Engenharia de Dados & Big Data - EAD - Síncrono/ao Vivo - pecepoli

PRÉ INSCRIÇÃO - Especialização
Engenharia de Dados & Big Data – EAD – Síncrono/ao Vivo

Pacman


Dúvidas?
Para maiores informações, por favor, entrar em contato com a nossa Central de Apoio ao Aluno:
Atendimento online: de segunda-feira à sexta-feira, das 08h30 às 20h00.
E-mail: atendimento@pecepoli.com.br

Especialização

Engenharia de Dados & Big Data – EAD – Síncrono/ao Vivo

Engenharia de Dados, Big Data, Analytics, Data Science, Machine Learning, Governança de Dados, Data lake, DW, BI, ingestão de dados, mineração de dados, arquitetura de Big Data, blockchain

• Carga Horária Total
477h
• Duração
22 meses
• 3ª, 4ª e 5ª - feiras
19h00 - 22h00
• Turma
2022
• Início das aulas
27/04/2022

Conteúdo

Estrutura curricular

A carga horária conjunta das duas atividades será de 477 horas aula, composta por 405 horas de disciplinas e 72 horas de atribuídas à monografia. A duração total prevista do curso é de 22 meses.

Em todos os casos as regras ficam sujeitas às diretrizes da Universidade de São Paulo para cursos de especialização que estejam válidas à época.

As disciplinas serão distribuídas de acordo com a seguinte programação:

Critério geral de aprovação e obtenção do certificado
Para ser considerado aprovado no Curso e ter direito ao respectivo Certificado de Conclusão, o participante deverá satisfazer todos os seguintes requisitos:
  • ter frequência igual ou superior a 75% (setenta e cinco por cento) em cada uma das disciplinas e atividades;
  • obter nota final igual ou superior a 7,0 (sete) em cada uma das disciplinas. A avaliação em cada disciplina será feita de acordo com o critério previamente estabelecido em cada uma delas, envolvendo provas, trabalhos, etc.;
  • ter se inscrito e realizado na atividade Monografia devendo obter nota final igual ou superior a 7,0 (sete), em avaliação realizada por banca examinadora.

Oferecimento e realização das disciplinas
As disciplinas serão oferecidas nos ciclos do PECE, a critério deste.

Disciplinas

Teoria da Aprendizagem.

Reconhecimento de padrões.

Sistemas de recomendação.

Aprendizado supervisionado.

Modelos Lineares para Regressão.

Modelos Lineares para Classificação.

Regressão Logística.

Árvores de Decisão.

Máquinas de Vetor Suporte (MVS).

Introdução a Redes Neurais Artificiais (RNA).

Redes Neurais Convolucionais (RNC).

Redes Neurais Recorrentes (RNR).

Aprendizado não-supervisionado.

Clustering.

Análise de Componentes Principais (ACP).

Ferramentas: Python , KERAS-TensorFlow e WEKA.

Conceitos de estatística.

modelos preditivos e tipos de análise.

abordagens para análise preditiva.

modelos de aprendizado de máquina.

introdução a IA.

plataforma R.

Python, Google Colab.


Histórico de sistemas distribuídos.

Características e desafios de sistemas distribuídos.

Arquiteturas P2P.

características, classificação e desafios.

Aplicações e tecnologias P2P.

Blockchain, Tor & Deep Web.

Bittorrent.

Freenet.

InterPlanetary File System (IPFS).

Distributed Hash Table (DHT).

entre outros.

Parte 1: Conceitos de Arquitetura.

Ciclo de Vida de desenvolvimento de Software.

Definição de Arquitetura. Visões arquiteturais e Arquitetura Candidata.

Processo Centrado em Arquitetura.

Arquitetura NIST Big Data e Cloud (SAAS, PAAS, IAAS).

Arquitetura e Requisitos não funcionais.

Padrões arquiteturais.

Arquitetura e Transformação Digital,

Big Data.

Cenário de Negócio.

Parte 2: Arquitetura DW.

orientação a assunto,

integração e versionamento.

conceitos de Slowly Change Dimension.

uso de Surrogate Key.

Carga Incremental e Snapshot.

modelagem multidimensional, e engenharia de dados com desenvolvimento de aplicações, com report e dashboards.

Visão inicial sobre big data (3Vs), necessidades.

fontes de dados.

aquisição e coleta.

dados estruturados e não-estruturados.

internet das coisas.

CASE.

ciência dos dados.

papel do cientista de dados.

Hadoop,

Seu ecossistema e armazenamento além da contextualização de Data Sciente,

Ferramentas do ecossistema Hadoop com distribuição Caludera.

Spark.

Watson.

DB2 e Cloudant.

Método científico.

elementos da pesquisa.

revisão bibliográfica.

questões de pesquisa.

escrita de monografia.

escrita de artigo científico.

ética acadêmica.

Visão geral da gestão de projetos de sistemas computacionais.

