Matriz Curricular
Conteúdo
2000 horas/aula
1º Ano
2026
A disciplina Modern Data Architecture & Engineering oferece uma abordagem prática sobre as arquiteturas modernas de dados, essenciais para suportar grandes volumes e processamento de dados em tempo real. O curso explora Big Data, computação distribuída e a integração de data lakes, data warehouses e processamento em tempo real utilizando tecnologias como Hadoop, Apache Spark, e NoSQL. Os alunos aprenderão a construir data pipelines, orquestrar dados e aplicar streaming com ferramentas de integração como Apache Kafka e ELK Stack. Serão abordadas estratégias de governança e segurança em Big Data, além de plataformas em nuvem como Google Cloud e AWS, utilizando Redshift, BigQuery e Snowflake. O curso se aprofunda na arquitetura de Data Lakes em ambientes nuvem e híbridos, preparando os alunos para projetar soluções escaláveis, seguras e eficientes.
A disciplina Data Architecture, Analytics & NoSQL Solutions oferece uma abordagem prática e teórica sobre a arquitetura de dados, com foco no armazenamento, distribuição e análise de grandes volumes de dados. O curso explora sistemas de armazenamento, virtualização e a comunicação entre componentes de diferentes ambientes, incluindo on-premise, virtualizado e nuvem. Os alunos aprenderão os fundamentos de sistemas operacionais, como Linux, e como utilizá-los em ambientes de infraestrutura de dados. A disciplina se aprofunda no funcionamento e gestão de bancos de dados relacionais, como o Oracle, e NoSQL (MongoDB, Cassandra, Redis, Neo4J), abordando suas aplicações específicas para dados não estruturados e escalabilidade. Além disso, o curso aborda plataformas de computação em nuvem como Oracle Cloud, Google Cloud e AWS, destacando as principais soluções de gerenciamento de dados em nuvem. Os alunos também aprenderão sobre a utilização de ferramentas como Elasticsearch, Logstash e Kibana (ELK) para processamento e visualização de grandes volumes de dados em tempo real.
A disciplina Smart SQL & Relational Database prepara os alunos para o desenvolvimento e gerenciamento de bancos de dados relacionais, utilizando SQL para manipulação e análise de dados. O curso abrange fundamentos de bancos de dados, incluindo modelagem relacional e normalização de dados para garantir integridade e eficiência. Os alunos aprenderão a criar, manipular e otimizar consultas SQL, utilizando técnicas como junções (JOINs), subconsultas, funções agregadas e agrupamentos. A disciplina inclui o uso de inteligência artificial para conversão de linguagem natural em SQL, proporcionando uma experiência mais intuitiva na construção de consultas. Com ênfase em boas práticas e projetos práticos com dados reais, os alunos estarão preparados para desenvolver soluções de análise de dados, aplicar consultas eficientes e integrar ferramentas avançadas em ambientes profissionais de Data Science e Business Intelligence.
A disciplina Data Ethics, Governance & Security in the AI Age visa capacitar os alunos a entenderem os fundamentos da governança e segurança de dados no contexto da transformação digital e da Inteligência Artificial (IA). O curso aborda as melhores práticas para garantir a qualidade e integridade dos dados, além de proteger as informações sensíveis em um ambiente corporativo. Os alunos aprenderão a implementar soluções de governança de dados alinhadas com os objetivos de negócios, respeitando as regulamentações vigentes, como a LGPD e a GDPR. Serão explorados temas como: ética no uso de dados, segurança cibernética, privacidade e conformidade regulatória, com foco na proteção e uso responsável dos dados em projetos de IA. Ao final, os alunos estarão preparados para aplicar as práticas de governança, segurança e privacidade de dados em organizações, com uma compreensão crítica dos desafios e impactos éticos e legais envolvidos.
