Big Data e Data Science | Unidade Joinville
Topo do site
Inscreva-se Cursos Formas de ingresso Bolsas e Financiamentos Telefone
Início do menu
Início do Conteúdo
Quero me inscrever Acesse o link de inscrição.

Proposta do Curso

O século XX presenciou uma revolução tecnológica nunca vista antes na história da humanidade. O aperfeiçoamento dos sistemas de produção, transporte e comunicação formaram a sociedade industrial. No começo do século XXI um novo paradigma começa a se formar e a sociedade industrial começa a abrir espaço para uma nova era, a sociedade da informação. O principal impulsionador desta transformação é a utilização da Tecnologia da Informação (TI).

A TI provocou mudanças em todas as esferas da sociedade: economia, sociologia, política ou cultura. Dois mundos passaram a conviver juntos: o real e o virtual. Lojas, indústrias, profissionais liberais e veículos de comunicação passaram a utilizar a TI como uma nova ferramenta de negócios.

Objetivos

O curso Big Data e Data Science tem por objetivo capacitar profissionais em Big Data e Data Science com metodologias, técnicas e ferramentas que auxiliem a manipulação dos dados na computação em nuvem com base nos princípios e metodologias atuais existentes no mercado.

Criar um espírito crítico no pós-graduando para que esse possa vislumbrar a viabilização ou mudança de processos de desenvolvimento de software, no que tange a utilização de novas tecnologias e análise dessa grande base de informações (Big Data) e o processo de armazenamento na nuvem.

Perfil do Egresso

O egresso do curso de Pós-Graduação Lato sensu em Big Data e Data Science tem como perfil um profissional capaz de criar soluções, individualmente ou em equipe, para problemas complexos relacionados aos domínios de conhecimento e de aplicação da área; que seja capaz de agir de forma reflexiva na construção de soluções em Big Data e Data Science, compreendendo o seu impacto direto ou indireto sobre as pessoas e a sociedade; entenda o contexto social no qual a construção de aplicações de big data e data science é praticada, bem como os efeitos dos projetos na sociedade; entender os aspectos econômicos e financeiros, associados a novos produtos e organizações; entender a importância da inovação e da criatividade e compreendam as perspectivas de negócios e oportunidades relevantes.

Cronograma

Semanal. Aulas às sextas-feiras, das 18h45 às 22h45 e sábados, das 8h às 12h.

Previsão de Início: 13/09/2019

Contato

0800 600 0005
WhatsApp (47) 99250-1230
catarina.keller@catolicasc.org.br

Investimento

Mensalidades 1+24x de R$ 730,00

Observações

Política de Bolsas:
Convênio com empresas: 15% - válido para colaboradores e seus dependentes de primeiro grau (filhos e cônjuges)
Egressos da Católica SC ou PUCPR: 15%
Obs.: Bolsas não cumulativas

Coordenador

mauricio
Mauricio Henning
Coordenador do Curso de Especialização
Disponível nesta unidade
Quero me inscrever Acesse o link de inscrição.

Disciplinas

Database Systems

Carga horária: 24 horas

Conteúdo:
DATE, Christopher J. Introdução a sistemas de bancos de dados. Rio de Janeiro: Elsevier, 2004.
HEUSER, Carlos Alberto. Projeto de banco de dados. 6. ed. Porto Alegre: Bookman, 2009-2010. 282 p. (Série Livros Didáticos Informática UFRGS). ISBN 9788577803828.
SILBERSCHATZ, Abraham; KORTH, Henry F; SUDARSHAN, S. Sistema de banco de dados. 3. ed. São Paulo: Makron Books, 1999-2008.

Data Science

Carga horária: 32 horas

Conteúdo:
Introdução a Data Science. Métodos de Modelagem dos Dados. Data storytelling. Tipos de análise de dados (descritiva, exploratória, preditiva). Ferramentas para análise de dados.

Machine Learning

Carga horária: 32 horas

Conteúdo:
Introdução a sistemas inteligentes. Sistemas Baseados em Conhecimento. Aprendizado Clássico, supervisionado e não supervisionado. Redes neurais: modelos supervisionados e não
supervisionados; Técnicas para clusterização de dados: K-médias, rede de Kohonen, modelo GNG. Lógica e Conjuntos Nebulosos, Sistema nebuloso, Inferencia Fuzzy: Regra Modus Ponen Generalizada, Sistema de Regras Fuzzy; Classificador Bayesiano: Probabilidades, Algoritmos
Genéticos. Teorema de Bayes, Introdução a Redes Bayesianas, Aprendizado por Reforço: Método TD, Q-Learning; HMM.

