-
Aula demo
Fundamentos de Dados e Banco De Dados – Modelagem de Dados:
Conceitos de dados: estruturados, semiestruturados e não
estruturados.
-
Aula 01 (Prof. Diego Carvalho e Renato da
Costa)
Banco de Dados – Conceitos Básicos
-
Aula 02 (Prof. Diego Carvalho e Renato da
Costa)
Modelagem Relacional: Entidades, Atributos, Relacionamentos,
Chaves (primária, estrangeira). (Parte 1)
-
Aula 03 (Prof. Diego Carvalho e Renato da
Costa)
Modelagem Relacional: Entidades, Atributos, Relacionamentos,
Chaves (primária, estrangeira). (Parte 2)
-
Aula 04 (Prof. Diego Carvalho e Renato da
Costa)
Normalização (até 3FN).
-
Aula 05 (Prof. Diego Carvalho e Emannuelle
Gouveia)
Linguagem SQL: Linguagem de Consulta Estruturada (SQL) padrão
ANSI. Comandos de Consulta de Dados (DQL): SELECT, FROM, WHERE,
GROUP BY, HAVING, ORDER BY, DISTINCT. Junções (Joins): INNER JOIN,
LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN, CROSS, JOIN. Funções de
Agregação: COUNT, SUM, AVG, MIN, MAX. Subconsultas (Subqueries) e
Expressões de Tabela Comuns (Common Table Expressions – CTEs).
Funções Analíticas (Window Functions): OVER(), PARTITION BY,
ROW_NUMBER, RANK, DENSE_RANK, LEAD, LAG. Manipulação de Dados
(DML): Noções de INSERT, UPDATE, DELETE. Definição de Dados (DDL):
Noções de CREATE TABLE, ALTER TABLE, DROP TABLE. Conceitos de
Stored Procedures e Triggers.
-
Aula 06 (Prof. Diego Carvalho e Emannuelle
Gouveia)
Banco de Dados Oracle: Conceitos de Sistema de Gerenciamento
de Banco de Dados (SGBD). Arquitetura básica do Oracle
Database.
-
Aula 07 (Prof. Diego Carvalho e Renato da
Costa)
Análise e Engenharia de Dados com Python – Lógica de
Programação e Fundamentos da Linguagem Python: Variáveis, tipos de
dados, operadores. Estruturas de controle de fluxo (condicionais e
laços). Estruturas de dados nativas (listas, tuplas, dicionários,
conjuntos).
-
Aula 08 (Prof. Lucas Ianni)
Funções. Manipulação e Análise de Dados com Pandas e NumPy:
NumPy: Arrays multidimensionais (ndarray), operações vetorizadas,
broadcasting,indexação e fatiamento. Pandas: Series e DataFrame,
leitura e escrita de dados, seleção e filtragem (loc, iloc),
tratamento de dados ausentes, groupby, merge, join, concat,
manipulação de séries temporais. Visualização de Dados com
Matplotlib e Seaborn: Criação de gráficos de linha, barra,
dispersão, histogramas e box plots. Customização de gráficos
(títulos, eixos, legendas).
-
Aula 09 (Prof. Diego Carvalho e Renato da
Costa)
Noções de Engenharia de Dados: Conceitos de ETL e ELT, Data
Pipelines. Conceitos de Data Lake e Data Warehouse. Business
Intelligence (BI) e Ferramentas de Visualização: Conceitos de BI e
Data Discovery.
-
Aula 10 (Prof. Diego Carvalho e Emannuelle
Gouveia)
Modelagem Dimensional: Fatos, Dimensões, Métricas, Esquemas
Star Schema (Estrela) e Snowflake Schema (Floco de Neve).
-
Aula 11 (Prof. Diego Carvalho e Emannuelle
Gouveia)
Funcionalidades de ferramentas de mercado (Microsoft Power BI,
Qlik). Criação e interpretação de dashboards e relatórios
interativos.
-
Aula 12 (Prof. Diego Carvalho e Renato da
Costa)
Fundamentos de Big Data (Volume, Velocidade, Variedade).
-
Aula 13 (Prof. Diego Carvalho e Emannuelle
Gouveia)
Noções do ecossistema Hadoop (HDFS) e do Apache Spark.
