No 1º semestre, os alunos desenvolvem soft skills e inteligência emocional. Aprendem a modelagem de banco de dados, matemática aplicada, linguagem de programação com Python e lógica de programação para resolução de problemas.

• Fundamentos de Banco de Dados
  • • Gerenciador de Banco de Dados
    • Modelagem Conceitual
    • Modelo Entidade Relacionamento
    • Modelo Relacional
    • Normalização
• Linguagem de Programação
  • • Introdução e Conceitos de Programação 
    • Ambientes de Programação
    • Elementos da Linguagem Python 
    • Práticas de programação em Python
    • Laboratório de Programação
• Lógica de Programação
  • • Lógica e raciocínio para resolução de problemas 
    • Lógica de programação 
    • Modelagem de problemas utilizando Estruturas de Dados
    • Desenvolvimento de algoritmos através de divisão modular e refinamentos sucessivos.
    • Funções e Refactoring Programming
• Matemática Aplicada
  • • Teoria de Conjuntos
    • Relações e Funções
    • Lógica Proposicional
    • Lógica de Predicados
    • Estatística Descritiva
• Soft Skills
  • • Pensamento crítico 
    • Flexibilização: sobrevivência em mercado dinâmico
    • Inteligência emocional
    • Trabalho em grupos interdisciplinares 
    • Sucesso em processos seletivos

No 2º semestre, os alunos exploram ambientes operacionais em nuvem, análise e engenharia de dados, linguagem SQL e web data applications. Aprendem sobre segurança na nuvem, estatística descritiva, bancos de dados relacionais e NoSQL, criação de APIs REST e coleta de dados. Desenvolvem habilidades em análise, armazenamento e visualização de dados, além de programação SQL e web scraping.

• Ambientes Operacionais
  • • Visão geral dos conceitos de nuvem
    • Economia e faturamento da nuvem
    • Visão geral da infraestrutura global e regional do ambiente de nuvem
    • Segurança na nuvem e da nuvem
    • Redes e entrega de conteúdo
• Análise Exploratória de Dados
  • • Análise de dados
    • Estatística descritiva (caracterização de universos e amostras de dados)
    • Organização, sumarização e descrição de conjuntos de dados
    • Gráficos para as análises de dados 
    • Interpretação visual de dados e comunicação de padrões
• Engenharia de Dados
  • • Engenharia de dados, Arquitetura de dados 
    • Banco de dados Relacionais e NoSQL
    • Recursos de armazenamento de dados e visualização de dados na AWS
    • Pipeline de dados
    • Desenvolvimento em Pyspark
• Linguagem SQL
  • • Criação de Banco de Dados
    • Linguagem SQL
    • Funções e procedimentos
    • Restrições estruturais e funcionais
    • Geração de Relatórios
• Web Data Applications
  • • Fundamentos de Arquitetura de Sistema
    • Aplicações Web para Dados, disposição de dados
    • Aplicações de persistência de dados da Web
    • Criando API de dados com REST
    • Coletor de dados da web (Web Scraping)

No 3º semestre, os alunos exploram DataOps na AWS, aprendem sobre serviços de data analytics na AWS, implementação de OLAP, construção de data warehouse, metodologia CRISP-DM, programação Transact SQL, estruturas de dados como listas, pilhas, filas, mapas, árvores e grafos. Desenvolvem habilidades em ETL, análise preditiva, criação de objetos programáveis e algoritmos de busca e ordenação. 

• Ambiente de Dados e Operação - DataOps
  • • Serviços da AWS para data analytics
    • DevOps: definição de DevOps, aplicações, testes automatizados, infraestrutura como um código (IaC)
    • Armazenamento de dados e Coleta/Ingestão de dados na AWS
    • ETL, processamento e análise de dados na AWS
    • Visualização na AWS
    • Pipeline de dados
• Business Intelligence
  • • Caracterização de Sistemas de Business Intelligence
    • Implementação de OLAP (para DW): MOLAP, ROLAP e HOLAP
    • Desenvolvimento de Data Warehouse utilizando modelo dimensional
    • ETL - Extração, Transformação e Carga de Dados no DW
    • Projeto de construção Data Mart e Cubo OLAP
• Data Analytics
  • • Metodologia CRISP-DM
    • Mineração de regras de associação
    • Tarefas de agrupamento
    • Projeções Multidimensionais
    • Análise preditiva
• Database Development
  • • Introdução a Programação Transact SQL
    • Controles e Desvios de Fluxo
    • Utilização de Funções Embutidas
    • Operações em Conjuntos de Dados
    • Estruturas Programáveis e criação de Objetos Programáveis
• Estrutura de Dados
  • • Tipo de dado e Tipos abstratos de dados
    • Recursividade com revisão de listas lineares; Arrays associativos
    • Métodos recursivos de busca e ordenação
    • O TAD Lista, pilha e fila: operações principais e desempenho dos algoritmos
    • O TAD Mapas, Árvores e Grafo: operações principais e desempenho dos algoritmos

