOps, arquiteturas avançadas de dados. Construa portfólio sólido com projetos reais, contribua com open source, escreva sobre o que aprendeu. Networking e visibilidade são tão importantes quanto a técnica neste nível.
Deep Learning MLOps Portfólio público Especialização escolhida