A disciplina Statistical Methods for Data Science & Machine Learning aborda conceitos fundamentais de estatística e probabilidade, essenciais para a prática de Data Science. O curso explora o uso de Python e suas principais bibliotecas, como Pandas, Numpy e Matplotlib, para realizar análises de dados e construir modelos de Machine Learning. Os alunos aprenderão a aplicar estatísticas descritivas, análise de correlação, e testes de hipóteses para explorar e interpretar dados. O curso também cobre tópicos de limpeza e normalização de dados, além de introduzir técnicas de mineração de textos e análise de imagens. A disciplina combina teoria e prática, utilizando Python para implementar soluções e consolidar o aprendizado de estatísticas e machine learning em contextos reais de dados.
A disciplina Building Data-Driven Applications for Data Science tem como objetivo capacitar os alunos a desenvolver soluções práticas para análise e visualização de dados, utilizando Python e PL/SQL. O curso aborda desde os fundamentos da lógica de programação, pensamento computacional, até a construção de aplicações interativas. Os alunos aprenderão a trabalhar com estruturas de decisão, coleções, repetições e automação em Python, além de como persistir dados e criar dashboards interativos usando ferramentas como Streamlit e Looker Studio. Também será explorada a integração com APIs e web scraping, permitindo o consumo e a publicação de dados de fontes externas. Na parte de PL/SQL, o foco estará na resolução de problemas algorítmicos e no desenvolvimento de soluções em banco de dados, utilizando estruturas de controle, collections, cursors, stored procedures, functions e triggers. Os alunos aplicarão conceitos avançados de manipulação de dados e tratamento de exceções no Oracle, além de aprender a criar soluções escaláveis e eficientes para diferentes tipos de dados.
Construção de soluções que envolvam sustentabilidade e explorem a gestão no respeito e convivência com as diferenças sociais e culturais.
Mais de 100 opções de Nano Courses on-line para você escolher, todos com Certificados. E nas áreas de: Business, Tech, Development, Security, Data Science, Marketing, Innovation e Design.
2º Ano
2027
A disciplina Data Protection & Ingestion Solutions prepara os alunos para garantir a proteção e alta disponibilidade dos dados, com foco em estratégias de backup e recuperação de bancos de dados. O curso aborda técnicas de backup (cold, hot e incremental) e estratégias de disaster recovery (DRP), além de explorar soluções de backup na nuvem utilizando OCI. Os alunos aprenderão a implementar replicação de banco de dados, CDC e outras ferramentas para garantir a continuidade dos negócios. Além disso, serão explorados os conceitos de ingestão de dados, abordando ETL com Hadoop (SQOOP) e ferramentas de streaming como Flume e NiFi. A disciplina inclui técnicas de armazenamento escalável de dados e a construção de data pipelines, preparando os alunos para projetar soluções eficientes para grandes volumes de dados.
A disciplina Artificial Intelligence & Deep Learning Applications proporciona uma compreensão profunda dos conceitos e técnicas essenciais de Inteligência Artificial (IA) e Deep Learning. O curso abrange desde os fundamentos da modelagem de dados até o desenvolvimento de redes neurais artificiais e redes neurais multicamadas. Os alunos aprenderão a implementar pipelines de Deep Learning, além de explorar arquiteturas avançadas como Redes Neurais Convolucionais (CNNs) e Redes Neurais Recorrentes (LSTMs), com práticas em visão computacional, como detecção e reconhecimento de objetos e OCR (Reconhecimento Óptico de Caracteres). A disciplina também aborda a análise de sentimentos, sintetização de voz, reconhecimento de comandos de voz e o uso de IA generativa, com ênfase no ChatGPT. O curso integra aprendizado por reforço em cenários práticos e termina com um case real, permitindo que os alunos apliquem suas habilidades de IA e Deep Learning a problemas do mundo real.
