SQL Banco de Dados Fundamentos do SQL Iniciante

SQL para iniciantes: como converter dados em insights impactantes

Rocketseat

5 min de leitura

Conheça o Rocketseat Para Empresas

Oferecemos soluções personalizadas para empresas de todos os portes.

Imagine precisar analisar milhões de registros para identificar os produtos mais vendidos de uma loja em determinado período. Parece complicado, certo? Pois é justamente para isso que o SQL existe! Essa linguagem é a chave para manipular, organizar e extrair informações úteis de grandes volumes de dados, tornando tarefas complexas mais simples.

No mundo digital, dados são o novo petróleo, e quem sabe como tratá-los tem uma vantagem competitiva. O SQL, ou Structured Query Language, é a ferramenta essencial para gerenciar bancos de dados relacionais. Se você está começando na programação, é analista de dados ou deseja uma mudança de carreira, dominar SQL pode abrir muitas portas.

Neste artigo, vamos explorar desde os conceitos mais básicos do SQL até suas aplicações práticas, preparando você para entender a linguagem e seus impactos na vida profissional. Então, se prepare para mergulhar em um dos principais pilares do mundo dos dados!

1. Fundamentos do SQL

Conceitos básicos de bancos de dados relacionais

Um banco de dados relacional é uma estrutura organizada de dados em tabelas com linhas e colunas. Vamos entender cada elemento:

Tabelas: representam entidades como "clientes" ou "produtos".

Colunas: características da entidade (ex.: nome do cliente).

Registros (linhas): entradas individuais contendo valores para cada coluna.

Tipos de dados comuns no SQL

Numéricos: INTEGER, FLOAT, DECIMAL.

Textuais: CHAR, VARCHAR, TEXT.

Datas e Horas: DATE, TIME, DATETIME.

Booleanos: Embora o tipo BOOLEAN seja suportado em alguns SGBDs (Sistemas de Gerenciamento de Bancos de Dados), em outros, como o MySQL, o tipo booleano não é implementado nativamente. Nesses casos, utiliza-se tipos numéricos como TINYINT(1) para representar valores booleanos, onde 0 equivale a FALSE e 1 a TRUE.

Suporte a tipos booleanos

Comandos essenciais do SQL

Os principais comandos SQL ajudam a buscar, filtrar e organizar dados:

SELECT: Extrai dados.

FROM: Especifica a tabela.

WHERE: Filtra registros com base em condições.

GROUP BY: Agrupa registros com valores comuns.

ORDER BY: Ordena os resultados.

Exemplo de consulta para listar todos os produtos de uma tabela produtos:


SELECT * FROM produtos;

Operadores e funções agregadas

Operadores lógicos: AND, OR, NOT.

Operadores aritméticos: =, >, <, >=, <=, <>.

Funções agregadas: COUNT(), SUM(), AVG(), MAX(), MIN().

Exemplo de consulta para calcular o total vendido de cada produto:


SELECT nome, SUM(quantidade) AS total_vendido
FROM produtos
INNER JOIN vendas ON produtos.id = vendas.produto_id
GROUP BY nome;

Joins: combinando dados de múltiplas tabelas

INNER JOIN: combina registros que possuem valores correspondentes em ambas as tabelas.

LEFT JOIN / RIGHT JOIN: retorna todos os registros de uma tabela e os correspondentes da outra.

FULL JOIN: retorna todos os registros de ambas as tabelas, combinando registros quando há correspondência e preenchendo com valores nulos onde não há.

📽️

Quer dominar os comandos fundamentais do SQL? Este vídeo explica os principais comandos como SELECT, UPDATE, INSERT e DELETE de forma prática e objetiva. Aproveite para reforçar seu conhecimento:

2. SQL na prática: casos de uso e aplicações

Análise de dados

SQL é uma ferramenta fundamental para quem trabalha com análise de dados, permitindo criar relatórios e identificar padrões:

Relatórios personalizados: gere insights para a tomada de decisões.

Detecção de padrões: analise dados de forma organizada para identificar tendências.

Desenvolvimento web

No desenvolvimento de aplicativos e sites, o SQL é utilizado para armazenar e acessar informações dos usuários.

Armazenamento e recuperação: salve e acesse informações de usuários e transações.

