Pós-Graduação EAD em Ciência de Dados e Big Data Analytics - 720 Horas

O curso de Pós-Graduação em Ciência de Dados e Big Data Analytics oferece uma formação aprofundada para quem deseja dominar as principais técnicas e ferramentas da análise de grandes volumes de dados. Por meio de uma abordagem prática e atualizada, o aluno desenvolverá habilidades para interpretar, processar e extrair insights estratégicos a partir de dados complexos, aplicando conceitos essenciais de estatística, mineração, frameworks e tecnologias emergentes. Esta especialização prepara profissionais para liderar projetos inovadores, conectando ciência de dados e Big Data à tomada de decisão orientada por evidências no ambiente corporativo e tecnológico.

O curso de Ciência de Dados e Big Data Analytics foi desenvolvido para formar profissionais capazes de compreender, estruturar e analisar grandes volumes de dados, transformando-os em informações estratégicas para a tomada de decisão em diferentes contextos organizacionais. Com abordagem interdisciplinar e foco na aplicação prática, o curso integra fundamentos teóricos da Ciência de Dados, estatística, computação e inteligência artificial, aliados a ferramentas tecnológicas de ponta utilizadas no mercado global de dados.

Conheça o conteúdo do curso Ciência de Dados e Big Data Analytics

Grade do curso

MÓDULO 1: BIG DATA: UMA VISÃO GERAL

  - Introdução ao Big Data e Ciência de Dados
  - O ecossistema de Big Data
  - Ferramentas utilizadas em Ciência de Dados e Big Data
  - A Inteligência Artificial e o Big Data aplicados ao cotidiano

MÓDULO 2: INTRODUÇÃO A CIÊNCIA DE DADOS

  - Ciclo de vida de um processo de Ciência de Dados
  - Papéis dos envolvidos em projetos de Big Data e ciência dos dados
  - Técnicas utilizadas em Ciência de Dados e Big Data
  - Estatística descritiva para Ciência de Dados

MÓDULO 3: ANÁLISE DE DADOS I

  - A evolução dos sistemas de informação
  - Visualização e análise de dados
  - Métricas relevantes para a estratégia: indicador-chave de desempenho
  - Análise de Dados Utilizando Dashboards

MÓDULO 4: ANÁLISE DE DADOS II

  - Padrões Frequentes
  - Modelos de Agrupamento e Modelos de Regressão
  - Descoberta de Tópicos em Texto
  - Redes Complexas de Ciência de Dados

MÓDULO 5: TECNOLOGIA PARA O BIG DATA I

  - Mineração de textos (Text mining)
  - Business Intelligence (BI)
  - Apache Hadoop
  - Arquiteturas de hardware/software de big data

MÓDULO 6: TECNOLOGIA PARA O BIG DATA II

  - Sharding
  - Stream de dados: definição e fontes
  - Frameworks de Big Data: uma visão geral
  - Frameworks de visualização de dados

MÓDULO 7: FRAMEWORKS PARA BIG DATA I

  - Tipos de dados não estruturados e principais usos
  - Particionamento de dados
  - Frameworks de armazenamento semiestruturados
  - Overview de frameworks de stream de big data

MÓDULO 8: FRAMEWORKS PARA BIG DATA II

  - Frameworks de armazenamento não estruturados
  - Frameworks de armazenamento de dados de big data
  - Frameworks que utilizam sharding como forma de distribuição
  - Aplicações simples utilizando frameworks de big data

MÓDULO 9: BANCOS DE DADOS NÃO RELACIONAIS

  - Escolha do banco de dados
  - Migrações de bases relacionais para bases NoSQL
  - Bancos de dados orientados a grafos (graph DBMS)
  - Motores de busca (search engines)

MÓDULO 10: BIG DATA E IOT

  - Fundamentos de Internet das Coisas
  - Machine Learning: principais conceitos e tendências
  - Algoritmos Evolutivos e Aplicações de IA
  - Integração da IA com Internet das Coisas (IoT)

MÓDULO 11: ÉTICA E LEGISLAÇÃO

  - Fundamentos da Lei Geral de Proteção de Dados (LGPD)
  - Direitos dos titulares dos dados
  - Incidentes de vazamento de dados e comunicação à ANPD
  - Relatório de Impacto à Proteção de Dados Pessoais (RIPD)

