Currículo introdutório de 10 semanas e 20 aulas da Microsoft, com tópicos fundamentais de ciência de dados, Python, quizzes e projetos.
AllenDowney/ThinkStats
Notebooks Jupyter, dados e materiais complementares para a terceira edição do livro de estatística Think Stats, baseado em Python e pandas.
- Estrelas
- 1,284
- Forks
- 204
- Issues abertas
- 0
- Último commit
- há 6 dias
O que é?
ThinkStats é o repositório complementar da terceira edição de Think Stats, um livro introdutório de estatística que ensina probabilidade e estatística por meio de código Python na prática. Ele reúne os notebooks, os arquivos de dados usados no livro e exemplos e figuras adicionais.
Os notebooks estão disponíveis em duas versões: uma sem soluções, para estudantes resolverem os exercícios, e outra com soluções, que serve como conjunto de arquivos-fonte. O livro também está publicado online em HTML, gerado com Jupyter Book, para que leitores possam consultar e executar os notebooks no navegador. Há arquivos ZIP para download com os dois conjuntos de notebooks, sem precisar clonar o repositório.
O repositório também inclui um tutorial de análise de séries temporais, além de um Makefile e arquivos requirements para configurar um ambiente Conda e executar o material.
Recursos principais
- 01Notebooks da terceira edição de Think Stats, com e sem soluções
- 02Arquivos de dados usados ao longo do livro, armazenados diretamente no Git
- 03Versão HTML online navegável, gerada com Jupyter Book
- 04Exemplos e figuras adicionais, além de um tutorial de análise de séries temporais
- 05Configuração do Conda por meio de Makefile e arquivos requirements
Casos de uso
- Aprender estatística na prática, acompanhando o livro e resolvendo exercícios nos notebooks Python
- Consultar as soluções dos exercícios do conteúdo de Think Stats
- Estudar análise de séries temporais com o tutorial incluído
- Ensinar um curso introdutório de estatística com exemplos baseados em pandas
Início rápido
- 1
Abra o livro on-line e execute os notebooks no navegador
- 2
Instale os pacotes necessários para executar os notebooks
pip install -r requirements.txt - 3
Ou baixe os notebooks como um arquivo zip sem clonar o repositório
Antes de usar
- As instruções de configuração do README usam um ambiente Conda por meio do Makefile, o que pode exigir um esforço extra para configurar.
Tópicos
Perguntas frequentes
- O que é ThinkStats?
- Notebooks Jupyter, dados e materiais complementares para a terceira edição do livro de estatística Think Stats, baseado em Python e pandas. ThinkStats é o repositório complementar da terceira edição de Think Stats, um livro introdutório de estatística que ensina probabilidade e estatística por meio de código Python na prática. Ele reúne os notebooks, os arquivos de dados usados no livro e exemplos e figuras adicionais.
- ThinkStats é gratuito? Qual é a licença?
- ThinkStats é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- ThinkStats ainda é mantido?
- Manutenção ativa. O último commit de ThinkStats foi em 15 de out. de 2026.
- Para que posso usar ThinkStats?
- Aprender estatística na prática, acompanhando o livro e resolvendo exercícios nos notebooks Python Consultar as soluções dos exercícios do conteúdo de Think Stats Estudar análise de séries temporais com o tutorial incluído Ensinar um curso introdutório de estatística com exemplos baseados em pandas
- Como instalar ThinkStats?
- Abra o livro on-line e execute os notebooks no navegador Instale os pacotes necessários para executar os notebooks: pip install -r requirements.txt Ou baixe os notebooks como um arquivo zip sem clonar o repositório
- Onde consigo ThinkStats?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/AllenDowney/ThinkStats
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um curso passo a passo de 30 dias que ensina Python, dos fundamentos a aplicações web, APIs e ferramentas de dados.
Biblioteca de machine learning em Python baseada em SciPy e NumPy, com ferramentas de classificação, regressão, clustering e seleção de modelos, sob licença BSD.
Currículo introdutório de 12 semanas e 26 aulas sobre machine learning clássico, com Scikit-learn, aulas e quizzes em Python e R.
Uma coleção de exemplos e guias em notebooks Jupyter que mostram como realizar tarefas comuns com a API da OpenAI.
Keras 3 é um framework de deep learning que roda com JAX, TensorFlow, PyTorch ou OpenVINO para inferência.