MBA em Engenharia de Dados

Introdução à Engenharia de Dados. Empresas orientadas à dados. Criando a cultura dos dados. Tomadas de decisões baseadas em dados. Privacidade, ética e riscos. Qualidade dos dados. O gerenciamento dos sistemas para armazenamento de dados. Dados estruturados e não-estruturados. Modelos de Dados. Valor agregado. Componentes. Escopo e visão. Normalização. Streaming. ETL. Bancos de Dados Relacionais (modelos e tecnologias). Business Inteligence (B.I.). Análise Dimensional e Data Warehouse. Mineração de Dados. Big Data (conceitos, técnicas e ferramentas). Armazenamento em Nuvem (conceitos e serviços). Armazenamento distribuído. Estudos de caso.

Histórico e principais fundamentos da linguagem SQL. A estrutura e sintaxe dos operadores, ordenações, funções
agregadas, junções, uniões e subconsultas. As principais cláusulas da linguagem SQL. A linguagem de manipulação de dados (DML). As aplicações práticas da linguagem SQL.

Introdução aos sistemas distribuídos: Exemplos, características, objetivos, conceitos de hardware e software,
desafios, tolerância a falhas. Gerenciadores de Cluster: Sistemas de Arquivos Distribuídos, Hadoop Distributed File
System, Amazon S3, Google Cloud Storage e Microsoft Azure. Ferramentas de Processamento Distribuído: Introdução ao Apache Hadoop e ao modelo MapReduce, Apache Spark, Apache Flink, Apache Sqoop, Apache ORC e Apache Hive.

Fundamentos de Data Systems: Confiabilidade e escalabilidade, carga de trabalho, complexidade dos dados,
disponibilidade e segurança, comparação entre modelos de dados e linguagens de consulta, escolhendo a melhor
tecnologia de armazenamento para diferentes cargas de dados, formatos de dados.Arquitetura Escalável:
Dimensionamento da arquitetura, monitorando a infraestrutura, segurança, cálculo de capacidade, disponibilidade e
desempenho, escalonamento vertical e horizontal, filas, técnica de Sharding. Projeto de Arquitetura de dados Escalável. Estudos de caso.

Modelagem de Dados com o Hadoop. Data Ingestion. Processamento de Dados. Padrões de Processamento com
Hadoop. Processamento de Grafos com Hadoop. Processamento em tempo real.

As técnicas de normalizações como forma de otimizar os bancos de dados. Utilização racional do índices. Os
mecanismos internos dos SGBS com foco na performance. Otimização (tunning) de acessos e de consultas. A criação de particionamentos. Fatores que podem influenciar a performance dos banco de dados. Utilização de práticas para
fundamentar os conceitos.

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.

Introdução à preparação de dados (Data Preparation). Manipulando dados desalinhados, inconsistentes e não
padronizados. Combinando dados de múltiplas fontes. Modelagem de dados. Camadas de dados (Data Layer). Data
Lake and Data Ponds. Normalização de Dados. Transformação e transferência de dados. Ferramentas para preparação de dados. Estudos de caso.

Stream Processing Applications. SPL. Composição de fluxo. Manipulação de fluxo. Modularidade. Extensibilidade.
Arquitetura de sistemas de stream processing. Padrões de Design.

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.

O conceito de inovação. Soluções inovadoras com Design Thinking. Processo do Design Thinking: inspiração, descoberta e insights; interpretação, análise e síntese. Ideação, experimentação e prototipação de soluções. Técnicas de implementação e evolução de soluções.

O conceito de inovação. Soluções inovadoras com Design Thinking: matriz CSD, Business Design Blueprint, Experiment Board, entre outras. Construção de Protótipos/MVP, métricas de validação. Avaliação de potencial de solução: redução de custo, aumento de produtividade, novos produtos/serviços, fortalecimento da marca, ganhos ambientais e sociais, etc.); Círculo Dourado e a Matriz de Stakeholders.