ORMs (Object-Relational Mapping): ferramentas como Sequelize (JavaScript) e Django ORM (Python) facilitam a manipulação de dados.

📽️

Para quem deseja ver o Sequelize em ação, confira a Masterclass sobre SQL no Node.js com Sequelize, onde você aprenderá, na prática, a manipular dados no banco de dados usando essa poderosa ferramenta. Assista agora:

Ciência de dados

SQL ajuda a estruturar e preparar dados para modelagem e análises mais avançadas:

Preparação de dados: limpeza e transformação de dados.

Data Warehouses: armazene e analise grandes volumes de dados.

Exemplos avançados de consultas:

Subconsultas

As subconsultas permitem executar uma consulta dentro de outra, proporcionando flexibilidade para resolver problemas complexos.

Exemplo: Selecionar os clientes que realizaram compras acima da média.


SELECT nome_cliente
FROM clientes
WHERE id_cliente IN (
    SELECT id_cliente
    FROM vendas
    GROUP BY id_cliente
    HAVING SUM(valor_venda) > (
        SELECT AVG(total_vendas)
        FROM (
            SELECT id_cliente, SUM(valor_venda) AS total_vendas
            FROM vendas
            GROUP BY id_cliente
        ) AS vendas_totais
    )
);

Cláusulas avançadas

HAVING: Filtra grupos após a agregação com GROUP BY.

WINDOW FUNCTIONS: Realiza cálculos em conjuntos de linhas relacionadas ao registro atual.

Exemplo de WINDOW FUNCTION: Calcular a média acumulada de vendas.


SELECT
    id_venda,
    valor_venda,
    AVG(valor_venda) OVER (ORDER BY data_venda ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS media_acumulada
FROM vendas;

Otimização de desempenho

Utilização de índices: Índices aceleram a busca de registros em colunas específicas.

Exemplo: Criando um índice na coluna email da tabela clientes.


CREATE INDEX idx_email ON clientes(email);

Análise de planos de execução: Ferramentas como EXPLAIN no MySQL ajudam a entender como o SGBD executa uma consulta.

Exemplo: Analisando uma consulta com EXPLAIN.


EXPLAIN SELECT * FROM vendas WHERE valor_venda > 1000;

3. O Futuro do SQL: tendências e novas ferramentas

SQL e Big Data

Com o crescimento do volume de dados, surgiram alternativas como NoSQL e ferramentas de Big Data que ainda utilizam SQL em diversas operações.

SQL em Big Data: ferramentas como Apache Hive e Spark SQL permitem consultas SQL em grandes volumes de dados.

SQL e Cloud computing

Os serviços de bancos de dados na nuvem permitem escalabilidade e alta disponibilidade:

AWS RDS: banco de dados gerenciado que suporta várias linguagens de SQL.

Azure SQL Database e Google Cloud SQL: soluções gerenciadas para o uso de SQL na nuvem.

SQL e inteligência artificial

A integração do SQL com Machine Learning e Inteligência Artificial está transformando a análise de dados.

Análises preditivas com SQL: Alguns SGBDs agora suportam funções de Machine Learning dentro de consultas SQL.

Exemplo com BigQuery ML: Treinando um modelo de regressão linear usando SQL.


CREATE MODEL `meu_dataset.modelo_regressao`
OPTIONS(model_type='linear_reg') AS
SELECT
    caracteristica1,
    caracteristica2,
    label
FROM
    meu_dataset.minha_tabela;

Automatização de processos: A IA pode otimizar consultas SQL, sugerir índices e até detectar anomalias nos dados.

📽️

Curioso para saber como a Inteligência Artificial pode potencializar suas consultas SQL? No vídeo "Fazendo perguntas pro SQL com IA", você verá exemplos práticos e entenderá o impacto da IA na análise de dados. Assista:

Integração com linguagens de programação

SQL e Python/R: Bibliotecas como SQLAlchemy (Python) e DBI (R) facilitam a interação entre SQL e essas linguagens, permitindo análises avançadas e visualizações gráficas.

Exemplo em Python usando Pandas:


import pandas as pd
from sqlalchemy import create_engine

engine = create_engine('mysql+pymysql://usuario:senha@localhost/banco_de_dados')
df = pd.read_sql('SELECT * FROM vendas', con=engine)

SQL em ambientes de Big Data

Processamento distribuído: Ferramentas como Apache Spark permitem executar consultas SQL em grandes volumes de dados distribuídos em vários nós.

