Durante o processo de aprendizagem de análise de dados é fundamental aplicar os conhecimentos adquiridos aos dados. Todavia, muitas vezes nos vemos obrigados a trabalhar com dados de exemplos que não apresentam as dificuldades do mundo real ou não guardam nenhuma relação com os dados que serão enfrentados no dia a dia. Nesse sentido, a possibilidade de acesso a outras base de dados pode ser bastante útil.
O Kaggle disponibiliza um conjunto de dados abertos que podem ser usados por quem deseja exercitar alguma técnica ou conhecimento específico. Porém, antes de mais nada, vamos falar um pouco sobre o Kaggle para quem não conhece.
O Kaggle é, provavelmente, a principal plataforma de competições de ciência de dados. Lá, são disponibilizadas competições que podem ter como objetivo unicamente o aprendizado, como também recrutamento e prêmios em dinheiro. Como exemplo, atualmente, está ocorrendo uma competição para melhoria de diagnóstico de câncer de pulmão em que o total de prêmios chega a US$ 1 milhão.
Apesar de algumas competições envolverem dinheiro, o grande ponto de plataforma é o aprendizado. Nela, é possível aprender com grandes especialistas, através de scripts públicos e fóruns. Vale ressaltar que, atualmente, um brasileiro é o número 1 do ranking.
Voltando aos dados públicos, neste link estão disponíveis uma série de bases de dados que podem ser publicadas por qualquer usuário. Hoje, estão disponíveis mais de 300 conjuntos de dados.
Por exemplo, se o seu interesse é exercitar algum conhecimento sobre mineração de textos, é possível analisar os dados e metadados dos tweets da Hillary Clinton e Donald Trump durante a corrida presidencial de 2016.
Recentemente, foi adicionada uma base de dados com informações sobre os reembolso realizados por deputados federais brasileiros. Por sinal, vale ressaltar que existe um projeto (Operação Serenata de Amor) que está fazendo bastante sucesso em que os reembolsos do deputados são analisados e é realizada uma predição sobre a possibilidade daquele reembolso ser ilegal.
Vale a pena explorar o Kaggle e checar se alguma base pode ser usada para auxiliar o seu aprendizado ou até mesmo para desenvolvimento de portfólio.