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 – Inteligência competitiva, business intelligence e negócios

      • Sobre a disciplina: Reconhecimento do contexto do surgimento da inteligência competitiva (IC) nas organizações. Identificação das principais vantagens de adotar instrumentos de IC. Análise dos aspectos éticos da IC. Identificação de elementos constitutivos do processo de tomada de decisão. Ilustração do processo de tomada de decisão usando ferramentas de business intelligence (BI). Comparação dos processos de decisão tradicionais com os baseados em ferramentas analíticas. Explicação das ferramentas de análise de negócios a partir de dados. Demonstração de aplicação de ferramentas analíticas para análise de negócios. Análise da aplicação de ferramentas analíticas a partir de dados organizacionais.

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

      • DISCIPLINA 2 – Modelagem multidimensional de dados

        • Sobre a disciplina: Descrição da representação relacional de dados. Aplicação da representação multidimensional dos dados. Comparação de características da representação relacional e multidimensional. Descrição do modelo de dados multidimensional. Diferenciação de particularidades relacionadas às dimensões em cubos de dados. Caracterização das medidas em cubos de dados. Definição de Molap. Aplicação de Rolap. Explicação de Holap.

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

        • DISCIPLINA 3 – Arquitetura de data warehouse e data marts

          • Avaliações