6. Gestão e Análise de Dados: Conceituação e papel da Informação nas organizações.
Banco de Dados - Introdução
Bancos de dados: Conceitos Básicos e Fundamentos: finalidades, níveis de abstração, projeto de bancos de dados (normalização, modelagem lógica, física e relacional). Modelagem de Dados Relacional. (Modelo Conceitual)
Bancos de dados: Conceitos Básicos e Fundamentos: finalidades, níveis de abstração, projeto de bancos de dados (normalização, modelagem lógica, física e relacional). Modelagem de Dados Relacional. (Modelo Relacional)
SQL [Conteúdo não explicito diretamente no edital]
Tolerância a falhas e continuidade de operação. Monitoramento e otimização de desempenho em consultas SQL.
Modelagem de Dados Multidimensional. Conceitos de Data Warehouse, ETL e ELT. Técnicas para pré-processamento de dados. Soluções de suporte à decisão: Data Warehouse, OLAP (Online Analytical Processing), BI (Business Inteligence), Analytics, Inteligência Artificial. (Parte 1)
Modelagem de Dados Multidimensional. Conceitos de Data Warehouse, ETL e ELT. Técnicas para pré-processamento de dados. Soluções de suporte à decisão: Data Warehouse, OLAP (Online Analytical Processing), BI (Business Inteligence), Analytics, Inteligência Artificial. (Parte 2)
Big Data: Fundamentos, Conceitos, Arquitetura e Soluções. Tipos de dados: estruturados, semiestruturados e não estruturados. Fluxos: ingestão, processamento e disponibilização. Armazenamento de big data. Pipeline de dados. Conceito de datalake. ETL. Modelagem e otimização de bases de dados multidimensionais. Gestão do conhecimento. Bancos de dados não relacionais: bancos de dados NoSQL; Modelos Nosql. Principais SGBDs.
Aprendizado de Máquina: técnicas de classificação, técnicas de regressão, técnicas de agrupamento, técnicas de redução de dimensionalidade, técnicas de associação, sistemas de recomendação (Aprendizado Supervisionado)
Aprendizado de Máquina: técnicas de classificação, técnicas de regressão, técnicas de agrupamento, técnicas de redução de dimensionalidade, técnicas de associação, sistemas de recomendação (Aprendizado NÃO Supervisionado)
visão computacional, deep learning.
processamento de linguagem natural (PLN)
Linguagens de programação para ciência de dados: linguagem R.