7 Banco de dados. 7.1 Modelagem de dados (conceitual, lógica e física). 7.2 Criação e alteração dos modelos lógico e físico de dados. 7.3 Abordagem relacional. 7.4 Normalização das estruturas de dados. 7.5 Integridade referencial. 7.6 Metadados. 7.8 Avaliação de modelos de dados. 7.9 Técnicas de engenharia reversa para criação e atualização de modelos de dados. 7.13 Sistema Gerenciador de Banco de Dados (SGBD). 7.14 Propriedades de banco de dados: atomicidade, consistência, isolamento e durabilidade. 7.15 Independência de dados. 7.16 Transações de bancos de dados. 1.12 Diagrama Entidade Relacionamento (ER). 8.1 Dado, informação, conhecimento e inteligência. 8.4 Dados estruturados e dados não estruturados. (Parte 1)
7 Banco de dados. 7.1 Modelagem de dados (conceitual, lógica e física). 7.2 Criação e alteração dos modelos lógico e físico de dados. 7.3 Abordagem relacional. 7.4 Normalização das estruturas de dados. 7.5 Integridade referencial. 7.6 Metadados. 7.8 Avaliação de modelos de dados. 7.9 Técnicas de engenharia reversa para criação e atualização de modelos de dados. 7.13 Sistema Gerenciador de Banco de Dados (SGBD). 7.14 Propriedades de banco de dados: atomicidade, consistência, isolamento e durabilidade. 7.15 Independência de dados. 7.16 Transações de bancos de dados. 1.12 Diagrama Entidade Relacionamento (ER). 8.1 Dado, informação, conhecimento e inteligência. 8.4 Dados estruturados e dados não estruturados. (Parte 2)
7.10 Linguagem de consulta estruturada (SQL). 7.11 Linguagem de definição de dados (DDL). 7.12 Linguagem de manipulação de dados (DML)
7.17 Melhoria de performance de banco de dados
7.20 Banco de dados em memória.
7.19 Integração dos dados (ETL, Transferência de Arquivos e Integração via Base de Dados). 7.23 Diferenciação entre bancos relacionais, multidimensionais, documentos e grafos. 8 Business intelligence. 8.2 Conceitos, fundamentos, características, técnicas e métodos de business intelligence (BI). 8.3 Mapeamento de fontes de dados. 8.5 Conceitos de OLAP e suas operações. 8.6 Conceitos de data warehouse. 8.7 Técnicas de modelagem e otimização de bases de dados multidimensionais. 8.8 Construção de relatórios e dashboards interativos em ferramentas de BI. 8.10 Geração de insights a partir de relatórios e dashboards. 8.11 BI como suporte a processos de tomada decisão. 7.7 Modelagem dimensional. (BI e DW)
7.19 Integração dos dados (ETL, Transferência de Arquivos e Integração via Base de Dados). 8 Business intelligence. 8.2 Conceitos, fundamentos, características, técnicas e métodos de business intelligence (BI). 8.3 Mapeamento de fontes de dados. 8.5 Conceitos de OLAP e suas operações. 8.6 Conceitos de data warehouse. 8.7 Técnicas de modelagem e otimização de bases de dados multidimensionais. 8.8 Construção de relatórios e dashboards interativos em ferramentas de BI. 8.10 Geração de insights a partir de relatórios e dashboards. 8.11 BI como suporte a processos de tomada decisão. 7.7 Modelagem dimensional. (Modelagem Dimensional)
7.19 Integração dos dados (ETL, Transferência de Arquivos e Integração via Base de Dados). 8 Business intelligence. 8.2 Conceitos, fundamentos, características, técnicas e métodos de business intelligence (BI). 8.3 Mapeamento de fontes de dados. 8.5 Conceitos de OLAP e suas operações. 8.6 Conceitos de data warehouse. 8.7 Técnicas de modelagem e otimização de bases de dados multidimensionais. 8.8 Construção de relatórios e dashboards interativos em ferramentas de BI. 8.10 Geração de insights a partir de relatórios e dashboards. 8.11 BI como suporte a processos de tomada decisão. 7.7 Modelagem dimensional. (Power BI)
8 Big data. 7.22 Data Lakes e Soluções para Big Data
7.18 Bancos de dados NoSQL. 7.23 Diferenciação entre bancos relacionais, multidimensionais, documentos e grafos
CIÊNCIA DE DADOS: 1 Manipulação, tratamento e visualização de dados. 1.1 Técnicas de visualização de dados. 1.2 Lidando com valores faltantes. 1.3 Lidando com dados categóricos. 1.4 Normalização numérica. 1.5 Detecção e tratamento de outliers.
2 Aprendizado supervisionado: Regressão e Classificação. 2.1 Métricas de avaliação. 2.2 Overfitting e underfitting de modelos. 2.3 Regularização. 2.4 Seleção de modelos: Erro de Generalização. 2.5 Validação Cruzada. 2.6 Conjuntos de Treino, Validação e Teste. 2.7 Trade off entre Variância e Viés. 2.8 Algoritmos: Regressão Linear e Regressão Logística. 2.9 Árvores de decisão e random forests. 2.10 Máquina de suporte de vetores. 2.11 Naive Bayes. 2.12 K‐NN. 2.13 Ensembles. 2.15 Conceitos de otimização de hiperparâmetros. 3 Aprendizado não supervisionado. 3.1 Redução de dimensionalidade: PCA. 3.2 Agrupamento K‐Means. 3.3 Mistura de Gaussianas. 3.4 Agrupamento Hierárquico. 3.5 Regras de associação.
4 Redes neurais artificiais. 4.1 Conceitos Básicos em Redes Neurais Artificiais: Definições e Arquitetura. 4.2 Funções de Ativação. 4.3 Otimização de Redes Neurais Artificiais: método do gradiente, método do gradiente estocástico, algoritmo backpropagation, métodos de inicialização dos pesos, Vanishing Gradients. 4.4 Métodos de regularização: penalização com normas L1 e L2, Dropout e Early Stopping. 4.5 Definições básicas de Redes Neurais Convolucionais. 4.6 Definições básicas de Redes Neurais Recorrentes
7.21 Qualidade de dados e gestão de dados mestres e de referência