Exemplo com Spark SQL:


from pyspark.sql import SparkSession

spark = SparkSession.builder.appName("AnáliseVendas").getOrCreate()
df = spark.read.csv("vendas.csv", header=True, inferSchema=True)
df.createOrReplaceTempView("vendas")

resultado = spark.sql("SELECT produto_id, SUM(quantidade) FROM vendas GROUP BY produto_id")
resultado.show()

4. Dicas e truques para se tornar um expert em SQL

Boas Práticas de SQL

Escreva código legível: utilize indentação e comentários para facilitar a compreensão.

Otimização de consultas: evite consultas complexas e utilize índices.

Segurança de dados: proteja contra ataques de injeção SQL, validando entradas.

Ferramentas recomendadas

IDEs e Editores de Código:

Comunidades online:

1. Fundamentos do SQL

Conceitos básicos de bancos de dados relacionais

Um banco de dados relacional é uma estrutura organizada de dados em tabelas com linhas e colunas. Vamos entender cada elemento:

Tabelas: representam entidades como "clientes" ou "produtos".

Colunas: características da entidade (ex.: nome do cliente).

Registros (linhas): entradas individuais contendo valores para cada coluna.

Tipos de dados comuns no SQL

Numéricos: INTEGER, FLOAT, DECIMAL.

Textuais: CHAR, VARCHAR, TEXT.

Datas e Horas: DATE, TIME, DATETIME.

Booleanos: Embora o tipo BOOLEAN seja suportado em alguns SGBDs (Sistemas de Gerenciamento de Bancos de Dados), em outros, como o MySQL, o tipo booleano não é implementado nativamente. Nesses casos, utiliza-se tipos numéricos como TINYINT(1) para representar valores booleanos, onde 0 equivale a FALSE e 1 a TRUE.

Suporte a tipos booleanos

Comandos essenciais do SQL

Os principais comandos SQL ajudam a buscar, filtrar e organizar dados:

SELECT: Extrai dados.

FROM: Especifica a tabela.

WHERE: Filtra registros com base em condições.

GROUP BY: Agrupa registros com valores comuns.

ORDER BY: Ordena os resultados.

Exemplo de consulta para listar todos os produtos de uma tabela produtos:


SELECT * FROM produtos;

Operadores e funções agregadas

Operadores lógicos: AND, OR, NOT.

Operadores aritméticos: =, >, <, >=, <=, <>.

Funções agregadas: COUNT(), SUM(), AVG(), MAX(), MIN().

Exemplo de consulta para calcular o total vendido de cada produto:


SELECT nome, SUM(quantidade) AS total_vendido
FROM produtos
INNER JOIN vendas ON produtos.id = vendas.produto_id
GROUP BY nome;

Joins: combinando dados de múltiplas tabelas

INNER JOIN: combina registros que possuem valores correspondentes em ambas as tabelas.

LEFT JOIN / RIGHT JOIN: retorna todos os registros de uma tabela e os correspondentes da outra.

FULL JOIN: retorna todos os registros de ambas as tabelas, combinando registros quando há correspondência e preenchendo com valores nulos onde não há.

📽️

Quer dominar os comandos fundamentais do SQL? Este vídeo explica os principais comandos como SELECT, UPDATE, INSERT e DELETE de forma prática e objetiva. Aproveite para reforçar seu conhecimento:

2. SQL na prática: casos de uso e aplicações

Análise de dados

SQL é uma ferramenta fundamental para quem trabalha com análise de dados, permitindo criar relatórios e identificar padrões:

Relatórios personalizados: gere insights para a tomada de decisões.

Detecção de padrões: analise dados de forma organizada para identificar tendências.

Desenvolvimento web

No desenvolvimento de aplicativos e sites, o SQL é utilizado para armazenar e acessar informações dos usuários.

Armazenamento e recuperação: salve e acesse informações de usuários e transações.

ORMs (Object-Relational Mapping): ferramentas como Sequelize (JavaScript) e Django ORM (Python) facilitam a manipulação de dados.

📽️

Ciência de dados

SQL ajuda a estruturar e preparar dados para modelagem e análises mais avançadas:

Preparação de dados: limpeza e transformação de dados.

