Scribd Logo
Carregar

Bem-vindo(a) ao Scribd!

  • 31 visualizações

    Analytics e Business Intelligence

    Enviado por

    Júlio César
    Este documento descreve um curso de pós-graduação a distância em Analytics e Business Intelligence, com 15 disciplinas que abrangem tópicos como bancos de dados, modelagem de dados, visualização de dados, programação para ciência de dados, machine learning e governança de dados.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd

    Analytics e Business Intelligence

    Enviado por

    Júlio César
    31 visualizações4 páginas
    Este documento descreve um curso de pós-graduação a distância em Analytics e Business Intelligence, com 15 disciplinas que abrangem tópicos como bancos de dados, modelagem de dados, visualização de dados, programação para ciência de dados, machine learning e governança de dados.

    Direitos autorais

    © © All Rights Reserved

    Formatos disponíveis

    PDF, TXT ou leia online no Scribd

    Você considera este documento útil?

    Este conteúdo é inapropriado?

    Este documento descreve um curso de pós-graduação a distância em Analytics e Business Intelligence, com 15 disciplinas que abrangem tópicos como bancos de dados, modelagem de dados, visualização de dados, programação para ciência de dados, machine learning e governança de dados.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    31 visualizações4 páginas

    Analytics e Business Intelligence

    Enviado por

    Júlio César
    Este documento descreve um curso de pós-graduação a distância em Analytics e Business Intelligence, com 15 disciplinas que abrangem tópicos como bancos de dados, modelagem de dados, visualização de dados, programação para ciência de dados, machine learning e governança de dados.

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    Você está na página 1de 4

    Pós-Graduação a distância

    Analytics e Business Intelligence

    Disciplinas:

    1) Inteligência e performance corporativa


    2) Bancos de dados relacionais e não-relacionais
    3) Gestão de indicadores e resultados
    4) Modelagem de dados para Data Warehouse
    5) Visualização de dados
    6) Integração e fluxos de dados
    7) Estatística geral - teoria e aplicações
    8) Data Discovery e Analytics
    9) Introdução a linguagem python
    10) Gerenciamento ágil de projetos
    11) Programação para ciência de dados
    12) Governança de dados
    13) Recuperação da informação na web e redes sociais
    14) Machine Learning
    15) Cultura e práticas dataops e mlops

    EMENTAS:

    INTELIGÊNCIA E PERFORMANCE CORPORATIVA

    Modelagem de Negócios. Planejamento Estratégico. Inteligência Competitiva.


    Abordagens de Gestão: Balanced Scorecard (BSC), Objectives and Key Results (OKR).
    Implementação da Estratégia. Monitoramento da Estratégia. Fundamentos de
    Analytics e Business Intelligence.
    BANCOS DE DADOS RELACIONAIS E NÃO-RELACIONAIS

    Álgebra relacional. Modelo Relacional. SQL. Modelagem de dados. Modelagem


    dimensional. Bancos de Dados NoSQL: definição, motivação, modelo de transações.
    Modelos NoSQL. Propriedades Modelo Relacional x Propriedades Modelos NoSQL.
    Principais SGBD’s. Modelo Agregado de Dados; ACID vs BASE; Replicação de Dados;
    Teorema CAP, Tipos de Banco de Dados NoSQL e SGBDs Não Relacionais.

    GESTÃO DE INDICADORES E RESULTADOS

    Processo de tomada de decisão. Fundamentos de indicadores de desempenho:


    conceitos e classificação. Gestão de resultados. Indicadores corporativos: Indicadores
    Financeiros, Indicadores de Marketing tradicionais e de Marketing Digital, Indicadores
    da Gestão de Pessoas, Indicadores de Qualidade, Indicadores da Gestão de risco.
    Abordagens metodológicas para gestão de indicadores.

    MODELAGEM DE DADOS PARA DATA WAREHOUSE

    Modelo Dimensional: fatos, dimensões, medidas. Granularidade. Agregação.


    Principais tipos de Modelos. Principais operadores OLAP. Introdução ao processo ETL.
    Data lakes.

    INTEGRAÇÃO E FLUXOS DE DADOS

    Conceitos. Identificação de requisitos. ETL e ELT. Estrutura de dados ETL. Projeto e


    desenvolvimento de aplicação ETL. Plano de Teste. Operação. Ferramentas de ETL.
    Parametrização e configuração.

    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.
    VISUALIZAÇÃO DE DADOS

    Fundamentos de visualização de dados. Uso de cores. Tipos de dados. Técnicas de


    visualização para dados categóricos, séries temporais, distribuição, correlação, dados
    multivariados, dados geoespaciais, texto, grafos/redes, dados em alta dimensão.
    Dashboards. Data Storytelling.

    INTRODUÇÃO À LINGUAGEM PYTHON

    Introdução à computação. Tipos de dados. Estruturas de controle: condicional e


    repetição. Estruturas de dados: listas, tuplas, conjuntos e dicionários. Funções.

    DATA DISCOVERY E ANALYTICS

    Fundamentos da descoberta de dados. Fundamentos e requisitos de aplicações de


    suporte a decisão. Princípios de projeto, arquitetura e construção de aplicações
    OLAP. Análise, visualização e comunicação de dados. Ferramentas de Data Discovery
    e Self-Service Analytics.

    GERENCIAMENTO ÁGIL DE PROJETOS

    Introdução ao gerenciamento ágil de projetos. Abordagens ágeis. Boas práticas.


    Gerenciamento ágil com Scrum. Kanban. Convergência entre Agile e cultura DevOps.
    Ferramentas para gerenciamento ágil de projetos.

    PROGRAMAÇÃO PARA CIÊNCIA DE DADOS

    Fundamentos da Linguagem Python. Vetorização. Bibliotecas de manipulação


    visualização de dados.

    GOVERNANÇA DE DADOS
    Contexto organizacional de dados. Conceitos de Governança de Dados – GD.
    Framework DMBoK. Políticas, padrões e procedimentos aplicados aos dados. Processo
    de implantação de GD. Modelos de maturidade de dados. GD aplicada em leis de
    Proteção (LGPD-GDPR). GD 2.0: Ética nos dados, Agilidade em GD, Gerência de
    Mudanças. Aplicações dos conceitos de GD.

    MACHINE LEARNING

    Processo de aprendizagem de máquina. Tipos de dados. Técnicas e algoritmos de


    aprendizado supervisionado e não-supervisionado. Combinação de modelos. Métricas
    e avaliação de modelos.

    RECUPERAÇÃO DA INFORMAÇÃO NA WEB E REDES SOCIAIS

    Ferramentas de análise, monitorização e benchmark. 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.

    CULTURA E PRÁTICAS DATAOPS E MLOPS

    A cultura DataOps e MLOps. Infraestrutura como Código (IaC). Arquitetura de


    soluções de Machine Learning. Gestão e ciclo de vida da pipeline.

    Você também pode gostar