Análise de dados e Informações: Dado, informação, conhecimento e inteligência. Dados estruturados e não estruturados. Dados abertos.
Banco de Dados: Modelo Entidade x Relacionamento; Normalização de dados: conceitos;
Linguagem SQL; Comandos SQL: DML - Linguagem de manipulação de Dados; DDL - Linguagem de Definição de Dados; DCL - Linguagem de Controle de Dados;
Otimização de consultas e indexação;
Data Warehousing; Coleta, tratamento, armazenamento, integração e recuperação de dados. Processos ETL e ELT.
OLAP; Modelagem dimensional;
Mineração de dados: Classificação, Regras de associação, Análise de agrupamentos (clusterização), Detecção de anomalias. Big data;
Conceitos de Banco de dados NoSQL (orientado a colunas, a grafos e a documentos).
Ciência de Dados: Governança e Ética na IA: Transparência, Responsabilidade, Explicabilidade, Privacidade, Segurança, Viés. Grandes Modelos de Linguagem (LLM), IA Generativa.
Aprendizado de Máquina; Tipos de Aprendizado: Supervisionado, Não Supervisionado, Semi Supervisionado, Por Transferência;
Aprendizado de Máquina Por Reforço
Deep learning; Redes Neurais;
Processamento de linguagem natural;
MLOps: Gestão de código, treinamento, implantação, monitoramento e versionamento de modelos, automação do ciclo de produção;
Governança de Dados: Conceitos, princípios e componentes da governança de dados. Visão geral do guia DAMA-DMBOK. Qualidade de Dados;