Data Warehouses: armazene e analise grandes volumes de dados.

Exemplos avançados de consultas:

Subconsultas

As subconsultas permitem executar uma consulta dentro de outra, proporcionando flexibilidade para resolver problemas complexos.

Exemplo: Selecionar os clientes que realizaram compras acima da média.


SELECT nome_cliente
FROM clientes
WHERE id_cliente IN (
    SELECT id_cliente
    FROM vendas
    GROUP BY id_cliente
    HAVING SUM(valor_venda) > (
        SELECT AVG(total_vendas)
        FROM (
            SELECT id_cliente, SUM(valor_venda) AS total_vendas
            FROM vendas
            GROUP BY id_cliente
        ) AS vendas_totais
    )
);

Cláusulas avançadas

HAVING: Filtra grupos após a agregação com GROUP BY.

WINDOW FUNCTIONS: Realiza cálculos em conjuntos de linhas relacionadas ao registro atual.

Exemplo de WINDOW FUNCTION: Calcular a média acumulada de vendas.


SELECT
    id_venda,
    valor_venda,
    AVG(valor_venda) OVER (ORDER BY data_venda ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS media_acumulada
FROM vendas;

Otimização de desempenho

Utilização de índices: Índices aceleram a busca de registros em colunas específicas.

Exemplo: Criando um índice na coluna email da tabela clientes.


CREATE INDEX idx_email ON clientes(email);

Análise de planos de execução: Ferramentas como EXPLAIN no MySQL ajudam a entender como o SGBD executa uma consulta.

Exemplo: Analisando uma consulta com EXPLAIN.


EXPLAIN SELECT * FROM vendas WHERE valor_venda > 1000;

3. O Futuro do SQL: tendências e novas ferramentas

SQL e Big Data

Com o crescimento do volume de dados, surgiram alternativas como NoSQL e ferramentas de Big Data que ainda utilizam SQL em diversas operações.

SQL em Big Data: ferramentas como Apache Hive e Spark SQL permitem consultas SQL em grandes volumes de dados.

SQL e Cloud computing

Os serviços de bancos de dados na nuvem permitem escalabilidade e alta disponibilidade:

AWS RDS: banco de dados gerenciado que suporta várias linguagens de SQL.

Azure SQL Database e Google Cloud SQL: soluções gerenciadas para o uso de SQL na nuvem.

SQL e inteligência artificial

A integração do SQL com Machine Learning e Inteligência Artificial está transformando a análise de dados.

Análises preditivas com SQL: Alguns SGBDs agora suportam funções de Machine Learning dentro de consultas SQL.

Exemplo com BigQuery ML: Treinando um modelo de regressão linear usando SQL.


CREATE MODEL `meu_dataset.modelo_regressao`
OPTIONS(model_type='linear_reg') AS
SELECT
    caracteristica1,
    caracteristica2,
    label
FROM
    meu_dataset.minha_tabela;

Automatização de processos: A IA pode otimizar consultas SQL, sugerir índices e até detectar anomalias nos dados.

📽️

Integração com linguagens de programação

SQL e Python/R: Bibliotecas como SQLAlchemy (Python) e DBI (R) facilitam a interação entre SQL e essas linguagens, permitindo análises avançadas e visualizações gráficas.

Exemplo em Python usando Pandas:


import pandas as pd
from sqlalchemy import create_engine

engine = create_engine('mysql+pymysql://usuario:senha@localhost/banco_de_dados')
df = pd.read_sql('SELECT * FROM vendas', con=engine)

SQL em ambientes de Big Data

Processamento distribuído: Ferramentas como Apache Spark permitem executar consultas SQL em grandes volumes de dados distribuídos em vários nós.

Exemplo com Spark SQL:


from pyspark.sql import SparkSession

spark = SparkSession.builder.appName("AnáliseVendas").getOrCreate()
df = spark.read.csv("vendas.csv", header=True, inferSchema=True)
df.createOrReplaceTempView("vendas")

resultado = spark.sql("SELECT produto_id, SUM(quantidade) FROM vendas GROUP BY produto_id")
resultado.show()

4. Dicas e truques para se tornar um expert em SQL

Boas Práticas de SQL

Escreva código legível: utilize indentação e comentários para facilitar a compreensão.

Otimização de consultas: evite consultas complexas e utilize índices.