No 4º semestre, os alunos exploram os seguintes temas: 

- Big Data com arquiteturas, fornecedores e processamento de dados; 
- Data Project com metodologias de desenvolvimento em Data Science e aplicação de algoritmos; 
- Data Science com uso de Amazon Sagemaker, TensorFlow e implementação de redes neurais;
- Data Storytelling com técnicas de apresentação e visualização em grafos;
- Database Administration com arquitetura de banco de dados, backup, auditoria, transações e controle de concorrência.

• Big Data
  • • Principais arquiteturas de Big Data
    • Fornecedores de software e serviços: Apache; Google; Microsoft; Amazon; Oracle; Cloudera (Hortonworks)
    • Processamento e Armazenamento: Instruções & Dados; Hadoop MapReduce; Sistema de Arquivos Distribuído: HDFS; Data lake
    • Ingestão e Transferência de Dados: Como obter dados de diversas origens. Orquestração: Azure Data Factory; Nifi. Sqoop (origens relacionais)
    • Framework de Programação para Big Data Spark (Python, Scala, R, Java)
• Data Project: Discovery e Preparation
  • • Metodologias de desenvolvimento de projetos em Data Science
    • Cases e aplicações práticas de projetos
    • Aplicação dos algoritmos de aprendizagem supervisionado e não supervisionado
    • Desenvolvimento completo de projetos de Data Mining
    • Apresentação do andamento e os resultados obtidos em um projeto
• Data Science
  • • Amazon Sagemaker e implantação do modelo de perceptron com Sagemaker
    • TensorFlow e implementação de um perceptron com TensoFlow e SageMaker
    • Multilayer perceptron (MLP) e case de implementação com TensorFlow
    • Deep Learning 
    • Rede Neural Recorrente (RNN) e Redes Neurais Convolucionais (CNN)
• Data Storytelling
  • • Contexto e Arquitetura
    • Interatividade e Dashboards
    • Data Storytelling
    • Técnicas de apresentação
    • Visualização em Grafos
• Database Administration
  • • Arquitetura de banco de dados
    • Backup / Restore
    • Auditoria de processos e recursos
    • Transações / Sessões (controle de conexões)
    • Isolamento de processos / Controle de concorrência

No 5º semestre, os alunos exploram temas como:

- IA com aplicações e algoritmos genéticos;
- Projetos de Data Science com metodologias e implementação de algoritmos;
- Segurança de Banco de Dados com criptografia e controle de acesso;
- Governança de Dados com qualidade e gerenciamento;
- Bancos de Dados noSQL, incluindo MongoDB, Cassandra e Neo4J.

• Artificial Intelligence
  • • Aplicações e perspectivas de Inteligência Artificial
    • Métodos de busca
    • Representação do conhecimento
    • Algoritmos genéticos e utilização de Algoritmos Genéticos com Redes neurais
    • Processamento de Linguagem Natural - PLN
• Data Project: Modeling e Implementation
  • • Metodologias de desenvolvimento de projetos em Data Science
    • Cases e aplicações práticas de projetos
    • Aplicação dos algoritmos de aprendizagem supervisionado e não supervisionado
    • Desenvolvimento completo de projetos de Data Mining
    • Apresentação do andamento e os resultados obtidos em um projeto
• Database Security
  • • Criptografia
    • Ameaças, ataques e técnicas de prevenção ao banco de dados
    • Autenticação e controle de acesso
    • Auditoria de processos e recursos 
    • Introdução à alta disponibilidade
• Governança de Dados
  • • A importância da qualidade de dados nas organizações e gestão de dados
    • Contexto atual: dados de inteligência artificial, analytics e aprendizado computacional
    • Gestão de dados: DAMA DMBOK e seus corpos de conhecimento
    • Qualidade de dados
    • Gerenciamento de dados mestre
• noSQL Databases
  • • Banco de Dados Não Relacional
    • Bancos de Dados: MongoDB. Mongoose, Cassandra, Neo4J
    • Gerenciamento de Banco de Dados e Collections
    • Gerenciamento de Banco de Dados Orientados a Grafos
    • Gerenciamento de Banco de Dados Orientados a Documentos