Banco de Dados: conceitos de BD e SGBD; arquitetura de SGBD; Funções básicas de SGBD; Modelagem de dados: modelo conceitual, lógico e físico; Modelos E-R e relacional; Restrições de integridade; Normalização e dependência funcional; Mapeamento do modelo E-R para relacional; Álgebra relacional; Cálculo relacional; Fundamentos teóricos do modelo relacional, operações básicas da álgebra relacional e linguagens declarativas de consulta. Acesso a bancos de dados; Sistemas Gerenciadores de Banco de Dados: tabelas, visões, índices, sequências, sinônimos, restrições, dicionário de dados, restrições de integridade, constraints, tipos de dados. (Parte 1)
Banco de Dados: conceitos de BD e SGBD; arquitetura de SGBD; Funções básicas de SGBD; Modelagem de dados: modelo conceitual, lógico e físico; Modelos E-R e relacional; Restrições de integridade; Normalização e dependência funcional; Mapeamento do modelo E-R para relacional; Álgebra relacional; Cálculo relacional; Fundamentos teóricos do modelo relacional, operações básicas da álgebra relacional e linguagens declarativas de consulta. Acesso a bancos de dados; Sistemas Gerenciadores de Banco de Dados: tabelas, visões, índices, sequências, sinônimos, restrições, dicionário de dados, restrições de integridade, constraints, tipos de dados. (Parte 2)
SQL; Conceito de transação; Procedures e triggers (stored procedures e gatilhos);
Bancos de dados orientados a objetos;
Engenharia e Arquitetura de Dados: conceitos e fundamentos. Integração e ingestão de dados. Processos de ETL e ELT. Pipelines de dados. Arquiteturas de dados analíticos: Data Warehouse e Data Lake. Data warehouse: conceitos básicos, dimensões, fatos, hierarquias, granularidade e agregados; (Parte 1)
Engenharia e Arquitetura de Dados: conceitos e fundamentos. Integração e ingestão de dados. Processos de ETL e ELT. Pipelines de dados. Arquiteturas de dados analíticos: Data Warehouse e Data Lake. Data warehouse: conceitos básicos, dimensões, fatos, hierarquias, granularidade e agregados; (Parte 2)
Qualidade, governança, segurança e desempenho de dados.
Ciência de Dados: conceitos e fundamentos.
Noções de aprendizado de máquina.
Análise exploratória de dados. Preparação, transformação e visualização de dados.
PowerBI: Visualização e Análise Exploratória de Dados. Business Intelligence. Processo de coleta, organização, análise e compartilhamento de informações. Ferramentas de criação de dashboards: Power BI. Elaboração de relatórios analíticos.
Utilização das linguagem Python para análise e tratamento de dados. (Parte 1)
Utilização das linguagem Python para análise e tratamento de dados. (Parte 2)
