%%NOME_CURSO%%

Estudo e a compreensão dos conceitos básicos e principais bibliotecas e comandos das linguagens Python, com ênfase no contexto de Data Science.

Estudo e a compreensão de princípios e práticas de Gestão e Governança de Dados no contexto de big data e ciência de dados. A trajetória também contempla o conhecimento de Modelos de Referência em Governança de Dados, e o uso de ferramentas que auxiliam na gestão e governança de dados.

Compreensão da evolução dos requisitos de gerenciamento de dados e dos modelos de bancos de dados. A trajetória também contempla o conhecimento acerca de bancos de dados em nuvem e suas categorias, bancos de dados em memória. Além disso, envolve a identificação de desafios na gerência de grandes volumes de dados: integração, armazenamento, análise de dados e suporte a tempo real.

Estudo e a compreensão sobre as melhores práticas na condução de projetos de ciência de dados, com foco na integração entre requisitos de negócios e cultura organizacional. A trajetória contempla, ainda a compreensão da importância estratégica de Provas de Conceito (POCs) e Mínimo Produto Viável (MVP) na validação de iniciativas de ciência de dados, utilizando métodos ágeis para garantir a entrega de valor e a aceitação dentro das organizações.

Estudo e a compreensão dos conceitos e aplicações de técnicas e aprendizado de máquina. A trajetória também contempla o conhecimento acerca de modelos de aprendizado, árvores de decisão, redes neurais e aprendizado por reforço.

Conceitos de segurança e privacidade em grandes volumes de dados, discutindo definições, ameaças, e mecanismos de defesa para proteção de dados armazenados e transmitidos. Será trabalhada a diferença entre segurança e privacidade e técnicas que impactam a privacidade. Será explorada segurança ofensiva, focando em testes de invasão para identificar vulnerabilidades. Por fim, são estudadas regulamentações como a LGPD e a GDPR.

Compreensão de modelos de computação em nuvem e tecnologias disponíveis no mercado. A trajetória contempla, ainda, o conhecimento acerca de Processamento Distribuído e da utilização eficiente dos recursos de processamento oferecidos por diferentes arquiteturas.

Estudo e a compreensão de fundamentos em tecnologias de armazenamento, integração, manutenção e tratamento de grandes volumes de dados no contexto de análise e ciência de dados. A trajetória contempla, ainda, o entendimento de abordagens arquiteturais conceituais e implementações práticas de fluxos de trabalho de integração e armazenamento de dados.

Estudo e a compreensão dos conceitos e aplicações de técnicas de deep learning. A trajetória também contempla o estudo e a identificação de redes densas, convolucionais e recorrentes.

Compreensão de conceitos básicos de apresentação de dados como narrativa (storytelling com dados) para cada público-alvo; e de conceitos e técnicas de visualização de dados. A trajetória também contempla o conhecimento do design e dos elementos de visualização, tipos e categorização de dados, tipos de gráficos em aplicações práticas, e a escolha e a manipulação das principais ferramentas de visualização.

Resolução prática e colaborativa de desafios reais em big data, engenharia de dados e ciência de dados, apresentados por empresas, órgãos públicos ou ONGs. Em um ambiente de "Data Challenge", será oportunizado aos alunos aplicarem seus conhecimentos para desenvolver soluções inovadoras. A experiência é enriquecida pela participação de convidados externos a cada edição.