Extracting Information from Data
Introduzido| English | Significado |
|---|---|
| information/ˌɪnfəˈmeɪʃn/ | informação |
| data sets/ˈdeɪtə sets/ | conjuntos de dados |
| patterns/ˈpætnz/ | padrões |
| trends/trendz/ | tendências |
| Filtering/ˈfɪltərɪŋ/ | filtragem |
| Cleaning/ˈkliːnɪŋ/ | limpeza |
| correlation/ˌkɒrɪˈleɪʃn/ | correlação |
| Causation/kɔːˈseɪʃn/ | causalidade |
| Metadata/ˌmetəˈdeɪtə/ | metadados |
| visualization/ˌvɪʒuːəlaɪˈzeɪʃn/ | visualização |
| bias/ˈbaɪəs/ | viés |
De dados brutos a informações
- Dados brutos por si só são apenas números e texto.
- O objetivo é transformá-los em informação útil — algo que responda a uma questão real.
- Programas podem analisar grandes conjuntos de dados muito mais rápido que uma pessoa.
- Ao analisar, eles encontram padrões (coisas que se repetem) e tendências (mudanças ao longo do tempo).
Turning raw data into something that answers a real question produces:
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Information is data made useful — patterns and trends answering a question.
Match each term to its meaning.
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
Programs scan data sets to find both.
Preparando dados bagunçados
- Dados reais são bagunçados, então precisam ser preparados primeiro.
- Filtragem mantém apenas as linhas desejadas e oculta as demais.
- Limpeza corrige problemas — removendo duplicatas, preenchendo valores ausentes e corrigindo erros.
- Preparar dados dessa forma torna a análise posterior significativa e confiável.

Filtre as linhas necessárias, depois conte, some ou faça a média delas
Filtering or cleaning?
Filtering keeps only the rows you care about; cleaning fixes problems in the data (duplicates, blanks, mistakes) before analysis.
Removing duplicate rows and filling missing values is part of cleaning data.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Cleaning fixes problems so the analysis can be trusted.
Correlação não é causalidade
- Correlação significa que duas coisas mudam juntas (vendas de sorvete e queimaduras solares aumentam no verão).
- Causalidade significa que uma coisa realmente causa a outra.
- Uma correlação não prova causalidade.
Não confunda as duas. Sorvete não causa queimaduras solares — tempo quente e ensolarado causa ambas. Duas coisas aumentando juntas podem compartilhar uma causa oculta, então uma correlação sozinha nunca prova que uma causa a outra.
Ice-cream sales and sunburns both rise in summer. This shows:
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Hot weather causes both — a shared cause, not one causing the other.
"Data about data", like a photo's date and location, is called ______.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Metadata helps organize, search, and locate information.
Surveying only people who downloaded an app about whether the app is popular introduces:
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
The collection method slants the result — a biased sample.
Metadados, visualização e viés
- Metadados são "dados sobre dados" — data, câmera e localização de uma foto. Eles ajudam a organizar e pesquisar.
- Uma visualização transforma dados em uma imagem (um gráfico) para que um padrão seja evidente à primeira vista.
- Sempre pergunte como os dados foram coletados: viés é uma inclinação que empurra conclusões para um lado.
Enquete enviesada. Uma empresa pergunta "Nosso app é popular?", mas pesquisa apenas pessoas que já o baixaram. Quase todos dizem sim — mas usuários insatisfeitos nunca responderam, então o resultado feliz é enganoso.
Programas transformam conjuntos de dados brutos em informações, encontrando padrões e tendências. Prepare dados fazendo filtragem (manter linhas relevantes) e limpeza (corrigir problemas). Cuidado: uma correlação nunca prova causalidade, e viés na coleta de dados pode induzir a erro. Metadados e visualização ajudam a organizar e revelar insights.