Ciência de Dados e Big Data

Pós-Graduação a distância
Ciência de Dados e Big Data
Disciplinas:
1) Ciência de Dados e Big Data em Negócios

2) Linguagens de Programação para Ciência de Dados
3) Banco de dados Não Relacionais
4) Estatística Geral - Teoria e aplicações
5) Técnicas Estatísticas de Predição: Teoria e Aplicações
6) Soluções para Processamento Paralelo e Distribuído de Dados
7) Recuperação da informação na Web e em Redes Sociais
8) Tecnologias para o Ecosistema de Big Data
9) Integração e Processamento de fluxo Contínuo de Dados
10) Machine Learning
11) Data Discovery, OLAP e Visualização de Dados
12) Arquitetura e Qualidade de Dados
Ementas:
Disciplina 01 – CIÊNCIA DE DADOS E BIG DATA EM NEGÓCIOS

Importância da informação no negócio. Necessidades em decisões de negócio. Conceitos de
Big Data. Big Data em relação a outras disciplinas. Ciência dos dados. Ciclo de vida do processo
de ciência de dados. Papeis dos envolvidos em projetos de Ciência de dados e Big Data.
Computação em nuvens. Arquitetura de Big Data. Modelos de entrega e distribuição de
serviços de Big Data. Principais plataformas de Cloud Computing para Big Data.
Disciplina 02 – LINGUAGENS DE PROGRAMAÇÃO PARA CIÊNCIA DE DADOS

Aspectos básicos da programação em linguagem Python e R. Programação de aplicações.
Disciplina 03 – BANCO DE DADOS NÃO RELACIONAIS
Bancos de Dados NoSQL: definição; motivação; modelo de Transações. Modelos Nosql.
Propriedades Modelo Relacional x Propriedades Modelos Nosql. Principais SGBD’s. Soluções
para Big Data.
Disciplina 04 – ESTATÍSTICA GERAL – TEORIA E APLICAÇÕES

Estatística descritiva. Probabilidade e distribuições de probabilidade. Inferência: estimação
pontual e intervalar e testes de hipóteses. Utilização de software para análises estatísticas e
análise de casos aplicados à gestão.
Disciplina 05 – TÉCNICAS ESTATÍSTICAS DE PREDIÇÃO: TEORIA E APLICAÇÕES

Modelos Preditivos e tipos de análise. Abordagens para análise preditiva. Séries temporais.
Regressão Linear simples e múltipla. Regressão logística. Modelos preditivos na plataforma
hadoop.
Disciplina 06 – SOLUÇÕES PARA PROCESSAMENTO PARALELO E DISTRIBUÍDO DE DADOS

Princípios de processamento e de volumes de dados massivos. Conceitos básicos de sistemas
distribuídos. Modelo de Computação MapReduce: definição e motivação. Hadoop. Spark.
Outros ambientes de processamento. Aplicações.
Disciplina 07 – RECUPERAÇÃO DA INFORMAÇÃO NA WEB E EM REDES SOCIAIS

Conceito de inteligência. Conceito de inteligência coletiva. Conceito de crowdsourcing.
Ferramentas de análise, monitorização e benchmark. Web mining. Algoritmos e soluções para
problemas de busca e extração de informação da Web. Algoritmos e soluções para a análise de
redes sociais online e em sites de conteúdo. Web crawling. Text Mining.
Disciplina 08 – TECNOLOGIAS PARA O ECOSISTMA DE BIG DATA

Frameworks sobre Hadoop: PIG, Hive, Impala e outras soluções. Introdução linguagem SQL.
Programação de aplicações. Conexão de clientes.
Disciplina 09 – INTEGRAÇÃO E PROCESSAMENTO DE FLUXO CONTEÍNUO DE DADOS
Conceitos. Data Streaming e dados em tempo real. Conceitos de eventos e sua topologia.
Identificação e processamento de eventos complexos. Sistemas de gestão de fluxo de dados.
Estrutura de dados ETL. Projeto e desenvolvimento de aplicação ETL. Plano de Teste.
Operação. Principais ferramentas e tecnologias.
Disciplina 10 – MACHINE LEARNING

Metodologia para descoberta de conhecimento em banco de dados. Exploração do espaço
problema e espaço solução. Técnicas de aprendizado supervisionado e não-supervisionado.
Regras de associação, agrupamento (clustering) e classificação. Rede neural, Agrupamento
com K Means. Classificador Naïve Bayesian. Árvore de decisão. Outros algoritmos.
Disciplina 11 – DATA DISCOVERY, OLAP E VISUALIZAÇÃO DE DADOS

Fundamentos e requisitos de aplicações de suporte a decisão. Projeto, construção e
tecnologias de aplicações OLAP. Dashboards. Data Storytelling. Fundamentos da descoberta de
dados. Projetos em design de informação. Métodos e técnicas de visualização de dados. Self
Service BI. Geoanálises.
Disciplina 12 – ARQUITETURA E QUALIDADE DE DADOS

Arquitetura de dados. Arquitetura de Dados no DMBOK e Open Group Togaf. A relação do
papeis: AD, DBA, Arquiteto Corporativo e Arquiteto de Dados. Conceitos e motivações para
governança de dados. Maturidade em governança de dados. Conceitos de qualidade de dados.
Atividades e técnicas para qualidade de dados. Avaliação da qualidade de dados. Metadados.
Master Data Management.

Ciência de Dados e Big Data - NOV 18 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Ciência de Dados e Big Data - NOV 18 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ciência de Dados e Big Data - NOV 18 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Pós-Graduação a distância

1) Ciência de Dados e Big Data em Negócios

Disciplina 01 – CIÊNCIA DE DADOS E BIG DATA EM NEGÓCIOS

Disciplina 02 – LINGUAGENS DE PROGRAMAÇÃO PARA CIÊNCIA DE DADOS

Disciplina 04 – ESTATÍSTICA GERAL – TEORIA E APLICAÇÕES

Disciplina 05 – TÉCNICAS ESTATÍSTICAS DE PREDIÇÃO: TEORIA E APLICAÇÕES

Disciplina 06 – SOLUÇÕES PARA PROCESSAMENTO PARALELO E DISTRIBUÍDO DE DADOS

Disciplina 07 – RECUPERAÇÃO DA INFORMAÇÃO NA WEB E EM REDES SOCIAIS

Disciplina 08 – TECNOLOGIAS PARA O ECOSISTMA DE BIG DATA

Disciplina 10 – MACHINE LEARNING

Disciplina 11 – DATA DISCOVERY, OLAP E VISUALIZAÇÃO DE DADOS

Disciplina 12 – ARQUITETURA E QUALIDADE DE DADOS

Você também pode gostar