MÓDULO 12: TÓPICOS ESPECIAIS

  - Sistemas Especialistas
  - Sistemas ERP (Enterprise Resource Planning) - Sistema Integrado de Gestão
  - Sistema CRM (Customer Relationship Management)
  - Indústria 4.0
*Ciência de Dados e Big Data Analytics* 720hrsbbbbbb*Módulo: MÓDULO 1: BIG DATA: UMA VISÃO GERAL*bbb  - Introdução ao Big Data e Ciência de Dadosbbb  - O ecossistema de Big Databbb  - Ferramentas utilizadas em Ciência de Dados e Big Databbb  - A Inteligência Artificial e o Big Data aplicados ao cotidianobbbbbb*Módulo: MÓDULO 2: INTRODUÇÃO A CIÊNCIA DE DADOS*bbb  - Ciclo de vida de um processo de Ciência de Dadosbbb  - Papéis dos envolvidos em projetos de Big Data e ciência dos dadosbbb  - Técnicas utilizadas em Ciência de Dados e Big Databbb  - Estatística descritiva para Ciência de Dadosbbbbbb*Módulo: MÓDULO 3: ANÁLISE DE DADOS I*bbb  - A evolução dos sistemas de informaçãobbb  - Visualização e análise de dadosbbb  - Métricas relevantes para a estratégia: indicador-chave de desempenhobbb  - Análise de Dados Utilizando Dashboardsbbbbbb*Módulo: MÓDULO 4: ANÁLISE DE DADOS II*bbb  - Padrões Frequentesbbb  - Modelos de Agrupamento e Modelos de Regressãobbb  - Descoberta de Tópicos em Textobbb  - Redes Complexas de Ciência de Dadosbbbbbb*Módulo: MÓDULO 5: TECNOLOGIA PARA O BIG DATA I*bbb  - Mineração de textos (Text mining)bbb  - Business Intelligence (BI)bbb  - Apache Hadoopbbb  - Arquiteturas de hardware/software de big databbbbbb*Módulo: MÓDULO 6: TECNOLOGIA PARA O BIG DATA II*bbb  - Shardingbbb  - Stream de dados: definição e fontesbbb  - Frameworks de Big Data: uma visão geralbbb  - Frameworks de visualização de dadosbbbbbb*Módulo: MÓDULO 7: FRAMEWORKS PARA BIG DATA I*bbb  - Tipos de dados não estruturados e principais usosbbb  - Particionamento de dadosbbb  - Frameworks de armazenamento semiestruturadosbbb  - Overview de frameworks de stream de big databbbbbb*Módulo: MÓDULO 8: FRAMEWORKS PARA BIG DATA II*bbb  - Frameworks de armazenamento não estruturadosbbb  - Frameworks de armazenamento de dados de big databbb  - Frameworks que utilizam sharding como forma de distribuiçãobbb  - Aplicações simples utilizando frameworks de big databbbbbb*Módulo: MÓDULO 9: BANCOS DE DADOS NÃO RELACIONAIS*bbb  - Escolha do banco de dadosbbb  - Migrações de bases relacionais para bases NoSQLbbb  - Bancos de dados orientados a grafos (graph DBMS)bbb  - Motores de busca (search engines)bbbbbb*Módulo: MÓDULO 10: BIG DATA E IOT*bbb  - Fundamentos de Internet das Coisasbbb  - Machine Learning: principais conceitos e tendênciasbbb  - Algoritmos Evolutivos e Aplicações de IAbbb  - Integração da IA com Internet das Coisas (IoT)bbbbbb*Módulo: MÓDULO 11: ÉTICA E LEGISLAÇÃO*bbb  - Fundamentos da Lei Geral de Proteção de Dados (LGPD)bbb  - Direitos dos titulares dos dadosbbb  - Incidentes de vazamento de dados e comunicação à ANPDbbb  - Relatório de Impacto à Proteção de Dados Pessoais (RIPD)bbbbbb*Módulo: MÓDULO 12: TÓPICOS ESPECIAIS*bbb  - Sistemas Especialistasbbb  - Sistemas ERP (Enterprise Resource Planning) - Sistema Integrado de Gestãobbb  - Sistema CRM (Customer Relationship Management)bbb  - Indústria 4.0bbb

Cada unidade de aprendizagem é composta por uma apresentação; um capítulo de livro; uma dica do professor, que poderá ser uma videoaula; 1 quiz com 5 questões de múltipla escolha com o objetivo de promover melhor fixação de cada conteúdo, links e materiais complementares. Observa-se que o quiz não possui caráter avaliativo, ou seja, não irão compor a sua nota para a certificação. Como avaliação, cada módulo contará com uma prova de 5 questões de múltipla escolha com 5 alternativas de múltipla escolha, que valerá 10 pontos, sendo necessário atingir a nota mínima 6 para aprovação. Caso o aluno não obtenha essa nota na primeira tentativa, uma nova chance é disponibilizada. Por fim, se ainda na segunda tentativa o aluno for reprovado, ele poderá realizar uma nova tentativa mediante ao pagamento de uma taxa.

Profissionais das áreas de tecnologia da informação, engenharia, estatística, administração, marketing, economia e demais campos que demandam o uso estratégico de dados para inovação, otimização de processos e suporte à decisão gerencial.