Linguagens de programação para ciência de dados: linguagem Python.
Linguagens de programação para ciência de dados: linguagem Python.
Linguagens de programação para ciência de dados: linguagem R.
Fluência em dados: conceitos, atributos, métricas, transformação de Dados. Governança de Dados: conceito, tipos (centralizada, compartilhada e colegiada).
Introdução a Banco de Dados [Assunto não explícito no edital e que não deve ser cobrado diretamente em prova, mas ajuda a entender as aulas seguintes].
Introdução a Banco de Dados [Assunto não explícito no edital e que não deve ser cobrado diretamente em prova, mas ajuda a entender as aulas seguintes].
Banco de Dados: Modelagem Relacional [Assunto não explícito no edital e que não deve ser cobrado diretamente em prova, mas ajuda a entender as aulas seguintes].
Banco de Dados: Modelagem Relacional [Assunto não explícito no edital e que não deve ser cobrado diretamente em prova, mas ajuda a entender as aulas seguintes].
Análise de Dados: Business Intelligence e Data Warehouse. Transformação de Dados [A parte de Business Intelligence e Data Warehouse não veio explícita no edital e não deve ser cobrada diretamente em prova, mas ajuda a entender o tópico de Análise de Dados e Transformação de Dados].
Análise de dados. Agrupamentos. Tendências. Projeções. Conceitos de Analytics.
Inteligência Artificial. Aprendizado de Máquina.
Processamento de Linguagem Natural.
Ciência de dados: Importância da informação. Big Data. Big Data em relação a outras disciplinas. Ciência dos dados. Ciclo de vida do processo de ciência de dados. Papeis dos envolvidos em projetos de Ciência de dados e Big Data. Arquitetura de Big Data. Modelos de entrega e distribuição de serviços de Big Data. Plataformas de computação em nuvem para Big Data. Bancos de dados não relacionais: bancos de dados NoSQL; Modelos Nosql. Principais SGBD's. Soluções para Big Data. (Parte 1)
Ciência de dados: Importância da informação. Big Data. Big Data em relação a outras disciplinas. Ciência dos dados. Ciclo de vida do processo de ciência de dados. Papeis dos envolvidos em projetos de Ciência de dados e Big Data. Arquitetura de Big Data. Modelos de entrega e distribuição de serviços de Big Data. Plataformas de computação em nuvem para Big Data. Bancos de dados não relacionais: bancos de dados NoSQL; Modelos Nosql. Principais SGBD's. Soluções para Big Data. (Parte 2)
