BANCO DE DADOS: 1. Fundamentos. 2. Classificação.
3. Administração de banco de dados relacionais. 3.1 Projeto e implantação de SGBDs relacionais. 5. Modelagem relacional.
1. Linguagens de definição e manipulação de dados em SGBDs relacionais.
3. Coleta, tratamento, armazenamento, integração e recuperação de dados. 4. Pipeline de dados: fundamentos, orquestração, integração, ETL, ELT e ferramentas. 9. Data lake. 10. Conceitos, arquiteturas, técnicas e tarefas de data warehouse. 18. Business intelligence.
5. Modelagem multidimensional. 5. OLAP. 6. Técnicas de modelagem e otimização de bases de dados multidimensionais.
4. Regras de associação. 10. Conceitos, arquiteturas, técnicas e tarefas de data mining. 14. Mineração de texto. 11. Noções de big data: conceito, premissas, análise de dados e aplicações.
22. Inteligência Artificial.
6. Aprendizagem de máquina: fundamentos, principais algoritmos e métricas de desempenho. 7. Regressão linear. 8. Regressão logística. 9. Análise de agrupamentos (clusterização). 10. Classificação. 11. Detecção de anomalias. 12. Modelagem preditiva.
13. Visão computacional. 15. Redes neurais artificiais. 16. Deep learning.
20. Processamento de Linguagem Natural .
7. Técnicas para pré-processamento de dados.
19. Ferramentas de análise: Oracle BIEE, Oracle Data Visualization, QlikView e PowerBI.
17. Visualização e análise exploratória de dados.
14. Bancos de dados não relacionais: fundamentos, administração, desempenho e configuração (Key/Value, orientados a documentos e grafos)
8. Processamento distribuído. 12. Ecossistema Hadoop: conceitos, arquitetura, componentes e implantação. 13. Spark: conceitos, arquitetura e aplicações.
3.2 Administração de usuários e perfis de acesso.
3.3 Controle de proteção, integridade e concorrência. 3.4 Backup e restauração de dados. 3.5 Tolerância a falhas e continuidade de operação.
3.6 Monitoramento e otimização de desempenho, cluster de banco de dados.
