Banco de Dados (Conceitos Básicos); 2.2.4. Modelagem e otimização de banco de dados relacionais; (Parte 1)
Banco de Dados (Conceitos Básicos); 2.2.4. Modelagem e otimização de banco de dados relacionais; (Parte 2)
2.2.3. Programação em Banco de Dados; (SQL)
2.2.5. Criação de procedimentos armazenados, triggers e otimização de queries SQL;
2.1.2. Manipulação de dados e integração com bancos de dados relacionais (PostgreSQL); 2.2.6. Programação com banco de dados PostgreSQL e Oracle; (Parte 1)
2.1.2. Manipulação de dados e integração com bancos de dados relacionais (PostgreSQL); 2.2.6. Programação com banco de dados PostgreSQL e Oracle; (Parte 2)
3.2. Banco de Dados: 3.2.1. Instalação, configuração e administração do Microsoft SQL Server 2022 e MySQL; 3.2.2. Backup e recuperação de desastres (DR); 3.2.3. Monitoramento de performance de banco de dados; (MySQL)
3.2. Banco de Dados: 3.2.1. Instalação, configuração e administração do Microsoft SQL Server 2022 e MySQL; 3.2.2. Backup e recuperação de desastres (DR); 3.2.3. Monitoramento de performance de banco de dados; (SQL Server)
5.4.1. Segurança em banco de dados;
6. Ciência de Dados: 6.1. Business Intelligence (BI): 6.1.1. Fundamentos de BI: extração, transformação e carga de dados (ETL); Integração de BI com Big Data e análise de dados; 6.6. Processamento de Dados: 6.6.1. Conceitos de processamento massivo e paralelo; 6.6.2. Processamento em lote (batch processing) e suas características; 6.6.3. Processamento em tempo real (real-time processing) e suas aplicações;
6.2. Mineração de Dados: 6.2.1. Técnicas de mineração de dados para extração de conhecimento; 6.2.2. Algoritmos de mineração de dados: classificação, regressão, clusterização; 6.6.6. Integração de dados e aplicações em Big Data.
6.6.5. Tecnologias para processamento de dados: Hadoop e Spark;
6.4. Inteligência Artificial (IA): 6.4.1. Conceitos fundamentais de IA e suas aplicações em ciência de dados;
6.3.Análise Preditiva: 6.3.1. Conceitos de análise preditiva e uso de modelos estatísticos e machine learning; 6.3.2. Técnicas de modelagem preditiva, análise de tendências e padrões; 6.4.2. Tipos de aprendizado de máquinas: supervisionado, não supervisionado e por reforço; 6.4.3. Principais algoritmos de aprendizado de máquina e suas aplicações práticas; 6.4.6. Aplicações de visão computacional em reconhecimento de padrões e análise de imagens; 6.4.7. Sistemas de recomendação e suas abordagens (colaborativa, baseada em conteúdo);
6.4.4. Processamento de Linguagem Natural (PLN); 6.4.5. Técnicas de Processamento de Linguagem Natural (PLN) e aplicações em chatbots e análise de sentimentos ;
