Pós-Graduação EAD em Ciência de Dados e Big Data Analytics - 600 Horas

Conheça o conteúdo do curso Ciência de Dados e Big Data Analytics

Grade do curso

Introdução a Ciência de Dados

  - Ciclo de vida de um processo de ciência de dados
  - Papéis dos envolvidos em projetos de Big Data e ciência dos dados
  - Técnicas utilizadas em ciência de dados e Big Data
  - Estatística descritiva para ciência de dados

Big Data: Uma Visão Geral

  - Introdução a Big Data
  - O ecossistema de Big Data
  - Ciência de dados e Big Data
  - Ferramentas utilizadas em ciência de dados e Big Data

Análise de Dados

  - A evolução dos sistemas de informação
  - Visualização e análise de dados
  - Métricas relevantes para a estratégia: indicador-chave de desempenho
  - Análise de Dados Utilizando Dashboards

Descoberta de Conhecimento

  - Descoberta de conhecimento com BIG DATA
  - Aplicações da ciência de Dados
  - Mineração de textos (Text mining)
  - Business Intelligence (BI)

Tecnologia para Big Data

  - Introdução a Hadoop
  - Arquiteturas de hardware/software de big data
  - Sharding
  - Stream de dados: definição e fontes

Frameworks para Big Data I

  - Frameworks de Big Data: uma visão geral
  - Overview de frameworks de stream de big data
  - Visualização de dados em big data
  - Frameworks de visualização de dados

Frameworks para Big Data II

  - Frameworks de visualização de dados de big data
  - Tipos de dados não estruturados e principais usos
  - Particionamento de dados
  - Frameworks de armazenamento semiestruturados

Frameworks para Big Data III

  - Frameworks de armazenamento não estruturados
  - Frameworks de armazenamento de dados de big data
  - Frameworks que utilizam sharding como forma de distribuição
  - Aplicações simples utilizando frameworks de big data

Bancos de Dados Não Relacionais

  - Escolha do banco de dados
  - Migrações de bases relacionais para bases NoSQL
  - Bancos de dados orientados a grafos (graph DBMS)
  - Motores de busca (search engines)

Big Data e IoT

  - IoT
  - Conceitos básicos sobre Internet das Coisas
  - Big Data e Internet das Coisas (IoT)
  - Integrando Big data e IOT

Ética e Legislação

  - Marco civil da internet
  - A legislação sobre a segurança da informação no mundo
  - A legislação sobre a segurança da informação no Brasil
  - Proteção de dados pessoais