Esta disciplina oferece uma abordagem prática de Business Intelligence (BI), análise de dados e visualização de informações, com ênfase em como a Inteligência Artificial (IA) pode ser integrada para melhorar a análise de dados e a tomada de decisões. Os alunos aprenderão a aplicar Data Storytelling, criando narrativas visuais que facilitam a comunicação de insights complexos. O curso cobre Self-Service BI, técnicas avançadas de visualização, e como usar ferramentas como Tableau e Power BI para desenvolver dashboards interativos e explorar dados em tempo real. A disciplina integra técnicas de IA para automatizar processos analíticos e gerar previsões inteligentes, como algoritmos de recomendação, análise preditiva e análise de sentimentos. O curso também explora como a IA pode ser aplicada para personalizar as visualizações de dados, tornando-as mais eficazes para tomada de decisão estratégica. Ao final, os alunos aplicarão as técnicas aprendidas para resolver problemas do mundo real, integrando visualização de dados e análises baseadas em IA para proporcionar insights valiosos e inovadores.
A disciplina Applied Machine Learning & Artificial Intelligence for Data Science prepara os alunos para aplicar técnicas de Machine Learning e Inteligência Artificial em problemas práticos de dados. O curso abrange desde a análise descritiva de dados com Python até a implementação de modelos supervisionados e não supervisionados, como regressão linear, árvores de decisão, Random Forest, SVM, e PageRank. Enfatizam-se técnicas de IA para modelagem preditiva, utilizando algoritmos clássicos de IA, como Árvores de Decisão, K-Nearest Neighbors (KNN) e algoritmos de otimização. Também é explorado o uso de Processamento de Linguagem Natural (NLP) e análise de sentimentos, aplicando IA a dados de texto. Tópicos como validação de modelos, métricas de avaliação e técnicas de ensemble (Adaboost, XGBoost) são abordados para melhorar o desempenho e a robustez dos modelos preditivos. A disciplina inclui análise de séries temporais, análise multivariada e técnicas de amostragem, preparando os alunos para trabalhar com dados reais, treinar modelos eficazes e avaliar seus resultados de forma sólida e prática.
A disciplina Cloud Solutions & Scalable Infrastructure oferece uma visão abrangente sobre arquiteturas de nuvem e infraestruturas serverless, capacitando os alunos a projetar e implementar soluções escaláveis e seguras. O curso apresenta os principais provedores de nuvem como AWS, Microsoft Azure, Google Cloud e Oracle Cloud Infrastructure (OCI), destacando seus modelos de implementação e arquiteturas de rede. Além disso, os alunos aprenderão a aplicar conceitos essenciais de segurança na nuvem, como o modelo de Least Privilege e autenticação de dois fatores. A disciplina explora tecnologias emergentes, como containers (Docker), Kubernetes, e serverless computing, com ênfase em multicloud e Big Data as a Service (BDaaS). Por meio de hands-on práticos, os alunos utilizarão diferentes modelos de serviço (IaaS, PaaS, SaaS) e explorarão a automação e a produtividade com Command Line Interface (CLI). O curso também aborda a ingestão de dados e o monitoramento de saúde (Health Checks) em ambientes de nuvem, preparando os alunos para implementar e gerenciar soluções de dados escaláveis e eficientes em ambientes de cloud computing.
A disciplina Data Warehousing & Advanced Data Integration prepara os alunos para projetar e implementar modelos dimensionais eficientes, como Star Schema e Snowflake, essenciais para a organização de grandes volumes de dados em ambientes de Business Intelligence (BI). O curso explora as arquiteturas de data warehousing e as melhores práticas para garantir a integridade e a acessibilidade dos dados. Os alunos aprenderão a criar modelos dimensionais, trabalhar com dimensões e fatos, e aplicar técnicas avançadas, como SCD, junk dimensions e bridge tables. Além disso, o curso aborda o processo de ETL (Extract, Transform, Load), utilizando a ferramenta Azure ADF para importar dados de diversas fontes, como TXT, CSV, Excel, Oracle e Azure SQL. Os alunos desenvolverão pipelines de dados, transformando e carregando informações para Data Warehouses, permitindo análises precisas e de alto desempenho.
Mais de 100 opções de Nano Courses on-line para você escolher, todos com Certificados. E nas áreas de: Business, Tech, Development, Security, Data Science, Marketing, Innovation e Design.