Segurança de dados: proteja contra ataques de injeção SQL, validando entradas.

Ferramentas recomendadas

IDEs e Editores de Código:

Comunidades online:

1. Fundamentos do SQL

Conceitos básicos de bancos de dados relacionais

Um banco de dados relacional é uma estrutura organizada de dados em tabelas com linhas e colunas. Vamos entender cada elemento:

Tabelas: representam entidades como "clientes" ou "produtos".

Colunas: características da entidade (ex.: nome do cliente).

Registros (linhas): entradas individuais contendo valores para cada coluna.

Tipos de dados comuns no SQL

Numéricos: INTEGER, FLOAT, DECIMAL.

Textuais: CHAR, VARCHAR, TEXT.

Datas e Horas: DATE, TIME, DATETIME.

Booleanos: Embora o tipo BOOLEAN seja suportado em alguns SGBDs (Sistemas de Gerenciamento de Bancos de Dados), em outros, como o MySQL, o tipo booleano não é implementado nativamente. Nesses casos, utiliza-se tipos numéricos como TINYINT(1) para representar valores booleanos, onde 0 equivale a FALSE e 1 a TRUE.

Suporte a tipos booleanos

Comandos essenciais do SQL

Os principais comandos SQL ajudam a buscar, filtrar e organizar dados:

SELECT: Extrai dados.

FROM: Especifica a tabela.

WHERE: Filtra registros com base em condições.

GROUP BY: Agrupa registros com valores comuns.

ORDER BY: Ordena os resultados.

Exemplo de consulta para listar todos os produtos de uma tabela produtos:


SELECT * FROM produtos;

Operadores e funções agregadas

Operadores lógicos: AND, OR, NOT.

Operadores aritméticos: =, >, <, >=, <=, <>.

Funções agregadas: COUNT(), SUM(), AVG(), MAX(), MIN().

Exemplo de consulta para calcular o total vendido de cada produto:


SELECT nome, SUM(quantidade) AS total_vendido
FROM produtos
INNER JOIN vendas ON produtos.id = vendas.produto_id
GROUP BY nome;

Joins: combinando dados de múltiplas tabelas

INNER JOIN: combina registros que possuem valores correspondentes em ambas as tabelas.

LEFT JOIN / RIGHT JOIN: retorna todos os registros de uma tabela e os correspondentes da outra.

FULL JOIN: retorna todos os registros de ambas as tabelas, combinando registros quando há correspondência e preenchendo com valores nulos onde não há.

📽️

Quer dominar os comandos fundamentais do SQL? Este vídeo explica os principais comandos como SELECT, UPDATE, INSERT e DELETE de forma prática e objetiva. Aproveite para reforçar seu conhecimento:

2. SQL na prática: casos de uso e aplicações

Análise de dados

SQL é uma ferramenta fundamental para quem trabalha com análise de dados, permitindo criar relatórios e identificar padrões:

Relatórios personalizados: gere insights para a tomada de decisões.

Detecção de padrões: analise dados de forma organizada para identificar tendências.

Desenvolvimento web

No desenvolvimento de aplicativos e sites, o SQL é utilizado para armazenar e acessar informações dos usuários.

Armazenamento e recuperação: salve e acesse informações de usuários e transações.

ORMs (Object-Relational Mapping): ferramentas como Sequelize (JavaScript) e Django ORM (Python) facilitam a manipulação de dados.

📽️

Ciência de dados

SQL ajuda a estruturar e preparar dados para modelagem e análises mais avançadas:

Preparação de dados: limpeza e transformação de dados.

Data Warehouses: armazene e analise grandes volumes de dados.

Exemplos avançados de consultas:

Subconsultas

As subconsultas permitem executar uma consulta dentro de outra, proporcionando flexibilidade para resolver problemas complexos.

Exemplo: Selecionar os clientes que realizaram compras acima da média.


SELECT nome_cliente
FROM clientes
WHERE id_cliente IN (
    SELECT id_cliente
    FROM vendas
    GROUP BY id_cliente
    HAVING SUM(valor_venda) > (
        SELECT AVG(total_vendas)
        FROM (
            SELECT id_cliente, SUM(valor_venda) AS total_vendas
            FROM vendas
            GROUP BY id_cliente
        ) AS vendas_totais
    )
);

Cláusulas avançadas

HAVING: Filtra grupos após a agregação com GROUP BY.

