Projeto de banco de dados: projeto conceitual, lógico e físico. A abordagem Entidade-Relacionamento E-R. Modelo relacional: conceitos, restrições de integridade, mapeamento de modelos E-R para esquemas relacionais. Dependências funcionais e normalização.
Linguagem SQL: DDL, DML, restrições de integridade, visões, autorização de acesso. Sistemas de gerência de bancos de dados.
Bancos de dados NoSQL: definição de NoSQL, orientação à agregados, tipos de SGBD NoSQL: chave valor, chave valor orientado à documentos, família de colunas, grafos.
Data Warehouse: Definição e características de um Data Warehouse. Data Mart. Projeto de Data Warehouse. Conceitos de extração, transformação e carga (ETL).
Processamento de Transações em tempo real: OLTP e OLAP. Modelagem Multidimensional. Bancos de Dados Multidimensionais.
Bancos de dados na nuvem. O paradigma de computação na nuvem. Requisitos de gerência de dados na nuvem. Categorias de bancos de dados na nuvem. Somente em PDF
Big Data: Definição de Big Data.
Infraestruturas para processamento distribuído de Big Data: Hadoop, Spark, Kafka.
Descoberta de Conhecimento e Mineração de Dados: Conceitos básicos do processo de descoberta de conhecimento em bancos de dados (KDD). Metodologia de KDD. Métodos de Data Mining. Pré-processamento de dados. Mineração de dados: classificação, regressão, detecção de agrupamentos, descoberta de regras de associação, sumarização, modelagem de dependências, detecção de tendências e exceções.
Aprendizado de máquina: Tipos de aprendizado de máquina: aprendizado supervisionado, aprendizado não supervisionado e aprendizado por reforço.
Algoritmos de aprendizado de máquina: regressão, árvores de decisão, máquinas de vetor de suporte e algoritmos de agrupamento. (Grande Modelo de Linguagem). (Parte 1)
Algoritmos de aprendizado de máquina: regressão, árvores de decisão, máquinas de vetor de suporte e algoritmos de agrupamento. (Grande Modelo de Linguagem). (Parte 2)
