-
Aula demo
Banco de Dados: Modelagem de Dados: modelagem conceitual,
lógica e física. Normalização e integridade referencial. (Parte
1)
-
Aula 01 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Banco de Dados: Modelagem de Dados: modelagem conceitual,
lógica e física. Normalização e integridade referencial. (Parte
2)
-
Aula 02 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Linguagens de definição e manipulação de dados. SQL para
análise e extração de dados.
-
Aula 03 (Prof. Felipe Mathias e Emannuelle
Gouveia)
PostgreSQL
-
Aula 04 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Oracle DB (PL/SQL)
-
Aula 05 (Prof. Felipe Mathias e Emannuelle
Gouveia)
MySQL/MariaDB
-
Aula 06 (Prof. Felipe Mathias e Emannuelle
Gouveia)
H2 Database
-
Aula 07 (Prof. Felipe Mathias e Emannuelle
Gouveia)
MongoDB.
-
Aula 08 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Data Lakes e Data Warehouses.
-
Aula 09 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Engenharia de Dados: ETL: conceitos e ferramentas.
Armazenamento e processamento de grandes volumes de dados (Big
Data)
-
Aula 10 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Governança e Qualidade de Dados (Catálogo de dados, Qualidade,
integridade e consistência dos dados).
-
Aula 11 (Prof. Felipe Mathias e Emannuelle
Gouveia)
Ferramentas de BI e Visualização de Dados (Power BI). Criação
de dashboards e relatórios interativos. Boas práticas de
visualização e storytelling com dados.
-
Aula 12 (Prof. Lucas Ianni)
Fundamentos de IA. Ética e Responsabilidade em IA: Viés
algorítmico e transparência, Explicabilidade e
Accountability.
-
Aula 13 (Prof. Lucas Ianni)
Aprendizado de Máquina (Machine Learning): supervisionado, não
supervisionado e por reforço
-
Aula 14 (Prof. Lucas Ianni)
Principais algoritmos: regressão, SVM, k-NN e clustering.
Avaliação de modelos: acurácia, precisão, recall, F1-score.
-
Aula 15 (Prof. Lucas Ianni)
Redes Neurais e IA Generativa.
-
Aula 16 (Prof. Lucas Ianni)
Processamento de Linguagem Natural (NLP): Tokenização,
stemming, lematização, Modelos de linguagem (TF-IDF, Word2Vec,
transformers). Engenharia de Prompt e RAG (Retrieval Augmented
Generation).
-
Aula 17 (Prof. Felipe Mathias e Raphael
Lacerda)
Linguagens e Tecnologias para Análise de Dados: Python.
-
Aula 18 (Prof. Lucas Ianni)
Pandas, numpy, matplotlib, scikit-learn, TensorFlow, Keras,
PyTorch.
-
Aula 19 (Prof. Felipe Mathias) – Somente em
PDF
NLP: spaCy, NLTK, Hugging Face Transformers, seaborn.
-
Aula 20 – Equipe Exatas
Apresentação de Dados
-
Aula 21 – Equipe Exatas
Médias
-
Aula 22 – Equipe Exatas
Medidas Separatrizes ou Quantis
-
Aula 23 – Equipe Exatas
Moda
-
Aula 24 – Equipe Exatas
Medidas de Variabilidade ou Dispersão
-
Aula 25 – Equipe Exatas
Análise Combinatória
-
Aula 26 – Equipe Exatas
Probabilidade
-
Aula 27 – Equipe Exatas
Variáveis Aleatórias Discretas
-
Aula 28 – Equipe Exatas
Distribuições Discretas de Probabilidade
-
Aula 29 – Equipe Exatas
Variáveis Aleatórias Contínuas
-
Aula 30 – Equipe Exatas
Distribuições Aleatórias Contínuas
-
Aula 31 – Equipe Exatas
Estimação Pontual e Intervalar
-
Aula 32 – Equipe Exatas
Testes de Hipóteses
-
Aula 33 – Equipe Exatas
Regressão Linear Simples
Avaliações
Não há avaliações ainda.