Pós-Graduação EAD em Data Mining - 600 Horas

Conheça o conteúdo do curso Data Mining

Grade do curso

Introdução à Análise de Dados

  - Introdução à análise de dados
  - Inferência estatística
  - Aplicações de regressão linear simples
  - Classificação de dados com a linguagem R

Fundamentos de Big Data e Internet das Coisas

  - Big Data e Internet das Coisas (IoT)
  - Integrando Big data e IOT
  - Introdução à ciência de dados
  - Ciência de dados e Big Data

Data Mining I

  - Introdução a data mining
  - Aplicações de data mining
  - A descoberta de conhecimento em base de dados (KDD)
  - Seleção dos dados

Data Mining II

  - Pré-processamento de dados
  - Análise exploratória de dados
  - Ferramentas de KDD
  - Introdução ao WEKA

Data Mining III

  - Introdução à linguagem R e Rstudio
  - Tarefas de data mining
  - Classificação de dados
  - Aplicação da técnica de classificação de dados

Data Mining IV

  - Regras de associação
  - Aplicação da técnicas de associação
  - Agrupamento de dados
  - Aplicação da técnicas de agrupamento de dados

Graph Mining

  - Graph mining
  - Mineração de subgrafos
  - Classificação de grafos
  - Clustering de grafos

Cloud Computing

  - Evolução tecnológica e paradigmas que permitiram cloud computing
  - Fundamentos de virtualização de servidores
  - Fundamentos de computação em nuvem
  - Arquitetura e anatomia de cloud computing

Cloud Computing II

  - Nuvem pública
  - Nuvem privada
  - Nuvem híbrida
  - Nuvem comunitária

Cloud Computing III

  - IaaS (Infraestrutura como serviço)
  - PaaS (Plataforma como serviço)
  - SaaS (Software como serviço)
  - Aplicabilidade de cloud computing

Cloud Computing IV

  - Desenvolvimento em cloud computing
  - Avanços em armazenamento de dados com a computação em nuvem
  - A revolução da computação em nuvem nas infraestruturas de TI
  - Desafios da computação em nuvem

Fundamentos de Inteligência Artificial

  - Introdução à inteligência artificial
  - Testes de Turing
  - Estatística para Inteligência artificial
  - Probabilidade
*Data Mining* 600hrsbbbbbb*Módulo: Introdução à Análise de Dados*bbb  - Introdução à análise de dadosbbb  - Inferência estatísticabbb  - Aplicações de regressão linear simplesbbb  - Classificação de dados com a linguagem Rbbbbbb*Módulo: Fundamentos de Big Data e Internet das Coisas*bbb  - Big Data e Internet das Coisas (IoT)bbb  - Integrando Big data e IOTbbb  - Introdução à ciência de dadosbbb  - Ciência de dados e Big Databbbbbb*Módulo: Data Mining I*bbb  - Introdução a data miningbbb  - Aplicações de data miningbbb  - A descoberta de conhecimento em base de dados (KDD)bbb  - Seleção dos dadosbbbbbb*Módulo: Data Mining II*bbb  - Pré-processamento de dadosbbb  - Análise exploratória de dadosbbb  - Ferramentas de KDDbbb  - Introdução ao WEKAbbbbbb*Módulo: Data Mining III*bbb  - Introdução à linguagem R e Rstudiobbb  - Tarefas de data miningbbb  - Classificação de dadosbbb  - Aplicação da técnica de classificação de dadosbbbbbb*Módulo: Data Mining IV*bbb  - Regras de associaçãobbb  - Aplicação da técnicas de associaçãobbb  - Agrupamento de dadosbbb  - Aplicação da técnicas de agrupamento de dadosbbbbbb*Módulo: Graph Mining*bbb  - Graph miningbbb  - Mineração de subgrafosbbb  - Classificação de grafosbbb  - Clustering de grafosbbbbbb*Módulo: Cloud Computing*bbb  - Evolução tecnológica e paradigmas que permitiram cloud computingbbb  - Fundamentos de virtualização de servidoresbbb  - Fundamentos de computação em nuvembbb  - Arquitetura e anatomia de cloud computingbbbbbb*Módulo: Cloud Computing II*bbb  - Nuvem públicabbb  - Nuvem privadabbb  - Nuvem híbridabbb  - Nuvem comunitáriabbbbbb*Módulo: Cloud Computing III*bbb  - IaaS (Infraestrutura como serviço)bbb  - PaaS (Plataforma como serviço)bbb  - SaaS (Software como serviço)bbb  - Aplicabilidade de cloud computingbbbbbb*Módulo: Cloud Computing IV*bbb  - Desenvolvimento em cloud computingbbb  - Avanços em armazenamento de dados com a computação em nuvembbb  - A revolução da computação em nuvem nas infraestruturas de TIbbb  - Desafios da computação em nuvembbbbbb*Módulo: Fundamentos de Inteligência Artificial*bbb  - Introdução à inteligência artificialbbb  - Testes de Turingbbb  - Estatística para Inteligência artificialbbb  - Probabilidadebbb

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.