WINDOW FUNCTIONS: Realiza cálculos em conjuntos de linhas relacionadas ao registro atual.

Exemplo de WINDOW FUNCTION: Calcular a média acumulada de vendas.


SELECT
    id_venda,
    valor_venda,
    AVG(valor_venda) OVER (ORDER BY data_venda ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS media_acumulada
FROM vendas;

Otimização de desempenho

Utilização de índices: Índices aceleram a busca de registros em colunas específicas.

Exemplo: Criando um índice na coluna email da tabela clientes.


CREATE INDEX idx_email ON clientes(email);

Análise de planos de execução: Ferramentas como EXPLAIN no MySQL ajudam a entender como o SGBD executa uma consulta.

Exemplo: Analisando uma consulta com EXPLAIN.


EXPLAIN SELECT * FROM vendas WHERE valor_venda > 1000;

3. O Futuro do SQL: tendências e novas ferramentas

SQL e Big Data

Com o crescimento do volume de dados, surgiram alternativas como NoSQL e ferramentas de Big Data que ainda utilizam SQL em diversas operações.

SQL em Big Data: ferramentas como Apache Hive e Spark SQL permitem consultas SQL em grandes volumes de dados.

SQL e Cloud computing

Os serviços de bancos de dados na nuvem permitem escalabilidade e alta disponibilidade:

AWS RDS: banco de dados gerenciado que suporta várias linguagens de SQL.

Azure SQL Database e Google Cloud SQL: soluções gerenciadas para o uso de SQL na nuvem.

SQL e inteligência artificial

A integração do SQL com Machine Learning e Inteligência Artificial está transformando a análise de dados.

Análises preditivas com SQL: Alguns SGBDs agora suportam funções de Machine Learning dentro de consultas SQL.

Exemplo com BigQuery ML: Treinando um modelo de regressão linear usando SQL.


CREATE MODEL `meu_dataset.modelo_regressao`
OPTIONS(model_type='linear_reg') AS
SELECT
    caracteristica1,
    caracteristica2,
    label
FROM
    meu_dataset.minha_tabela;

Automatização de processos: A IA pode otimizar consultas SQL, sugerir índices e até detectar anomalias nos dados.

📽️

Integração com linguagens de programação

SQL e Python/R: Bibliotecas como SQLAlchemy (Python) e DBI (R) facilitam a interação entre SQL e essas linguagens, permitindo análises avançadas e visualizações gráficas.

Exemplo em Python usando Pandas:


import pandas as pd
from sqlalchemy import create_engine

engine = create_engine('mysql+pymysql://usuario:senha@localhost/banco_de_dados')
df = pd.read_sql('SELECT * FROM vendas', con=engine)

SQL em ambientes de Big Data

Processamento distribuído: Ferramentas como Apache Spark permitem executar consultas SQL em grandes volumes de dados distribuídos em vários nós.

Exemplo com Spark SQL:


from pyspark.sql import SparkSession

spark = SparkSession.builder.appName("AnáliseVendas").getOrCreate()
df = spark.read.csv("vendas.csv", header=True, inferSchema=True)
df.createOrReplaceTempView("vendas")

resultado = spark.sql("SELECT produto_id, SUM(quantidade) FROM vendas GROUP BY produto_id")
resultado.show()

4. Dicas e truques para se tornar um expert em SQL

Boas Práticas de SQL

Escreva código legível: utilize indentação e comentários para facilitar a compreensão.

Otimização de consultas: evite consultas complexas e utilize índices.

Segurança de dados: proteja contra ataques de injeção SQL, validando entradas.

Ferramentas recomendadas

IDEs e Editores de Código:

Comunidades online:

Conheça o Rocketseat Para Empresas

Oferecemos soluções personalizadas para empresas de todos os portes.

Rocketseat

Ecossistema de educação contínua referência em programação e Inteligência Artificial.

Artigos_

Explore conteúdos relacionados

Descubra mais artigos que complementam seu aprendizado e expandem seu conhecimento.

NewsletterReceba conteúdos inéditos e novidades gratuitamente

Aniversário com até 50% OFF

Até 2 anos de assinatura ONE pra evoluir com tecnologia e IA

OFERTA

22.05