BANCOS DE DADOS: 1 Dado, informação, conhecimento e inteligência. 1.1 Dados estruturados e não estruturados. 1.2 Dados abertos. 1.3 Coleta, tratamento, armazenamento, integração e recuperação de dados. 2 Banco de dados relacionais. 2.1 Conceitos e características. 2.2 Metadados. 2.3 Tabelas, visões (views) e índices. 2.4 Chaves e relacionamentos. (Parte 1)
1 Dado, informação, conhecimento e inteligência. 1.1 Dados estruturados e não estruturados. 1.2 Dados abertos. 1.3 Coleta, tratamento, armazenamento, integração e recuperação de dados. 2 Banco de dados relacionais. 2.1 Conceitos e características. 2.2 Metadados. 2.3 Tabelas, visões (views) e índices. 2.4 Chaves e relacionamentos. (Parte 2)
1 Conceitos básicos. 1.1 Noções de administração. 1.2 Topologia típica de ambientes com alta disponibilidade e escalabilidade. 1.3 Balanceamento de carga, fail-over e replicação de estado. 1.4 Técnicas de análise de desempenho e otimização de consultas. (Parte 1)
1 Conceitos básicos. 1.1 Noções de administração. 1.2 Topologia típica de ambientes com alta disponibilidade e escalabilidade. 1.3 Balanceamento de carga, fail-over e replicação de estado. 1.4 Técnicas de análise de desempenho e otimização de consultas. (Parte 2)
Segurança em banco de dados;
5 Gestão e operação de bancos de dados. 6 Sistemas de gerenciamento de banco de dados. 7 Oracle 21C.
Microsoft SQL Server 2019
PostgreSQL 13, Enterprise DB (EDB) 13.
2 Sistemas de suporte à decisão e gestão de conteúdo. 2.1 Arquitetura e aplicações de data warehousing, ETL e Olap. 2.2 Técnicas de modelagem e otimização de bases de dados multidimensionais. 3 Modelagem dimensional. 3.1 Conceito e aplicações. (Parte 1)
2 Sistemas de suporte à decisão e gestão de conteúdo. 2.1 Arquitetura e aplicações de data warehousing, ETL e Olap. 2.2 Técnicas de modelagem e otimização de bases de dados multidimensionais. 3 Modelagem dimensional. 3.1 Conceito e aplicações. (Parte 2)
4 Mineração de dados. 4.1 Modelo de referência CRISP-DM. 4.3 Técnicas e tarefas de mineração de dados. 4.4 Classificação. 4.5 Regras de associação. 4.6 Análise de agrupamentos (clusterização). 4.7 Detecção de anomalias. 4.8 Modelagem preditiva. 4.10 Mineração de texto. 5 Big Data. 5.1 Conceito, premissas e aplicação.
4.9 Aprendizado de máquina.
4.2 Técnicas para pré-processamento de dados.
6 Visualização e análise exploratória de dados. 20 Microsoft Power Platform. 20.1 Power Apps. 20.2 Power BI. 20.3 Power Automate. 20.4 Power Virtual Agents.
