O que você vai aprender
Clique na disciplina e veja a ementa
O que é transformação digital?; Quais são as tendências da transformação digital?; Inteligência Artificial: trabalha com a criação de máquinas inteligentes que executam funções de maneira semelhante aos humanos; Realidade Virtual: cria uma situação similar à real usando artifícios digitais e tecnológicos; Business Intelligence: a utilização de informações e dados para gerar inteligência que pode ser aplicada na tomada de decisão de um negócio; Automação de Marketing: usa a tecnologia para diminuir o trabalho manual e garantir a assertividade das ações de marketing de uma empresa; Data Science: a ciência que analisa os dados para possibilitar decisões mais assertivas; Como a transformação digital afeta sua carreira?; Como se preparar profissionalmente?; Estude muito; Pense no cliente; Conheça seus concorrentes; Analise seus dados; Crie propostas de valor; Tente inovar; Como a revolução digital influencia na escolha da carreira?; Carreiras digitais: minha profissão vai morrer?
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.
Breve história dos Bancos de Dados e suas arquiteturas. Modelos de dados. Entidades e atributos. Tipos de relacionamento. Diagrama de entidades e relacionamentos (DER). Estudo de caso. Redundância de dados. Cardinalidade e Agregação. Aspectos gerais da álgebra relacional. Criando um banco de dados. Criando tabelas. Tipos de dados. Chaves Primarias e estrangeiras. Manipulando tabelas. Inserindo informações. Alterando informações. Excluindo informações. Operações de consulta básica. Comando select. Condições e condições com operadores lógicos. Distinct. Operações de consultas complexas. Teoria dos conjuntos. Operações Join
Soluções em Mineração de Dados. Introdução a Mineração de Dados. Representação do Conhecimento. Algoritmos. Bancos de Dados Não Convencionais. Bancos de Dados Distribuídos. Bancos de Dados Orientados a Objetos. Bancos de Dados Objeto-Relacional. Análise Exploratória de Dados. Análise Bidimensional. Séries Temporais. Números Índices.
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.
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.
Introdução à Arquitetura de Dados; História da arquitetura de dados; Conceitos básicos de arquitetura de dados; Modelagem de dados; Práticas de Arquitetura de Dados; Gerenciamento de metadados; Visão geral sobre arquiteturas de dados; Arquitetura empresarial; Implantação de Arquitetura de Dados; Arquiteturas de referência ligadas aos dados; Arquiteturas para MDM (Gerenciamento de Dados Mestres); Governança de arquitetura de dados.
Introdução a Data Storytelling. Porque Usar Data Storytelling?. Como criar histórias. Exemplos Práticos de Data Storytelling. Apresentação Visual. Tipos de Dados e Gráficos. Tipos de Representações para Evitar. Princípios da Percepção Visual. Como elaborar e contar uma história. Conceitos Tradicionais de Design. Casos de Estudo. Dicas e Boas Práticas para Data Storytelling.
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.
CARGA HORÁRIA TOTAL: 720H