-
Aula demo
1 Dados estruturados e não estruturados. Dados abertos.
Coleta, tratamento, armazenamento, integração e recuperação de
dados. Processos de ETL
-
Aula 01 (Prof. Diego Carvalho).
Representação de dados numéricos, textuais e estruturados;
aritmética computacional. Representação de dados espaciais para
georeferenciamento e geosensoriamento. Formatos e tecnologias: XML,
JSON, CSV
-
Aula Extra 1 – Conceitos Básicos de Banco de
Dados
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 02 (Prof. Diego Carvalho e Emannuelle
Gouveia).
2 Bancos de dados relacionais: teoria e implementação
-
Aula 03 (Prof. Diego Carvalho e Emannuelle
Gouveia).
Normalização
-
Aula 04 (Prof. Diego Carvalho e Emannuelle
Gouveia).
Uso do SQL como DDL, DML, DCL. Processamento de
transações
-
Aula Extra 2 – 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 05 (Prof. Diego Carvalho e Emannuelle
Gouveia).
3 Exploração de dados: conceituação e características. Noções
do modelo CRISP-DM. Técnicas para pré-processamento de dados.
Técnicas e tarefas de mineração de dados. Classificação. Regras de
associação. Análise de agrupamentos (clusterização). Detecção de
anomalias. Modelagem preditiva
-
Aula 06 (Prof. Diego Carvalho e Emannuelle
Gouveia).
4 Conceitos de PLN: semântica vetorial, redução de
dimensionalidade, modelagem de tópicos latentes, classificação de
textos, análise de sentimentos, representações com n-gramas
-
Aula 07 (Prof. Diego Carvalho e Emannuelle
Gouveia).
5 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
-
Aula 08(Prof. Diego Carvalho e Emannuelle
Gouveia).
6 Linguagem Python: sintaxe, variáveis, tipos de dados e
estruturas de controle de fluxo. Estruturas de dados, funções e
arquivos
-
Aula 09 (Prof. Diego Carvalho e Raphael
Lacerda).
Bibliotecas: NLTK, Tensor Flow, Pandas, Numpy, Arrow, Sklearn,
Scipy (Prof. Diego Carvalho e Raphael Lacerda).
-
Aula 10 (Prof. Diego Carvalho e Renato da
Costa).
7 Noções da Linguagem R. Sintaxe, tipos de dados, operadores,
comandos de repetição, estruturas de dados, gráficos, Data frames.
Tidyverse
-
Aula 11 (Prof. Herbert Almeida).
10 Lei de Acesso à Informação (Lei nº 12.527/2011): conceitos
e aplicação
-
Aula 12 (Prof. Diego Carvalho e Fernando
Pedrosa).
Lei 13.709/2018. Lei Geral de Proteção de Dados Pessoais
(LGPD)
-
Aula 13 (Prof. Diego Carvalho e Renato da
Costa).
9 Segurança da informação: Confidencialidade, integridade,
disponibilidade, autenticidade e não repúdio. Políticas de
segurança. Políticas de classificação da informação. Sistemas de
gestão de segurança da informação. Tratamento de incidentes de
segurança da informação
-
Aula 14 (Prof. Diego Carvalho) Somente em
PDF
8 Pareamento de dados (Record Linkage). Processo e etapas.
Classificação. Qualidade de dados pareados. Análise de dados
pareados
Avaliações
Não há avaliações ainda.