-
Aula demo
Dados estruturados e não estruturados. Dados abertos. Coleta,
tratamento, armazenamento, integração e recuperação de dados.
-
Aula 01
gestão de bancos de dados;
-
Aula 02
Modelagem Conceitual (Esse tema não veio explícito no edital e
não deve ser cobrado diretamente pela banca, mas a sua leitura pode
ajudar no entendimento da aula seguinte. Sugiro a leitura caso
tenha dificuldade no entendimento da próxima aula.)
-
Aula 03
Bancos de dados relacionais: teoria e implementação.
-
Aula 04
Uso do SQL como DDL, DML, DCL. Processamento de
transações.
-
Aula 05
BI e Data Warehouse (Esse tema não veio explícito no edital e
não deve ser cobrado diretamente pela banca, mas a sua leitura pode
ajudar no entendimento da aula seguinte. Sugiro a leitura caso
tenha dificuldade no entendimento da próxima aula.)
-
Aula 06
Processos de ETL.
-
Aula 07
Exploração de dados: conceituação e características. Noções do
modelo CRISP-DM. Técnicas para pré-processamento de dados. Técnicas
e tarefas de mineração de dados.
-
Aula 08
Big Data Analytics.
-
Aula 09
Classificação. Regras de associação. Análise de agrupamentos
(clusterização). Detecção de anomalias. Modelagem preditiva.
Conceitos de ML: 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. (Aprendizado Supervisionado)
-
Aula 10
Classificação. Regras de associação. Análise de agrupamentos
(clusterização). Detecção de anomalias. Modelagem preditiva.
Conceitos de ML: 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. (Aprendizado NÃO Supervisionado)
-
Aula 11
Conceitos de PLN: semântica vetorial, redução de
dimensionalidade, modelagem de tópicos latentes, classificação de
textos, análise de sentimentos, representações com n-gramas.
-
Aula 12
Pareamento de dados (record linkage). Processo e etapas.
Classificação. Qualidade de dados pareados. Análise de dados
pareados.
-
Aula 13
Noções da Linguagem R. Sintaxe, tipos de dados, operadores,
comandos de repetição, estruturas de dados, gráficos, Data frames.
Tidyverse.
-
Aula 14
Gerenciamento de processos de negócio. Modelagem de processos.
Técnicas de análise de processo. Desenho e melhoria de processos.
Integração de processos. Business Process Model and Notation (BPMN
2.0) (Parte 1)
-
Aula 15
Gerenciamento de processos de negócio. Modelagem de processos.
Técnicas de análise de processo. Desenho e melhoria de processos.
Integração de processos. Business Process Model and Notation (BPMN
2.0) (Parte 2)