Principais desafios para projetos de sistemas de Big Data.

PMBOK Ágil: uma adaptação do modelo PMBOK para a gestão ágil de projetos.

O framework Scrum como direcionador do tratamento dos desafios ao desenvolvimento de projetos de sistemas de Big Data.

Modelos atuais e propostos para o desenvolvimento e gestão de projetos de sistemas de Big Data.

Discussão dos enfoques apresentados para a gestão e desenvolvimento de projetos de sistemas de Big Data.

Principais frameworks de gestão de dados.

Avaliação de soluções com base no uso prático dos frameworks estudados.

Avaliação de soluções tecnológicas para suporte à gestão de dados.

QD n contexto Big Data.

dimensões de QD.

metodologias de qualidade de dado.

DMBOK e DMMM.

Visão de QD e de Governança de Dados.

Tratamento prático da QD.


Conceitos de planejamento.

Organização e construção de pipelines.

Conceitos e práticas de coleta.

Captura e extração de dados em lote e em streaming.

Conceitos e práticas de preparação e processamento de dados.

Conceitos e práticas de orquestração.

Agendamento e monitoramento de pipeline de dados.

Práticas em ferramentas de ETL e ingestão de dados:

Extração (NIFI, Sqoop, Logstash).

Processamento (Spark, Hive/Presto).

Streaming: (Kafka, Spark, Flink).

Orquestração: (Ariflow).

Persistência e Armazenamento de Dados (HDFS, Druid).

1. Apresentação do curso. Introdução à IHC. Interfaces e interação. O Homem, a tecnologia, o diálogo. Usabilidade, experiência do usuário (UX). Design centrado no usuário. Jornada do usuário.

2. Fatores Humanos. Aspectos dos sentidos e da cognição. Impacto da percepção e cores no entendimento de dados.

3. Aspectos hedônicos da interação. Emoções. Design afetivo. Avaliação da emoção.

4. Visualização de informações. Princípios de design. Gestalt.

5. Visualização de informações. Técnicas e ferramentas. Patterns. Avaliação da visualização.

6. Métodos de pesquisa de usuário: metas e perfis. Personas. Identificação de personas por mineração de dados.

7. Apresentação de seminários.


Modelo relacional.

Modelo multidimensional.

Postgres.

Apache Cassandra e Spark.

Privacidade.

Ética e Big Data.

Direito a privacidade na era Digital.

questões legais.

órgãos reguladores e atores.

Monitoramento na Web e tecnologias para proteção de privacidade nas diversas camadas da rede.

Questões éticas de privacidade e práticas atuais.

IA Responsável.

Hands-on: captura de dados.

Modelagem e implementação de repositório de dados.

Tratamento dos dados.

Aplicação de técnicas de algoritmos preditivos e de ML para montagem de modelos analíticos.

Criação de dashboards.

HDFS.

Banco de dados.

NoSQL orientado a documentos.

Chave-valor.

Família de colunas.

Orientado a grafos.

Princípios e técnicas de segurança.

Chaves simétricas e assimétricas.

Acesso e autenticação com chave pública.

Servidores de chaves.

Kerberos versão 5 e sua implementação em cluster.

Firewalls. Uso de IpTables.

Configuração do IpTables para ambiente Hadoop.

Sistema LDAP para autenticação e autorização em cluster.

O sistema Sentry e seu uso em sistemas de arquivos.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

Na era digital os dados têm diferentes origens como logs de transações em websites, redes sociais, email, blogs, dispositivos IOT, além daqueles provenientes dos sistemas transacionais mantidos pela própria organização. Esses dados são caracterizados como Big Data e seu emprego é crucial para a geração de informação para as organizações. O Engenheiro de Dados é o profissional responsável por entender, fazer ingestão, modelagem e a organização desses dados em estruturas apropriadas para serem utilizados para análises e disponibilização em diferentes tipos de aplicações. Adicionalmente, para uma formação superior (acima da média) é importante que o Engenheiro de Dados tenha completa compreensão de todo o ciclo de vida dos dados e das necessidades de sua Gestão inteligente, de forma que possam gerar informação de valor e conhecimento estratégico de apoio ao negócio da organização. Assim, o curso forma um profissional muito requisitado no mercado para atender as atuais necessidades do uso de dados como importantes ativos para as empresas.

Objetivo

Formar especialista em Engenharia de Dados e Big Data. O curso tem carga conceitual, tecnológica e prática que abrangem conceitos de gestão de dados, captura e ingestão de dados, modelagem e banco dados relacionais e NoSQL, fluxos de dados, processamento de dados em plataforma big data, analytics, arquitetura de dados, construção de relatórios e dashboards para apoio à tomadas de decisão.

Público alvo

Profissionais com formação em nível superior que atuam na área de Administração de dados e Tecnologia da Informação com interesse em ciência de dados, podendo ser gerentes, especialistas e técnicos.

