I NOÇÕES DE TECNOLOGIA DA INFORMAÇÃO: 1 Computação na nuvem (cloud computing).
3 Segurança da informação.
2 Conceitos de organização e de gerenciamento de bancos de dados. 4 Banco de dados. 4.2 Abstração e modelos de dados. 4.3 Sistemas gerenciadores de banco de dados. (Conceitos Básicos)
2 Conceitos de organização e de gerenciamento de bancos de dados. 4 Banco de dados. 4.2 Abstração e modelos de dados. 4.3 Sistemas gerenciadores de banco de dados. (Modelo Conceitual)
2 Conceitos de organização e de gerenciamento de bancos de dados. 4 Banco de dados. 4.2 Abstração e modelos de dados. 4.3 Sistemas gerenciadores de banco de dados. (Modelo Relacional)
4.4 Linguagens de definição e manipulação de dados. 4.5 SQL.
4.6 Controle de proteção, segurança e integridade.
4.6 Controle de proteção, segurança e integridade. (Parte 2)
4.7 Banco de dados distribuídos.
4.7 Banco de dados orientado a objetos.
4.1 Organização de arquivos e métodos de acesso.
5 Algoritmos e programação computacional. 6 Lógica e Linguagem de programação (Python).
6 Lógica e Linguagem de programação (R).
7 Construção e uso de sistemas orientados a serviços (webservices). (Parte 1)
7 Construção e uso de sistemas orientados a serviços (webservices). (Parte 2)
8 Desenvolvimento e sustentação de softwares.
II CIÊNCIA DE DADOS: 4 ETL. 5 Manipulação, tratamento e visualização de dados. (BI e DW)
1 Aprendizado supervisionado: Regressão e Classificação. Métricas de avaliação. Overfitting e underfitting de modelos. Regularização. Seleção de modelos. Validação cruzada. Conjunto de treino, validação e teste. Trade off entre variância e viés. Regressão Linear e Regressão Logística. Árvores de Decisão e random forests. SVM. K-NN. 2 Aprendizado não-supervisionado: Redução de dimensionalidade: PCA. K-Means. Mistura de Gaussianas. Regras de Associação. 3 Redes neurais artificiais: Definições e arquitetura. Funções de ativação. Otimização: método do gradiente, método do gradiente estocástico e backpropagation. Métodos de regularização: penalização com normas L1 e L2. CNN. 6 Inteligência artificial. 6.1 Análise de dados. 6.2 Aprendizado de máquina. 6.2.1 Técnicas de classificação. 6.2.2 Técnicas de regressão. 6.2.3 Técnicas de agrupamento. 6.2.4 Técnicas de redução de dimensionalidade. 6.2.5 Técnicas de associação. 6.2.6 Sistemas de recomendação. (Mineração de Dados)
1 Aprendizado supervisionado: Regressão e Classificação. Métricas de avaliação. Overfitting e underfitting de modelos. Regularização. Seleção de modelos. Validação cruzada. Conjunto de treino, validação e teste. Trade off entre variância e viés. Regressão Linear e Regressão Logística. Árvores de Decisão e random forests. SVM. K-NN. 2 Aprendizado não-supervisionado: Redução de dimensionalidade: PCA. K-Means. Mistura de Gaussianas. Regras de Associação. 3 Redes neurais artificiais: Definições e arquitetura. Funções de ativação. Otimização: método do gradiente, método do gradiente estocástico e backpropagation. Métodos de regularização: penalização com normas L1 e L2. CNN. 6 Inteligência artificial. 6.1 Análise de dados. 6.2 Aprendizado de máquina. 6.2.1 Técnicas de classificação. 6.2.2 Técnicas de regressão. 6.2.3 Técnicas de agrupamento. 6.2.4 Técnicas de redução de dimensionalidade. 6.2.5 Técnicas de associação. 6.2.6 Sistemas de recomendação. (Aprendizado de Máquina)