BANCOS DE DADOS: 1 Dado, informação, conhecimento e inteligência. 1.1 Dados estruturados e não estruturados. 1.2 Dados abertos. 1.3 Coleta, tratamento, armazenamento, integração e recuperação de dados. 2 Banco de dados relacionais. 2.1 Conceitos e características. 2.2 Metadados. 2.3 Tabelas, visões (views) e índices. 2.4 Chaves e relacionamentos. (Parte 1)
1 Dado, informação, conhecimento e inteligência. 1.1 Dados estruturados e não estruturados. 1.2 Dados abertos. 1.3 Coleta, tratamento, armazenamento, integração e recuperação de dados. 2 Banco de dados relacionais. 2.1 Conceitos e características. 2.2 Metadados. 2.3 Tabelas, visões (views) e índices. 2.4 Chaves e relacionamentos. (Parte 2)
1 Conceitos básicos. 1.1 Noções de istração. 1.2 Topologia típica de ambientes com alta disponibilidade e escalabilidade. 1.3 Balanceamento de carga, fail-over e replicação de estado. 1.4 Técnicas de análise de desempenho e otimização de consultas. Segurança em banco de dados; (Parte 1)
1 Conceitos básicos. 1.1 Noções de istração. 1.2 Topologia típica de ambientes com alta disponibilidade e escalabilidade. 1.3 Balanceamento de carga, fail-over e replicação de estado. 1.4 Técnicas de análise de desempenho e otimização de consultas. Segurança em banco de dados; (Parte 2)
5 Gestão e operação de bancos de dados. 6 Sistemas de gerenciamento de banco de dados. 7 Oracle 21C.
Microsoft SQL Server 2019
PostgreSQL 13, Enterprise DB (EDB) 13.
2 Sistemas de e à decisão e gestão de conteúdo. 2.1 Arquitetura e aplicações de data warehousing, ETL e Olap. 2.2 Técnicas de modelagem e otimização de bases de dados multidimensionais. 3 Modelagem dimensional. 3.1 Conceito e aplicações. (Parte 1)
2 Sistemas de e à decisão e gestão de conteúdo. 2.1 Arquitetura e aplicações de data warehousing, ETL e Olap. 2.2 Técnicas de modelagem e otimização de bases de dados multidimensionais. 3 Modelagem dimensional. 3.1 Conceito e aplicações. (Parte 2)
4 Mineração de dados. 4.1 Modelo de referência CRISP-DM. 4.3 Técnicas e tarefas de mineração de dados. 4.4 Classificação. 4.5 Regras de associação. 4.6 Análise de agrupamentos (clusterização). 4.7 Detecção de anomalias. 4.8 Modelagem preditiva. 4.10 Mineração de texto. 5 Big Data. 5.1 Conceito, premissas e aplicação.
4.9 Aprendizado de máquina.
4.2 Técnicas para pré-processamento de dados.
6 Visualização e análise exploratória de dados. 20 Microsoft Power Platform. 20.1 Power Apps. 20.2 Power BI. 20.3 Power Automate. 20.4 Power Virtual Agents.
20 Microsoft Power Platform. 20.1 Power Apps. 20.3 Power Automate. 20.4 Power Virtual Agents.
