Análise de dados e Informações: Dado, informação, conhecimento e inteligência. Dados estruturados e não estruturados. Dados abertos.
Modelagem de Dados. Modelo entidade-relacionamento. Linguagem de implementação banco de dados: banco físico, lógico e conceitual. Modelagem conceitual de dados. Modelagem lógica de dados; Banco de Dados Relacional. Conceitos, metadados, tabelas, visões, índices, chaves e relacionamentos.
Linguagem SQL (Padrão ANSI). (Parte 1)
Linguagem SQL (Padrão ANSI). (Parte 2)
Business Intelligence. Processo de coleta, organização, análise e compartilhamento de informações. Construção de relatórios e dashboards interativos. Data Warehouse e Data Lake. Coleta, tratamento, armazenamento, integração e recuperação de dados. Processos ETL e ELT. Armazenamento e Processamento de Dados. Processamento de Dados: Processamento massivo e paralelo. Processamento em lote e em tempo real; Tratamento de Dados. Normalização numérica. Discretização. Tratamento de dados ausentes. Tratamento de outliers e agregações. Tratamento de dados categóricos.
Big Data. Fundamentos e tipos de dados. Arquitetura. Pipeline de dados. Armazenamento de Big Data. Processamento distribuído. Soluções para Big Data; Exploração de Dados. Conceitos e características. Noções do modelo CRISP-DM, Técnicas para pré-processamento de dados, Mineração de dados: Classificação, Regras de associação, Análise de agrupamentos (clusterização), Detecção de anomalias. Modelagem preditiva; Modelagem dimensional. Conceito e aplicações. Fatos e dimensões Operações OLAP. Técnica de modelagem dimensional e otimização de bases de dados para BI.
Conceitos de Banco de dados NoSQL (orientado a colunas, a grafos e a documentos). Sistemas de indexação: ElasticSearch
Inteligência Artificial. Conceitos e principais tecnologias de IA.
Aprendizado de Máquina. Modelos lineares, árvores de decisão, redes neurais feed- forward. Classificador Naive Bayes
Fontes de erro em modelos preditivos. Validação e avaliação de modelos preditivos. Overfitting, underfitting, overfitting e técnicas de regularização. Otimização de hiperparâmetros, separabilidade de dados, redução da dimensionalidade.
Processamento de Linguagem Natural (PLN): Semântica vetorial. Redução de dimensionalidade. Modelagem de tópicos latentes. Classificação de textos. Análise de sentimentos. Representações com n-gramas. Deep learning. Chatbots.
Governança de Dados. Conceitos, princípios e componentes da governança de dados. Visão geral do guia DAMA-DMBOK. Qualidade de Dados. Conceitos, boas práticas e dimensões da qualidade de dados. Principais técnicas (Profiling, Matching, Deduplicação, Data cleansing, Enriquecimento). Catálogo de dados e gerenciamento de metadados.
