Memória do projeto
Registra mudanças, permite voltar versões, colaborar e mostrar evolução do trabalho.
Projetos reproduzíveis · dados e código
Git, Docker
& Ambiente
Organizar ambiente é o que permite sair do improviso: versionar código, instalar dependências certas, compartilhar projetos e executar tudo de forma previsível.
3 bases
20+ comandos
1 projeto replicável
Por que importa
Ambiente bom evita retrabalho invisível
Em dados, o projeto quase sempre mistura código, base, consulta, notebook, dependência, credencial, gráfico e documentação. Sem organização, tudo vira um arquivo final_v3_agora_vai.ipynb perdido.
Dependências isoladas
Evita conflito entre bibliotecas de projetos diferentes. Cada projeto carrega o que precisa.
Execução reproduzível
Empacota serviços e configurações para rodar de forma parecida em outras máquinas.
Como usar depois
README e comandos claros reduzem a dependência de memória e ajudam alunos, times e clientes.
Comandos copiáveis
Escolha o cenário e copie o caminho
Os comandos abaixo foram escritos para iniciantes. Antes de rodar, ajuste nomes de pastas, versões e arquivos conforme seu projeto.
Git básico
Estrutura
Um projeto de dados precisa ser encontrável
Essa estrutura é simples e funciona para estudos, portfólio e pequenos projetos de análise. Ela separa dados, notebooks, scripts, documentação e configuração.
meu-projeto-dados/
├── data/
│ ├── raw/
│ └── processed/
├── notebooks/
├── src/
├── reports/
├── .gitignore
├── README.md
├── requirements.txt
└── docker-compose.ymlDados originais. Evite editar manualmente essa camada.
Dados tratados e prontos para análise, relatório ou modelo.
Exploração, estudo e protótipos. Notebook bom conta uma história, não só executa célula.
Scripts reutilizáveis: leitura, limpeza, métricas, conexão e funções auxiliares.
Explica objetivo, como instalar, como executar e onde estão os resultados.
Docker sem trauma
Quando usar Docker em dados?
Docker ajuda quando o projeto depende de serviços, versões específicas ou precisa rodar igual em outra máquina. Para estudo simples em Python, venv já resolve muita coisa.
Você está estudando Python, Pandas, notebooks e bibliotecas simples em um projeto local.
Você precisa subir PostgreSQL, Airflow, APIs, jobs, serviços ou garantir execução padronizada.
O projeto tem mais de um serviço: banco, aplicação, notebook, fila, cache ou ferramenta de ETL.
Exemplo com PostgreSQL
services:
postgres:
image: postgres:16
container_name: lab_postgres
environment:
POSTGRES_USER: aluno
POSTGRES_PASSWORD: senha
POSTGRES_DB: dados
ports:
- "5432:5432"
volumes:
- postgres_data:/var/lib/postgresql/data
volumes:
postgres_data:Checklist
Antes de publicar no GitHub
Um projeto de portfólio precisa rodar, explicar seu objetivo e proteger informações sensíveis.
Não envie `.venv`, arquivos grandes, senhas, tokens, bases privadas ou saídas temporárias.
Explique objetivo, dados, como instalar, como executar e principais resultados.
Registre bibliotecas usadas para outra pessoa conseguir reproduzir o ambiente.
Use amostras públicas ou sintéticas quando não puder compartilhar a base original.
Evite arquivos soltos com nomes confusos. Nome bom reduz suporte.
Mostre prints, relatório, notebook final ou link de dashboard para facilitar a leitura.
Referências
Documentação oficial para continuar
Essas fontes ajudam a aprofundar os fundamentos e comandos usados na página.