Ciência de Dados: Conceitos fundamentais de ciência de dados. Tipos de dados: estruturados, não estruturados, semiestruturados. O ciclo de vida da informação e do processo de Ciência de Dados.
Governança de Dados: conceito, tipos (centralizada, compartilhada e colegiada), papéis e responsabilidades.
Bancos de Dados Relacionais
Linguagem SQL: DQL, (Funções de Agregação, Agrupamento, Junção, Ordenação, Restrições e Operações Lógicas.
Arquitetura de Dados: Data Warehouse, Data Mart, Data Lake, Data Lakehouse. Engenharia de Dados.
Modelagem Dimensional [Opcional: O tópico não veio explícito no edital, mas pode ser cobrado indiretamente pela banca]
Análise de dados: Agrupamentos, Tendências e Projeções. Data Mining. Metodologia CRISP. Pré-processamento de Dados: Técnicas para preparação, limpeza e transformação de dados. (Parte 1)
Análise de dados: Agrupamentos, Tendências e Projeções. Data Mining. Metodologia CRISP. Pré-processamento de Dados: Técnicas para preparação, limpeza e transformação de dados. (Parte 2)
Bancos de Dados Não Relacionais (NoSQL).
Inteligência Artificial (IA). Governança e Ética na IA: Transparência, Responsabilidade, Explicabilidade, Privacidade, Segurança, Alucinação, Viés.
Noções de Aprendizado de Máquina (Machine Learning), Aprendizado Profundo (Deep Learning). (Parte 1)
Noções de Aprendizado de Máquina (Machine Learning), Aprendizado Profundo (Deep Learning). (Parte 2)
Processamento de Linguagem Natural (NLP).
Segurança da Informação: princípios de confidencialidade, integridade, disponibilidade e rastreabilidade. Classificação e controle de acesso a dados.
Proteção de Dados: LGPD. Anonimização, mascaramento e políticas de retenção de dados.
