-
Aula demo
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 e normalização de dados. Modelagem de dados
(conceitual, lógica e física). Abordagem relacional. Normalização
das estruturas de dados. Integridade referencial. (Parte 1)
-
Aula 01 (Prof. Felipe Mathias e Emannuelle
Gouveia)
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 e normalização de dados. Modelagem de dados
(conceitual, lógica e física). Abordagem relacional. Normalização
das estruturas de dados. Integridade referencial. (Parte 2)
-
Aula 02 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Linguagem de consulta estruturada (SQL). Linguagem de
definição de dados (DDL). Linguagem de manipulação de dados
(DML).
-
Aula 03 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Administração de banco de dados. Noções de administração de
dados e de banco de dados. Arquitetura e políticas de armazenamento
de dados. Noções de otimização de performance em larga
escala.
-
Aula 04 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Técnicas de integração e ingestão de dados (ETL/ELT,
transferência de arquivos, integração via base de dados).
-
Aula 05 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Modelagem dimensional.
-
Aula 06 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Ingestão e armazenamento de grande quantidade de dados (big
data).
-
Aula 07 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Banco de dados NoSQL.
-
Aula 08 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Ferramenta SAS. Somente em PDF
-
Aula 09 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Governança de dados por meio da metodologia do DAMA-DMBoK
(data management body of knowledge). Somente em PDF
-
Aula 10 (Prof. Lucas Ianni)
INTELIGÊNCIA ARTIFICIAL: Inteligência artificial: fundamentos
e aplicações. Ética, Transparência e Responsabilidade em IA.
Explicabilidade e interpretabilidade de modelos. Viés algorítmico e
discriminação. Agentes inteligentes e sistemas multiagentes.
-
Aula 11 (Prof. Lucas Ianni)
Aprendizado de máquina. Classificação. Modelagem
preditiva.
-
Aula 12 (Prof. Lucas Ianni)
Regras de associação. Análise de agrupamentos
(clusterização).
-
Aula 13 (Prof. Lucas Ianni)
Redes Neurais e Deep Learning. Arquiteturas de redes neurais,
Frameworks, técnicas de treinamento e aplicações. IA
generativa.
-
Aula 14 (Prof. Lucas Ianni)
Processamento de linguagem natural. Modelos,
pré-processamento,
-
Aula 15 (Prof. Lucas Ianni)
Arquitetura e engenharia de sistemas de IA. MLOps. Deploy de
modelos. Integração com computação em nuvem.
-
Aula 16 (Prof. Lucas Ianni)
Visualização e análise exploratória de dados.
-
Aula 17 (Prof. Lucas Ianni)
Mineração de dados. Modelo de referência CRISP-DM. Técnicas e
tarefas de mineração de dados. Mineração de texto.
-
Aula 18 (Prof. Lucas Ianni)
Técnicas para pré-processamento de dados. Detecção de
anomalias.
Avaliações
Não há avaliações ainda.