Este roadmap foi criado para orientar o aprendizado nas áreas de Desenvolvimento de Software, Engenharia de Dados e Engenharia de Inteligência Artificial (IA), fornecendo um caminho de desenvolvedor à engenheiro de A.I. Todos os conteúdos que listarei podem ser encontrados de forma gratuita internet afora, porém, alguns cursos possam ser interessantes. 
Note
Se você gostou deste projeto, por favor me dê uma estrela ⭐ ajude a divulgar o material, contribuições são bem-vindas! Sinta-se à vontade para dar sugestões!!
O principal objetivo deste repositório é a busca por conhecimento acima de tudo. Não se trata apenas de conquistar uma vaga de emprego, mas de se consolidar como alguém que realmente entende e domina o que faz, alguém que é referência no que gosta.
Não é sobre ser o melhor em todas as três áreas ao mesmo tempo, mas sim estudar profundamente cada uma delas para, com clareza, poder escolher o caminho que mais se alinha aos seus objetivos e paixões.
Para seguir esse estudo de um jeito que seja eficaz é necessário seguir algumas métricas para que não acabe sendo nem desgastante quanto confuso.
-
Escolha um foco inicial: Embora seja possível estudar as três áreas simultaneamente, é recomendável seguir a ordem do roadmap, pois uma coisa acaba levando a outra, exemplo:
- Para se tornar um bom engenheiro de dados é recomendado possuir uma ótima base em Desenvolvimento de software, estrutura de código e lógica de programação.
- Portanto é lógico pensar que um bom desenvolvedor de software consegue se tornar um engenheiro de dados mais rapidamente. Mas se for de preferencia é possível começar por outro tópico.
-
Estude em camadas: A maioria das seções estão organizadas de forma progressiva, do básico ao avançado, é aconselhável dominar cada tópico antes de passar para o próximo.
-
Pratique regularmente: Combine teoria com prática, utilizando projetos, desafios e aplicações reais para reforçar o aprendizado.
-
Use os recursos adicionais: O roadmap inclui recomendações de livros, cursos, ferramentas e outros materiais que complementarão seus estudos.
Tip
Clique nos botões para ser redirecionado ao conteúdo desejado!
- Repositório com diversos livros de programação gratuitos
- Repositório com varios projetos que contém um belo trabalho feito em Markdown (README.md)
-
The Art of Computer Programming
Autor: Donald E. Knuth -
Domain-Driven Design: Atacando as Complexidades no Coração do Software
Autor: Eric Evans -
Unit Testing Principles, Practices, and Patterns: Effective Testing Styles, Patterns, and Reliable Automation for Unit Testing, Mocking, and Integration Testing with Examples in C#
Autor: Vladimir KhorikovVladimir Khorikov -
Fundamentos de Engenharia de Dados: Projete e Construa Sistemas de Dados Robustos
Autor: Joe Reis -
Designing Data Intensive Applications
Autor: Kleppmann
-
Math - Open Source Society University (OSSU)
Um currículo completo e gratuito para aprender matemática aplicada à ciência da computação, incluindo álgebra linear, cálculo, probabilidade, e muito mais.
GitHub - OSSU Math -
Matemática Discreta - Introdução
Autor: Antonio Loureiro
Um material introdutório sobre Matemática Discreta, cobrindo os fundamentos de lógica, conjuntos, relações, funções e muito mais.
Acesse o PDF aqui -
Developer Roadmap - Kamran Ahmed
Um repositório com diversos roadmaps de várias áreas de desenvolvimento das mais variadas.
GitHub - Developer Roadmap -
ChatGPT - OpenAI
Utilizado para pesquisas, formatação e organização do texto apresentado.
Site Oficial -
Apache Spark
Framework popular para processamento massivo de dados e big data. Foi observado as linguagens utilizadas no framework para categorização.
Apache Spark Documentation
Este projeto está licenciado sob a GNU GENERAL PUBLIC LICENSE.