ENGENHARIA DE DADOS: Dado, informação, conhecimento e inteligência. Dados estruturados e não estruturados. Dados abertos. Coleta, tratamento, armazenamento, integração e recuperação de dados.
Banco de dados. Conceitos básicos. Arquitetura. Estrutura de dados. Modelagem de dados (conceitual, lógica e física). Noções de administração de dados e de banco de dados.
Modelagem. Abordagem relacional. Integridade referencial. Uso de banco de dados relacionais na análise de dados.
Administração de banco de dados. Arquitetura e políticas de armazenamento de dados.
Noções de otimização de performance em larga escala.
Normalização de dados. Normalização das estruturas de dados.
Linguagem de consulta estruturada (SQL). Linguagem de definição de dados (DDL). Linguagem de manipulação de dados (DML).
Técnicas de integração e ingestão de dados (ETL/ELT, transferência de arquivos, integração via base de dados).
Modelagem dimensional. Modelagem dimensional aplicada à análise de dados.
Ingestão e armazenamento de grande quantidade de dados (big data).
Mineração de dados. Modelo de referência CRISP-DM. Técnicas para pré-processamento de dados. Técnicas e tarefas de mineração de dados. Classificação. Regras de associação. Análise de agrupamentos (clusterização). Detecção de anomalias. Modelagem preditiva. Mineração de texto.
Visualização e análise exploratória de dados.
Inteligência artificial: fundamentos e aplicações. IA generativa.Ética, transparência e responsabilidade em IA. Explicabilidade e interpretabilidade de modelos. Viés algorítmico e discriminação. Agentes inteligentes e sistemas multiagentes.
Redes neurais e deep learning; arquiteturas de redes neurais, frameworks, técnicas de treinamento e aplicações. Modelos, pré- processamento
Processamento de linguagem natural.
Arquitetura e engenharia de sistemas de IA; MLOps; deploy de modelos; integração com computação em nuvem.
Governança de dados por meio da metodologia do DAMA-DMBoK (data management body of knowledge).