Tópicos Especiais

  - Sistemas Especialistas
  - Sistemas ERP (Enterprise Resource Planning) - Sistema Integrado de Gestão
  - Sistema CRM (Customer Relationship Management)
  - Indústria 4.0
*Ciência de Dados e Big Data Analytics* 600hrsbbbbbb*Módulo: Introdução a Ciência de Dados*bbb  - Ciclo de vida de um processo de ciência de dadosbbb  - Papéis dos envolvidos em projetos de Big Data e ciência dos dadosbbb  - Técnicas utilizadas em ciência de dados e Big Databbb  - Estatística descritiva para ciência de dadosbbbbbb*Módulo: Big Data: Uma Visão Geral*bbb  - Introdução a Big Databbb  - O ecossistema de Big Databbb  - Ciência de dados e Big Databbb  - Ferramentas utilizadas em ciência de dados e Big Databbbbbb*Módulo: Análise de Dados*bbb  - A evolução dos sistemas de informaçãobbb  - Visualização e análise de dadosbbb  - Métricas relevantes para a estratégia: indicador-chave de desempenhobbb  - Análise de Dados Utilizando Dashboardsbbbbbb*Módulo: Descoberta de Conhecimento*bbb  - Descoberta de conhecimento com BIG DATAbbb  - Aplicações da ciência de Dadosbbb  - Mineração de textos (Text mining)bbb  - Business Intelligence (BI)bbbbbb*Módulo: Tecnologia para Big Data*bbb  - Introdução a Hadoopbbb  - Arquiteturas de hardware/software de big databbb  - Shardingbbb  - Stream de dados: definição e fontesbbbbbb*Módulo: Frameworks para Big Data I*bbb  - Frameworks de Big Data: uma visão geralbbb  - Overview de frameworks de stream de big databbb  - Visualização de dados em big databbb  - Frameworks de visualização de dadosbbbbbb*Módulo: Frameworks para Big Data II*bbb  - Frameworks de visualização de dados de big databbb  - Tipos de dados não estruturados e principais usosbbb  - Particionamento de dadosbbb  - Frameworks de armazenamento semiestruturadosbbbbbb*Módulo: Frameworks para Big Data III*bbb  - Frameworks de armazenamento não estruturadosbbb  - Frameworks de armazenamento de dados de big databbb  - Frameworks que utilizam sharding como forma de distribuiçãobbb  - Aplicações simples utilizando frameworks de big databbbbbb*Módulo: Bancos de Dados Não Relacionais*bbb  - Escolha do banco de dadosbbb  - Migrações de bases relacionais para bases NoSQLbbb  - Bancos de dados orientados a grafos (graph DBMS)bbb  - Motores de busca (search engines)bbbbbb*Módulo: Big Data e IoT*bbb  - IoTbbb  - Conceitos básicos sobre Internet das Coisasbbb  - Big Data e Internet das Coisas (IoT)bbb  - Integrando Big data e IOTbbbbbb*Módulo: Ética e Legislação*bbb  - Marco civil da internetbbb  - A legislação sobre a segurança da informação no mundobbb  - A legislação sobre a segurança da informação no Brasilbbb  - Proteção de dados pessoaisbbbbbb*Módulo: Tópicos Especiais*bbb  - Sistemas Especialistasbbb  - Sistemas ERP (Enterprise Resource Planning) - Sistema Integrado de Gestãobbb  - Sistema CRM (Customer Relationship Management)bbb  - Indústria 4.0bbb

Este curso de pós-graduação lato sensu é organizado em módulos, cada qual composto por unidades de aprendizagem. Uma unidade de aprendizagem é constituída por uma apresentação; um desafio para reflexão sobre o conteúdo; um infográfico; um capítulo de livro; uma dica do professor, que poderá ser uma videoaula; 1 quiz com 5 questões de múltipla escolha com o objetivo de promover melhor fixação de cada conteúdo; um caso de aplicação prática dos conteúdos; e, por fim, links para materiais complementares, que podem incluir textos e vídeos diversos.

O desafio e o quiz não possuem caráter avaliativo, ou seja, não comporão sua nota, tendo papel apenas de promover a reflexão sobre os temas e a fixação dos conteúdos.

Como avaliação, cada módulo contará com uma prova de 5 questões de múltipla escolha com 5 alternativas (A, B, C, D, E), que valerá 10 pontos, sendo necessário atingir a nota mínima 6 para aprovação. Caso o aluno não obtenha essa nota na primeira tentativa, uma nova chance é disponibilizada. Por fim, se ainda na segunda tentativa o aluno for reprovado, ele poderá realizar, ao término do curso, uma prova de recuperação sobre os temas abordados nos módulos em que tenha reprovado.

Em consonância com a Resolução N° 1 do Conselho Nacional de Educação/Câmara de Educação Superior, de 6 de abril de 2018, não há Trabalho de Conclusão de Curso na Pós-Graduação a Distância da Faculdade Metropolitana. Para tanto, buscando um formato mais voltado à profissionalização e atualização dos estudantes, você não terá que apresentar uma monografia para concluir seu curso. Caso você tenha interesse em realizar um Trabalho de Conclusão de Curso, será possível optar pela entrega.

Durante todo o curso, o aluno contará com apoio de um docente tutor, que poderá auxiliá-lo em todas as suas dúvidas, sejam elas relacionadas ao conteúdo ou à plataforma de estudo.

Em relação à duração do curso, o sistema liberará um módulo ao aluno a cada intervalo X de dias que será calculado automaticamente, de modo que a pós-graduação poderá ser concluída no período de 6 meses (curso intensivo) ou de 12 meses.

Destinado a profissionais que busquem conhecimentos na área de engenharia de software, gestores de TI e profissionais autônomos e liberais. A Pós-Graduação Lato Sensu tem por objetivo especializar o estudante na área de interesse. Observa-se que os cursos de pós-graduação não habilitam para o exercício profissional, mas sim os cursos de graduação.