Conceitos de ciência, método científico, hipóteses, variáveis, probabilidade, validade, fidedignidade, amostragem; delineamentos de pesquisa; metodologia qualitativa e quantitativa; aplicação de questionário em pesquisas; caracterização da linguagem científica e do sistema de produção científico; elaboração de pesquisa acadêmico-científica; ética na pesquisa; técnicas de apresentação. Resumo científico, artigo científico, ficha catalográfica, pré projeto de pesquisa, resenha, relatórios de pesquisa, fichamento.

Contratos inteligentes. Business Intelligence. Inovação e tecnologia com sustentabilidade. Indústria 4.0. Inteligência Artifical e Big Data. Redes colaborativas. Design Thinking.

Definição de Negócio. As organizações no contexto atual. Ferramentas gerenciais aplicadas as plataformas digitais. O gestor e os desafios encontrados no meio digital. O processo de tomada de decisão.

Conhecendo Big Data.; Introdução a Big Data; Histórico: Big Data; Os 5VS; Impactos do uso de Big Data; Framework para processamento de dados; Hadoop; Storm; Spark; Ciências de Dados; Introdução do conceito e escopos da ciência de dados; A era da Ciência dos Dados; Fases do Projeto em Ciências de Dados; Ciclo de vida do Dado; Ciência de Dados termos usados; Ciência de Dados e Big Data; Identificando o papel do cientista de dados; Formação e atuação do cientista de dados; Competências relacionadas; Habilidades do cientista de dados; Aplicação Big Data e Ciência de Dados; Onde aplicar Big Data?; Big Data na educação; Big Data aplicando aplicado a negócios; Big Data Aplicado na Saúde; Big Data aplicado na Área Eleitoral; Aplicabilidade da ciência de dados; Ciências de Dados na biologia; Ciências de Dados aplicado na saúde; Ciências de Dados aplicada ao projeto social; Ciências de Dados aplicada aos negócios; A utilização das tecnologias; Computação em nuvem e Big Data; Internet das Coisas; Big Social Data; Tecnologia Blockchain.

Introdução e visão geral do processo de machine learning. Principais aplicações. Algoritmos de aprendizado. Capacidade, overfitting e underfitting. Hiperparâmetros e validação. Visão geral de estatística e estimativas. Modelos supervisionados. Modelos não supervisionados. Método do gradiente descendente. Construindo o algoritmo e motivacionais

Fundamentos e paradigmas da Inteligência Artificial (IA). Ambiente Digital de Negócios. Complexidade nos Negócios. Aplicações de AI em Negócios. Métodos de busca para resolução de problemas. Heurística. Conhecimento e Raciocínio. Algorítimos de IA. Conceitos de aprendizado de máquina. Aplicações de IA: Processamento de Linguagens Naturais, Jogos, Robótica e Mineração de Dados. Inteligência Competitiva e Modelos de Negócios Digitais. Como Machine Learning e Big Data impulsionam a IA.

Tomada de decisão. Dados, Informações e Conhecimento.Fundamentos de Tomada de Decisão. AnalíticaAnalytics. Business Analytics na tomada de decisão. Ciências de dados e Analytics. Data Analytics. Big Data e Analytics. O que é BIG DATA ANALYTICS?. Onde Aplicar?. Big data Analytics Platforms.

Conceitos de segurança de informação. Serviços de segurança. Modelo para segurança em rede. Ataques cibernéticos. Criptografia. Varredura de portas e serviços. Normas ISO 2700, 27001,27002,27005,31000 e 22301. Recursos de autenticação. Identificação e solução de problemas.

Beneficios das ferramentas tecnológicas para gerenciamento de negócios.Times de tecnologia de Data Science, AI e Big Data. Atração e seleção de talentos na área de tecnologia utilizando DS e IA. Aplicações do Data Science e da Inteligência Artificial na área de marketing e inteligência de mercado. Uso de DS e da IA para a geração de valor para o cliente e como ferramentas de inovação.Administração de materiais com DS e AI. Gerenciamento de processos utilizando a IA. Modelagem de negócios. Plano de negócios, usando métodos ágeis. Pesquisa de mercado; técnicas qualitativas e quantitativas. Protótipo conceitual, low definition. Desenvolvimento de protótipos high definition. Elaboração do pitch de apresentação.