Arquiteturas de Aplicações para Dispositivos Móveis; Fundamentos de Big Data; Fundamentos de Bancos de Dados Relacionais; Fundamentos de Deep Learning; Fundamentos de Desenvolvimento Full Stack; Fundamentos de Engenharia de Dados; Fundamentos de UX; Fundamentos em Aprendizagem de Máquina; Fundamentos em Desenvolvimento Front End; Fundamentos em Gerenciamento de Projetos; Fundamentos em Inteligência de Negócios; Fundamentos em Marketing Digital; Fundamentos em Segurança da Informação; Gestão de Processos de Negócio; Governança em Tecnologia da Informação; Infraestrutura de TI e Computação em Nuvem; Métodos Ágeis em Engenharia de Software; Princípios e Práticas em Arquitetura de Software.

O aluno tomará contato com os objetivos do seu projeto aplicado, conhecimentos que serão estudados nas disciplinas e exercitados no projeto, bem como o fluxo de trabalho que será percorrido para o desenvolvimento do projeto. Neste fluxo, o aluno desenvolverá atividades essencialmente em duas frentes de trabalho: desenvolvimento do escopo do problema e proposição do escopo da solução; desenvolvimento do protótipo que implemente a solução proposta.

Após a primeira disciplina sobre Inovação, o aluno será convidado a refletir e propor o escopo do problema de seu projeto aplicado. Utilizando as abordagens aprendidas até aqui sobre Inovação e Design Thinking, o aluno apresentará a sua proposta de escopo de problema através de uma abordagem centrada nas necessidades humanas dos usuários e na definição do problema em termos destas necessidades. Esta proposta será avaliada por professores orientadores a partir de um conjunto de requisitos avaliativos que nortearão feedbacks escritos direcionados à melhoria do PA.

Nesta etapa o aluno tomará contato e desenvolverá a primeira parte de seu projeto aplicado, apoiado pelo trabalho de tutoria de seu orientador de conteúdo.Os enunciados da primeira parte detalha aquelas primeiras dimensões técnicas que precisam ser implementadas no seu protótipo, fornecendo orientações específicas sobre como implementá-las, a fim de se obter o escopo do PA. As dimensões técnicas que serão desenvolvidas pelo aluno têm o objetivo de estender, em complexidade, pontos centrais já exercitados pelo aluno em aulas interativas de laboratório e gamificação, em disciplinas específicas da primeira parte do curso.

Neste ponto faz-se necessário um encontro interativo por videoconferência entre o aluno e o seu orientador de conteúdo. O aluno terá a oportunidade de apresentar o que desenvolveu na primeira parte do seu projeto aplicado e expor os principais obstáculos enfrentados. O orientador, por sua vez, poderá avaliar o trabalho já realizado, esclarecer dúvidas e corrigir direções para o atingimento da meta final do PA.

Utilizando as abordagens aprendidas na segunda disciplina sobre Inovação e Design Thinking, o aluno deverá evoluir a sua proposta de escopo do problema para uma proposta de solução. Esta proposta será, em seguida, avaliada por professores orientadores, a partir de um conjunto de requisitos, e feedbacks serão fornecidos por escrito para que o aluno tenha a oportunidade de evoluir o seu modelo de negócio até a sua apresentação final.

Neste ponto o aluno desenvolverá a segunda parte de seu projeto aplicado, sempre apoiado pelo trabalho de tutoria de seu orientador de conteúdo. Serão detalhadas as dimensões técnicas seguintes que precisam ser implementadas no protótipo, fornecendo orientações específicas sobre como implementá-las. As dimensões técnicas que serão desenvolvidas estenderão, em complexidade, pontos centrais já exercitados pelo aluno em aulas interativas de laboratório e gamificação, em disciplinas específicas da segunda parte do curso.

Nesta etapa, o aluno terá a oportunidade de apresentar ao seu orientador o que desenvolveu na primeira e segunda parte do seu projeto aplicado. O orientador, por sua vez, avaliará o trabalho já realizado, esclarecerá dúvidas e fornecerá orientações essenciais ao aluno para a correção e evolução do PA.

O aluno desenvolverá a terceira parte de seu projeto aplicado, apoiado pelo trabalho de tutoria de seu orientador de conteúdo. Serão detalhadas as últimas dimensões técnicas a serem implementadas no protótipo, estendendo, em complexidade, pontos centrais já exercitados pelo aluno nas aulas interativas de laboratório e práticas de gamificação, em disciplinas específicas da última parte do curso.

Finalmente o aluno submeterá o projeto aplicado para que o seu orientador o aprove para apresentação final e aprovação por parte de uma banca avaliadora.