BOOTCAMP ARQUITETO(A) BIG DATA
BOOTCAMP ARQUITETO(A) BIG DATA
148h
Neste curso o aluno vai aprender a utilizar os principais frameworks do Big Data na coleta, armazenamento e tratamento de dados estruturados e não estruturados para construir soluções que empregam as mais modernas tecnologias em aplicações com grandes volumes de dados.
Aquecimento e Regras do jogo
Aquecimento e Regras do jogo
O IGTI - Instituto de Gestão em Tecnologia da Informação. Canais de Atendimento ao Aluno. Modelo de Ensino. Estrutura das disciplinas. Normas Acadêmicas. O Trabalho de Conclusão do Curso – TCC. Visão Geral do Ambiente de Ensino a Distância.
Fundamentos de Big Data
Fundamentos de Big Data
-Introdução ao Big Data;
-Definição e fundamentos do Big Data (data lake, data warehouse etc);
-Introdução aos frameworks e ferramentas do Big Data;
-Tecnologias para o Big Data;
-Fontes de dados para o Big Data;
-Empresas Data Driven;
-Capacitação e profissionais do Big Data.
Coleta e Obtenção de Dados
Coleta e Obtenção de Dados
-Inteligência Coletiva;
-Web Semântica;
-Ontologia;
-Buscas avançadas: pessoas, negócios e redes sociais;
-Coleta de dados na Web – Web Crawler (redes sociais, blogs e notícias);
-Ferramentas para coletas de dados;
-API’s de redes sociais.
Persistência em banco de dados NoSQL
Persistência em banco de dados NoSQL
-Introdução;
-Banco de dados relacionais;
-Limitações de Bancos de Dados Relacionais;
-Motivações para bancos NoSQL;
-Tipos de Bancos NoSQL;
-ACID x BASE;
-Key-value databases;
-Document databases;
-Column Family Databases;
-Graph Databases;
Processamento de dados utilizando o ecossistema hadoop
Processamento de dados utilizando o ecossistema hadoop
-Modelagem de Dados com o Hadoop;
-Data Ingestion;
-Componentes do ecossistema Hadoop;
-Processamento de Dados;
-Padrões de Processamento com Hadoop;
-Processamento de Grafos com Hadoop;
-Processamento em tempo real.
Desafio Final
Desafio Final
BOOTCAMP ANALISTA BIG DATA
BOOTCAMP ANALISTA BIG DATA
148h
Habilite-se para atuar no processamento e análise de grandes volumes de dados estruturados e não-estruturados através da utilização de frameworks do Big Data e técnicas de machine learning.
Fundamentos de estatística e aprendizado de máquina
Fundamentos de estatística e aprendizado de máquina
-Fundamentos de análise estatística de dados para o Big Data;
-Conceitos e aplicação de correlação entre variáveis;
-Conceitos e aplicação de regressão Linear univariada e multivariada;
-Conceitos e aplicação do controle Estatístico de Processos;
-Aplicações e conceitos de Séries Estatísticas;
-Aplicações da análise estatística de dados aplicadas ao Big Data;
-Análise prática da probabilidade de eventos de interesse.;
-Análise comparativa entre conjunto de dados;
-Aplicações e conceitos de Testes de hipóteses e testes A/B;
Desenvolvimento de Soluções Utilizando Spark
Desenvolvimento de Soluções Utilizando Spark
-Conceitos básicos sobre Spark;
-Dataframe;
-SparkSession;
-Transformações;
-Tipos de dados;
-Operações;
-Funções de Agregações;
-Fontes de Dados;
-RDDs;
-Estatística descritiva com Spark;
-Spark SQL;
-GraphX;
-MLlib e Streaming;
-Deploy;
-Spark x Hadoop.
Técnicas para o processamento do Big Data
Técnicas para o processamento do Big Data
-Processamento dinâmico de dados utilizando o Spark Streaming;
-Aplicações utilizando os ambientes Spark GraphX e MLlib
-Algoritmos de aprendizado de máquina para a preparação e processamento do Big Data;
-Aplicações utilizando o Spark MLlib;
-Ambientes Kafka e Amazon Kinesis;
-Integração entre ambientes e ferramentas para o processamento do Big Data;
-Conceitos de modelagem e teoria de grafos;
-Aplicações utilizando Neo4j;
Análise de Dados Utilizando Dashboards
Análise de Dados Utilizando Dashboards
-Introdução aos dashboards;
-Categorias dos dashboards;
-Estudos de gráficos para dashboards;
-Os erros mais comuns na construção de um dashboard;
-Os princípios visuais da Gestalt;
-Boas práticas de construção de dashboards;
-Principais metas para um dashboard visual;
-Desenvolvendo dashboards empresariais;
-Data storytelling.
Desafio Final
Desafio Final
Projeto Aplicado
Projeto Aplicado
148h
O Projeto Aplicado substitui o tradicional Trabalho de Conclusão de Curso.
Tudo o que é desenvolvido é prático, assim o aluno terá que propor soluções para um problema com alto grau de incerteza, a partir de uma abordagem focada na prototipação de soluções e ideias inovadoras.
Inovação e Design Thinking
Inovação e Design Thinking
Na etapa Inovação e Design Thinking o aluno irá aprender uma abordagem para resolver problemas, fomentar a criatividade e a inovação centrada no usuário.
Desafio e Solução
Desafio e Solução
Na etapa Desafio e Solução, o aluno terá oportunidade de planejar todo o seu projeto, aplicando as técnicas aprendidas em Inovação e Design Thinking juntamente com as ferramentas utilizadas pela metodologia ágil.
Sprints
Sprints
A construção da solução é realizada por Sprints, que são etapas determinadas em espaços específicos de tempo, em que um conjunto de atividades devem ser executadas. Ao final, será feita uma entrega relevante para o desenvolvimento da solução.
Em cada Sprint o aluno incrementará o seu Projeto Aplicado, apresentando as evidências do planejamento, da execução dos requisitos e da solução. Além disso, será possível validar as hipóteses e estratégias levantadas no início do projeto.
Apresentação à Banca
Apresentação à Banca
Esta é a última etapa do Projeto Aplicado, em que o aluno irá reunir a documentação acumulada ao longo das Sprints, consolidar os resultados e defender seu trabalho na forma de "pitch" para uma banca avaliadora.