Big Data

Carga horária: 24 horas

Conteúdo:
Visão inicial sobre big data (4Vs), necessidades, fontes de dados: aquisição e coleta, dados estruturados e não-estruturados. Big Data na atualidade e no futuro. Hadoop. Apache Spark.

IoT

Carga horária: 32 horas

Conteúdo:
O que é Internet das Coisas? Conceitos, definições e visões. Arquiteturas dos sistemas. Cenários e aplicações: área industrial, planejamento urbano, cidades inteligentes, sistemas de transporte, sistemas logísticos, monitoramento interno e ambiental, sustentabilidade, gerenciamento inteligente, área de saúde, automação predial e residencial, sistemas elétricos, segurança, espaços inteligentes, agronegócio, etc. Plataformas de desenvolvimento e avaliação das soluções. Padrões e governança. Ética, privacidade e segurança.

Banco de Dados NoSQL

Carga horária: 24 horas

Conteúdo:
Definição; Motivação; Análise de sistemas NoSQL. Modelo de
Computação MapReduce: Definição; Motivação; MapReduce X SGBD Paralelo; Criação de aplicações com um arcabouço de software. Computação em Nuvens: Definição; Motivação; Nuvem x Grade x Agrupamento; Análise de plataformas para computação em nuvens existentes.

Sistemas Distribuídos e Computação Paralela

Carga horária: 24 horas

Conteúdo:
Introdução. Programação Paralela. Controle de Concorrência. Programação Distribuída. Comunicação entre Processos.

Data Mining

Carga horária: 32 horas

Conteúdo:
Definição de Mineração de Dados. Relação do processo de mineração de dados com descoberta de conhecimento. Fases de um processo de descoberta de conhecimento: obtenção e normalização de dados, limpeza de dados, seleção e transformação, mineração, avaliação do
conhecimento. Tarefas de mineração de dados: classificação e regressão. Modelos e algoritmos para mineração de dados métodos de inteligência computacional , árvores de decisão, métodos estatísticos.
Análise de associações. Agrupamentos. Extração de informações e síntese: algoritmos de classificação. Classificação supervisionada, não-supervisionada e algoritmos híbridos. Arvores de decisão e sua criação.
Algoritmos e técnicas de regressão. Interação entre técnicas de mineração de dados e outras técnicas computacionais.

Análise Preditiva

Carga horária: 32 horas

Conteúdo:
Dados, Informação e Conhecimento. Integração e Tratamento de Dados (ETL). Metodologia de Pesquisa para Análise de Dados. Técnicas e Ferramentas para Análise Multidimensional de Dados. Técnicas e Ferramentas para Análise de Dados.

Liderança e Gestão de Pessoas

Carga horária: 24 horas

Conteúdo:
Identificação e documentação de funções, responsabilidades e relações hierárquicas do projeto em relação às pessoas. Plano de gerenciamento de pessoal. Desenvolvimento de equipe de realização do projeto. Acompanhamento de desempenho. Feedback. Resolução de problemas. Métodos para melhoria de desempenho. Contratação. Habilidades Hard – Soft.

Arquitetura Corporativa

Carga horária: 24 horas

Conteúdo:
As diferentes visões de uma solução de TI. Catálogo de soluções, componentes e serviços. Frameworks TOGAF e Zachman.

Arquitetura de Soluções e Integração

Carga horária: 32 horas

Conteúdo:
Padrões corporativos. Arquitetura distribuída e Padrões de integração (Rest, Web Services e mensageria). Frameworks para persistência de informações. Gerenciamento de Processos.

Metodologia da Pesquisa

Carga horária: 24 horas

Conteúdo:
Estrutura do trabalho científico. Conceituação de conhecimento. Tipos de conhecimento. Ciência. Ciência e sociedade. Método científico. Conceituação de pesquisa. Tipos e métodos de pesquisa. Projeto de pesquisa. Relatório de pesquisa. Monografia.



< Voltar