ANÁLISE DE DADOS E INFORMAÇÕES: 1 Dado, informação, conhecimento e inteligência. 1.1 Dados estruturados e não estruturados. 1.2 Dados abertos.
2 Banco de dados relacionais. 2.1 Conceitos e características. 2.2 Metadados. 2.3 Tabelas, visões (views) e índices. 2.4 Chaves e relacionamentos.
10 Álgebra relacional e SQL (padrão ANSI).
BUSINESS INTELLIGENCE: 1 Conceitos, fundamentos, características, técnicas e métodos de business intelligence (BI). 2 Sistemas de suporte a decisão e gestão de conteúdo. 4 Definições e conceitos de data warehouse. 1.3 Coleta, tratamento, armazenamento, integração e recuperação de dados. 3 Arquitetura e aplicações de data warehouse com ETL. PROCESSAMENTO DE DADOS: 1 Conceitos de processamento massivo e paralelo. 2 Processamento em lote (batch). 3 Processamento em tempo real (real time). 4 Processamento MapReduce. (Parte 1)
BUSINESS INTELLIGENCE: 1 Conceitos, fundamentos, características, técnicas e métodos de business intelligence (BI). 2 Sistemas de suporte a decisão e gestão de conteúdo. 4 Definições e conceitos de data warehouse. 1.3 Coleta, tratamento, armazenamento, integração e recuperação de dados. 3 Arquitetura e aplicações de data warehouse com ETL. PROCESSAMENTO DE DADOS: 1 Conceitos de processamento massivo e paralelo. 2 Processamento em lote (batch). 3 Processamento em tempo real (real time). 4 Processamento MapReduce. (Parte 2)
3 Modelagem dimensional. 3.1 Conceito e aplicações. 3 Arquitetura e aplicações de data warehouse com OLAP. 5 Visualização de dados: BD individuais e cubos. 6 Técnicas de modelagem e otimização de bases de dados multidimensionais. 7 Mapeamento das fontes de dados: técnicas para coleta de dados. 9 Arquitetura e análise de requisitos para sistemas analíticos.
2 Ciência de dados. 2.1 Big data. 2.1.1 Fundamentos. 2.1.2 Armazenamento de big data. 2.1.3 Pipeline de dados. 2.1.4 Processamento distribuído. 2.1.5 Conceitos de data lake. 4 Mineração de dados. 4.1 Modelo de referência CRISP-DM. 4.2 Técnicas para pré-processamento de dados. 4.3 Técnicas e tarefas de mineração de dados. 4.4 Classificação. 4.5 Regras de associação. 4.6 Análise de agrupamentos (clusterização). 4.7 Detecção de anomalias. 4.8 Modelagem preditiva. 4.10 Mineração de texto. 4 Definições e conceitos de data mining.
8 Ecossistema de big data Apache Hadoop.
1 Noções de inteligência artificial (IA). 1.1 Conceitos básicos, principais tipos e modelos. 1.2 Principais aplicações em análise de dados.
4.9 Aprendizado de máquina.
12 Visualização e análise exploratória de dados 12.1 Ferramentas de criação de dashboards (Qlik, MicroStrategy Dossiê, Tableau e Pentaho). 12.2 Storytelling. 12.3 Elaboração de painéis e dashboard. 12.4 Elaboração de relatórios analíticos.
