-
Aviso inicial
Avisos importantes sobre o curso
-
Aula demo
Redes de comunicação. 10.1 Introdução a redes
(computação/telecomunicações). 10.3 Noções básicas de transmissão
de dados: tipos de enlace, códigos, modos e meios de transmissão.
11 Redes de computadores: locais, metropolitanas e de longa
distância. 3 Redes de Computadores.
-
Aula 01
10.2 Camada física, de enlace de dados e subcamada de acesso
ao meio. 11.1 Terminologia e aplicações, topologias, modelos de
arquitetura (OSI/ISO e TCP/IP) e protocolos. 11.2 Interconexão de
redes, nível de transporte. 2.3 Transferência de informação e
arquivos.
-
Aula 02
1 Conceito de internet e intranet. 2 Conceitos e modos de
utilização de tecnologias, ferramentas, aplicativos e procedimentos
associados a internet/intranet.
-
Aula 03
5 Computação na nuvem (cloud computing).
-
Aula 04
2.1 Ferramentas e aplicativos comerciais de busca e
pesquisa.
-
Aula 05
2.1 Ferramentas e aplicativos comerciais de grupos de
discussão, de redes sociais. 2.3 Acesso à distância a computadores,
aplicativos de áudio, vídeo e multimídia.
-
Aula 06
2.1 Ferramentas e aplicativos comerciais de navegação.
-
Aula 07
2.1 Ferramentas e aplicativos comerciais de correio
eletrônico.
-
Aula 08
4 Conceitos de proteção e segurança.
-
Aula 09
4.1 Noções de vírus, worms e pragas virtuais
-
Aula 10
4.2 Aplicativos para segurança (antivírus, firewall,
anti-spyware etc.)
-
Aula 11 – Prof. Diego Carvalho e Renato da
Costa
2.4 Edição de textos, planilhas e apresentações (ambientes
Microsoft Office) – MS-Excel
-
Aula 12
2.4 Edição de textos, planilhas e apresentações (ambientes
LibreOffice) – Calc.
-
Aula 13
2.4 Edição de textos, planilhas e apresentações (ambientes
Microsoft Office) – MS-Word.
-
Aula 14
2.4 Edição de textos, planilhas e apresentações (ambientes
LibreOffice) – Writer.
-
Aula 15
2.4 Edição de textos, planilhas e apresentações (ambientes
Microsoft Office) – MS-Powerpoint.
-
Aula 16
2.4 Edição de textos, planilhas e apresentações (ambientes
LibreOffice) – Impress.
-
Aula 17
2.2 Noções de sistema operacional (ambiente Windows).
-
Aula 18
2.2 Noções de sistema operacional (ambiente Linux).
-
Aula 19 – (Profs. Diego Carvalho e Renato da
Costa)
6 Fundamentos da Teoria Geral de Sistemas. 8 Teoria da
informação. 8.1 Conceitos de informação, dados, representação de
dados, de conhecimentos, segurança e inteligência. 9.3 Dados
estruturados e não estruturados. 14 Metadados de arquivos.
-
Aula 20 – (Profs. Diego Carvalho e Renato da
Costa)
7 Sistemas de informação. 7.1 Fases e etapas de sistema de
informação
-
Aula 21 – (Profs. Diego Carvalho e Renato da
Costa)
9 Banco de dados. 9.1 Base de dados, documentação e
prototipação.
-
Aula 22 – (Profs. Diego Carvalho e Renato da
Costa)
9.2 Modelagem conceitual: abstração, modelo
entidade-relacionamento, análise funcional e administração de
dados
-
Aula 23 – (Profs. Diego Carvalho e Emannuelle
Gouveia)
.9.4 Banco de dados relacionais: conceitos básicos e
características. 9.5 Chaves e relacionamentos.
-
Aula 24 – Prof. Diego Carvalho e Emannuelle
Gouveia
SQL [não veio expresso no edital, mas pode ser cobrado no
âmbito de “9.4 Banco de dados relacionais: conceitos básicos e
características. 9.5 Chaves e relacionamentos”.]
-
Aula 25 – (Profs. Diego Carvalho e Raphael
Lacerda)
9.6 Noções de mineração de dados: conceituação e
características. 9.7 Noções de aprendizado de máquina.
-
Aula 26 – APOSTA – Prof. Diego Carvalho e Emannuelle
Gouveia (Somente em PDF)
9.6 Noções de mineração de dados: conceituação e
características. 9.7 Noções de aprendizado de máquina. (Parte
2)
-
Aula 27 – (Profs. Diego Carvalho e Raphael
Lacerda)
9.8 Noções de bigdata: conceito, premissas e aplicação.
-
Aula 28 – Profs. Diego Carvalho e Renato da
Costa.
12 Noções de programação Python. 13 API (Application
Programming Interface).
-
Aula 29 – Profs. Diego Carvalho e Renato da
Costa.
12 Noções de programação R.
-
Aula 30 – APOSTA – Prof. Diego Carvalho e Emannuelle
Gouveia
Machine Learning e Inteligência Artificial: fontes de erro em
modelos preditivos, validação e avaliação de modelos preditivos,
underfitting, overfitting e técnicas de regularização, otimização
de hiperparâmetros, separabilidade de dados, redução da
dimensionalidade. Modelos lineares, árvores de decisão, redes
neurais feed-forward, classificador Naive Bayes
-
Aula 31 – APOSTA – Prof. Diego Carvalho e Emannuelle
Gouveia
Conceitos de PLN: semântica vetorial, redução de
dimensionalidade, modelagem de tópicos latentes, classificação de
textos, análise de sentimentos, representações com n-gramas
-
Aula 32 – APOSTA – Prof. Diego Carvalho e Emannuelle
Gouveia
Análise Exploratória de Dados