Programação

  • Bem-Vindo!

    • Sobre o curso: Com o constante avanço tecnológico, são cada vez maiores os volumes de dados gerados diariamente. Dessa forma, ciência de dados e big data analytics aproveitam o poder desses dados para novos insights, sendo de grande importância para obter vantagem competitiva nos negócios. Portanto, este curso inclui uma variedade de atividades, métodos, processos e ferramentas que um cientista de dados deve conhecer. Ou seja, com o curso de pós-graduação em ciência de dados e big data analytics, os novos profissionais da área conquistam competências e habilidades para entendimento de estratégias e necessidades do negócio, sendo capazes de desenvolver e gerenciar soluções para analisar grandes volumes de dados.

    • Apresentação do curso:

    • COMECE AQUI!

      Aqui você inicia sua trilha de aprendizado, confira os vídeos abaixo e logo em seguida as disciplinas disponíveis nesse eixo!

      • • Videoaula:


      • • Entrevista com especialista na área:

      • • Fale com nossa equipe:


    • DISCIPLINA 1 – Big data

      • Sobre a disciplina: Definição de big data. Demonstração dos tipos de dados ligados ao big data. Descrição dos Vs do big data e suas implicações. Exemplificação de arquiteturas de hardware para big data. Ilustração de arquiteturas de software para big data. Configurações de ambientes de programação para big data. Descrição do processo de descoberta de conhecimentos em big data. Aplicação do processo de descoberta de conhecimento do big data. Demonstração de exemplos de sucesso com big data.

      • Abaixo você irá encontrar o conteúdo da disciplina dividido em Unidades de Aprendizagem (UAs)!

      • DISCIPLINA 2 – Data science

        • Sobre a disciplina: Definição do conceito de ciência de dados. Discussão de dados e tomada de decisões. Definição de características de cientista de dados. Discussão da aplicação da ciência de dados. Exemplificação da aplicação da ciência de dados. Relacionamento entre business intelligence e ciência de dados. Reconhecimento de ferramentas usadas nos processos de ciência de dados. Explicação do uso de Phyton em ciência de dados. Descrição do uso de R em ciência de dados.

        • Abaixo você irá encontrar o conteúdo da disciplina dividido em Unidades de Aprendizagem (UAs)!

        • DISCIPLINA 3 – Aprendizado de máquina

          • Sobre a disciplina: Definição da área de aprendizagem e terminologia. Demonstração do processo de aprendizado de máquina. Identificação de tarefas do aprendizado de máquina. Definição de aprendizado de máquina. Descrição dos algoritmos de aprendizagem de máquina. Aplicações de aprendizagem de máquina. Reconhecimento dos tipos de aprendizado de máquina. Categorização de tarefas de aprendizado de máquina em relação aos tipos propostos. Diferenciação do processo de aprendizado de máquina de acordo com os tipos propostos.

          • Abaixo você irá encontrar o conteúdo da disciplina dividido em Unidades de Aprendizagem (UAs)!

          • Avaliações