-
Aula 14 (Prof. Diego Carvalho e Emannuelle
Gouveia)
Inteligência Artificial para a Fiscalização – Fundamentos de
Aprendizado de Máquina (Machine Learning): Conceitos de IA e ML.
Tipos de aprendizado (Supervisionado, Não Supervisionado). Fluxo de
trabalho de um projeto de ML: preparação de dados, treinamento e
avaliação de modelos (matriz de confusão, precisão, recall,
F1-score, curva ROC). Overfitting e underfitting. Técnicas e
Algoritmos para Detecção de Fraudes e Anomalias: Algoritmos de
Classificação: Regressão Logística, Árvores de Decisão, Random
Forest, Gradient Boosting (XGBoost). Algoritmos de Clusterização:
K-Means. Técnicas de Detecção de Anomalias: Isolation Forest.
(Parte 1)
-
Aula 15 (Prof. Diego Carvalho e Emannuelle
Gouveia)
Inteligência Artificial para a Fiscalização – Fundamentos de
Aprendizado de Máquina (Machine Learning): Conceitos de IA e ML.
Tipos de aprendizado (Supervisionado, Não Supervisionado). Fluxo de
trabalho de um projeto de ML: preparação de dados, treinamento e
avaliação de modelos (matriz de confusão, precisão, recall,
F1-score, curva ROC). Overfitting e underfitting. Técnicas e
Algoritmos para Detecção de Fraudes e Anomalias: Algoritmos de
Classificação: Regressão Logística, Árvores de Decisão, Random
Forest, Gradient Boosting (XGBoost). Algoritmos de Clusterização:
K-Means. Técnicas de Detecção de Anomalias: Isolation Forest.
(Parte 2)
-
Aula 16 (Prof. Diego Carvalho e Fernando
Pedrosa
Gestão de Tecnologia e Arquitetura de Sistemas – Gestão de
Projetos com Métodos Ágeis: Diferenças entre modelos tradicionais e
ágeis. Manifesto Ágil. Kanban: Princípios e métricas de
fluxo.
-
Aula 17 (Prof. Diego Carvalho e Fernando
Pedrosa
Scrum: Papéis, eventos e artefatos.
-
Aula 18 (Prof. Diego Carvalho e Fernando
Pedrosa
Noções de Arquitetura de Sistemas: Arquitetura Monolítica vs.
Microsserviços.
-
Aula 19 (Prof. Diego Carvalho e Fernando
Pedrosa
APIs (Application Programming Interfaces) e Web services
(REST).
-
Aula 20 (Prof. Diego Carvalho e Emannuelle
Gouveia)
XML, JSON
-
Aula 21 (Prof. Diego Carvalho e Renato da
Costa)
Governança e Segurança da Informação – Noções Fundamentais de
Segurança da Informação: Princípios: Confidencialidade,
Integridade, Disponibilidade, Autenticidade e Não-repúdio.
Conceitos de ameaças, vulnerabilidades e riscos. Políticas de
segurança, classificação da informação e controles de acesso.
-
Aula 22 (Prof. Diego Carvalho e Renato da
Costa)
Engenharia Social, malware e phishing.
-
Aula 23 (Prof. Diego Carvalho e Fernando
Pedrosa)
Lei Geral de Proteção de Dados (LGPD – Lei nº 13.709/2018,
alterada pela Lei nº 13.853/2019): Fundamentos, definições e
princípios. Hipóteses de tratamento de dados pelo Poder Público.
Direitos dos titulares e responsabilidades dos agentes de
tratamento. A Autoridade Nacional de Proteção de Dados
(ANPD).
-
Aula 24 (Prof. Paolla Ramos e Emannuelle
Gouveia)
Estrutura de Dados Fiscais: Estrutura e principais campos do
XML da Nota Fiscal Eletrônica (NF-e) com foco nos registros e
blocos relevantes para a fiscalização.
-
Aula 25 (Prof. Paolla Ramos e Emannuelle
Gouveia)
Escrituração Fiscal Digital (EFD ICMS/IPI), com foco nos
registros e blocos relevantes para a fiscalização.
-
Aula 26 (Prof. Diego Carvalho e Renato da
Costa)
visualização e comunicação de resultados;
Avaliações
Não há avaliações ainda.