Local & horário realização do curso

As aulas serão ministradas no modelo não presencias, mas síncrono (ao vivo), no horário noturno (19h00 até 22h00).

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

Coordenado pela Profa. Dra. Solange Nice Alves de Souza, o curso reúne, em seu corpo docente, professores da Escola Politécnica e especialistas convidados, entre eles:

• Ana Claudia Rossi
• Anarosa Alves Franco Brandão
• Gustavo Tadeu Cicotoste
• Jaime Simão Sichman
• Jonas Santiago de Oliveira
• Kendji Eduardo Wolf
• Leandro Mendes Ferreira
• Lucia Vilela Leite Filgueiras
• Luis Flávio da Silva
• Luiz Sergio de Souza
• Marcos Antonio Simplicio Junior
• Maritza Maura de Carvalho Francisco
• Paulo Sergio Muniz Silva
• Pedro Luiz Pizzigatti Corrêa
• Rosangela de Fátima Pereira Marquesone
• Solange Nice Alves de Souza
• Wagner Luiz Zucchi

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

O investimento deste curso:

Valor total de R$ 26.730,00  ou em 22 parcelas mensais e consecutivas de R$ 1.215,00.

Pagamento à vista tem 5% de desconto.

Para maiores informações, por favor, entrar em contato com a nossa Central de Apoio ao Aluno:
Atendimento online:  de segunda-feira à sexta-feira, das 08h30 às 20h00.
E-mail: atendimento@pecepoli.com.br.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

Processo seletivo
1. O interessado em participar do Processo Seletivo deste curso deverá proceder da seguinte forma:
a) Preencher a Ficha de Inscrição;
b) Efetuar o pagamento da taxa de inscrição no valor de R$ 150,00 (cento e cinquenta reais), através de boleto bancário. O boleto bancário será enviado automaticamente para sua caixa postal logo após o preenchimento e envio da ficha de inscrição. O valor da taxa será abatido na 2ª parcela do Curso.
2. Seleção:
A seleção será feita com base nas informações fornecidas pelo interessado na “Ficha de Inscrição”.
Caso o interessado seja aprovado, receberá e-mail do Centro de Apoio ao Aluno, com instruções para efetivar sua matrícula.
Lembrando que, a participação no processo seletivo só será possível com a confirmação do pagamento da taxa de inscrição.

Datas de inscrição e matrícula
Inscrições:  a partir de 22/10/2021.
Entrevista: não há.
Resultado: por e-mail ou telefone.
Matrículas: a partir de 01/02/2022.
Início das Aulas: 27/04/2022.

Matrícula no curso
Para matricular-se neste curso o interessado deve ter sido aprovado no respectivo Processo Seletivo.
O inscrito que for aprovado no Processo Seletivo, deverá nos apresentar no ato da matrícula, uma cópia simples (que será retida ) e original dos seguintes documentos:
a) CPF;
b) RG;
c) Diploma do curso superior;
d) Comprovante de residência;
e) 01 foto 3X4 recente;
f) Termo de compromisso de pagamento das parcelas financeiras referentes ao valor de investimento do curso.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo (PECE/EPUSP) reserva-se o direito de não realizar este curso, ou modificar sua data.

Certificação USP


Para que o aluno conquiste o certificado do curso de Engenharia de Dados & Big Data – EAD – Síncrono/ao Vivo, emitido oficialmente pela Universidade de São Paulo, deverá ser aprovado em todas as disciplinas do curso, com nota mínima de 7,0 e presença acima ou igual a 75%, assim como a aprovação da sua monografia pela banca examinadora.

Certificado USP

Processo de inscrição

Para realizar a inscrição e participar do Processo Seletivo o candidato deverá proceder da seguinte forma:

PRÉ-REQUISITOS

Espera-se dos candidatos, sólida formação superior, conhecimentos básicos de inglês e experiência profissional.

PAGAMENTO

Efetue o pagamento da taxa de inscrição no valor de R$ 150,00 (Cento e cinquenta reais), por meio de boleto bancário, enviado automaticamente para o e-mail cadastrado.

O valor da taxa será abatido na 2ª parcela do curso. Caso o candidato não seja aprovado, esse valor não será devolvido.

SELEÇÃO

A seleção será feita com base nas informações fornecidas pelo interessado na “Ficha de Inscrição”. Caso o interessado seja aprovado, receberá e-mail do Centro de Apoio ao Aluno, com instruções para efetivar sua matrícula.

Só será possível participar do processo seletivo, após a confirmação do pagamento da taxa de inscrição.

ATENÇÃO! - O Programa de Educação Continuada da Escola Politécnica da Universidade de São Paulo - PECE/EPUSP reserva-se o direito de não realizar este curso, ou modificar sua data.

Estrutura
de qualidade

Histórias de Sucesso

Torne-se um líder produtivo no mercado.