-
Aula demo
Bancos de dados
-
Aula 01 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Bancos de dados relacionais. Projeto. Formas normais e
modelagem de dados.
-
Aula 02 (Profs. Felipe Mathias e Emannuelle
Gouveia)
SQL (Procedural Language/Structured Query Language).
-
Aula 03 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Transações. Gerenciamento e Processamento.
-
Aula 04 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Técnicas para detecção de problemas e otimização de desempenho
do SGBD e de consultas SQL.
-
Aula 05 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Banco de dados NoSQL (Key/Value, Orientados a Documentos e
Grafos).
-
Aula 06 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Sistemas gerenciadores de banco de dados: MS SQL Server.
Conceitos. Noções de administração.
-
Aula 07 (Profs. Felipe Mathias e Emannuelle
Gouveia)
PostgreSQL
-
Aula 08 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Arquitetura e aplicações de data warehousing, ETL. Business
Intelligence – processo de coleta, organização, análise e
compartilhamento de informações.
-
Aula 09 (Profs. Felipe Mathias e Emannuelle
Gouveia)
OLAP. Técnicas de modelagem e otimização de bases de dados
multidimensionais.
-
Aula 10 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Dashboards: Painéis e visualização de dados. Self-Service
Analytics e BI em Cloud.
-
Aula 11 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Governança de dados. Conceito e noção básica. Arquitetura de
Dados. Qualidade de Dados. Metadados. Qualidade de dados. Conceitos
e definições. Dimensões da qualidade de dados (visão DMBOK).
Principais técnicas em qualidade de dados. Profiling. Matching.
Deduplicação. Data cleansing. Enriquecimento. Boas práticas para
adoção da qualidade de dados. Processos de qualidade para modelos
de dados.
-
Aula 12 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Big Data. Fundamentos. Tipos de dados: estruturados,
semiestruturados e não estruturados. Conceito dos cinco Vs. Fluxo
de big data: ingestão, processamento e disponibilização.
Armazenamento de big data. Pipeline de dados. Processamento
distribuído. Conceito de data lake. ETL X ELT. Soluções de big
data.
-
Aula 13 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Arquiteturas de big data. Data Streaming em tempo real: Apache
Kafka, processamento de eventos em tempo real. Processamento
MapReduce. Spark
-
Aula 14 (Profs. Felipe Mathias e Emannuelle
Gouveia)
Scala
-
Aula 15 (Prof. Thiago Cavalcanti) Somente em
PDF
Scala
-
Aula 16 (Prof. Lucas Ianni)
Explainable AI (XAI): transparência e interpretabilidade de
modelos, técnicas como LIME, SHAP, análise de importância de
features e explicabilidade em deep learning. Data Ethics: ética e
responsabilidade no uso de dados e IA, viés algorítmico, fairness,
privacidade diferencial e governança ética de algoritmos.
-
Aula 17 (Prof. Lucas Ianni)
Aprendizado de máquina. Métricas de avaliação. Overfitting
underfitting.
-
Aula 18 (Prof. Lucas Ianni)
Técnicas de classificação. Técnicas de regressão.
-
Aula 19 (Prof. Lucas Ianni)
Técnicas de agrupamento. Técnicas de redução de
dimensionalidade. Técnicas de associação. Sistemas de
recomendação.
-
Aula 20 (Prof. Lucas Ianni)
Deep learning. IA Generativa: conceitos fundamentais, Large
Language Models (LLMs), arquiteturas de modelos generativos,
aplicações em geração de texto, imagem e código, modelos de
difusão, técnicas de treinamento e ajuste fino, engenharia de
prompts, riscos e limitações dos sistemas generativos.
-
Aula 21 (Prof. Lucas Ianni)
Processamento de linguagem natural (PLN). Principais
algoritmos.
-
Aula 22 (Prof. Lucas Ianni)
MLOps: práticas para operacionalização de modelos de machine
learning, incluindo versionamento de modelos, CI/CD para ML,
monitoramento de performance e drift de modelos.
-
Aula 23 (Prof. Lucas Ianni)
Tratamento de dados. Normalização numérica. Discretização.
Tratamento de dados ausentes. Tratamento de outliers e agregações.
Organização e identificação de variáveis qualitativas e
quantitativas, nominais e ordinais, discretas e contínuas.
Oversampling e undersampling.
-
Aula 24 (Prof. Thiago Cavalcanti)
Ingestão de dados. Conceito de ingestão de dados. Ingestão de
dados estruturados, semiestruturados e não estruturados. Ingestão
de dados em lote (batch). Ingestão de dados em streaming. Ingestão
de dados full × incremental.
-
Aula 25 (Prof. Thiago Cavalcanti)
Processamento de dados. Conceitos de processamento massivo e
paralelo. Processamento em lote (batch). Processamento em tempo
real (real time).
-
Aula 26 (Profa. Emannuelle Gouveia) Somente em
Vídeo
Edge Computing: processamento distribuído na borda da rede.
Federated Learning: aprendizado de máquina descentralizado. Somente
em Vídeo
Avaliações
Não há avaliações ainda.