Imagem Ilustrativa - Cursos de Pós EAD
Modalidade:
EAD
Carga Horária:
360 Horas-aula
Grau:
Especialização
Área:
Tecnologia
Responsável:
Roberto Silva Araujo Assis
Email:
Ver email

Especialização em Ciência de Dados e Big Data Analytics

Investimento

Boleto bancário
Cartão de crédito
Sou ex-aluno
Não sou ex-aluno

12x R$149,90

Ou

R$1.299,00 à vista

12x R$119,90

Ou

R$1.099,00 à vista

Conheça os benefícios

BENEFÍCIOS

O que é o curso de Especialização em Ciência de Dados e Big Data Analytics ?

Com um mercado bem promissor, as atividades de business analytics e para as tecnologias de Big Data é real. Gera uma maior demanda em profissionais como o Cientista de Dados que devem ter competências e habilidades para entender bem as estratégias e necessidades do negócio e gerenciar, projetar e desenvolver soluções de análise em grandes volumes de dados. No curso de Especialização em Ciências de Dados e Big Data Analytics serão apresentados temas amplos e atuais acerca da apresentação de ferramentas analíticas com perfil de Cientista de Dados.

PÚBLICO-ALVO

Profissionais com diploma de curso superior em Sistemas de Informação, Análise e desenvolvimento de sistemas, Jogos Digitais, Ciência da Computação, Engenharia de Computação e tecnólogos da área de Tecnologia da Informação e outros cursos correlatos, ou profissionais de nível superior que atuam na área de desenvolvimento de soluções e softwares, gerentes de TI, coordenadores de projetos, analistas de negócios e outros profissionais com interesse em tecnologias emergentes em ferramentas analíticas com perfil de Cientista de Dados.
  • ATOS LEGAIS

    Nome da Instituição Expedidora: Universidade de Uberaba. Razão social da mantenedora da Instituição Expedidora: Sociedade Educacional Uberabense. CNPJ: 25.452.301/0001-87. Reconhecida pela Portaria nº 544/MEC, de 25/10/1988 - (DOU 26/10/88 - Seção I, p, 20.766). Recredenciada pela Portaria nº 347, de 09/04/2018 - (DOU nº 68, Seção 1, pág. 14, de 10/04/2018). Recredenciada pela Portaria nº 957, de 11/11/2020 - (DOU nº 216, Seção 1, pág. 41, de 12/11/2020). Curso de acordo com a disposição da Resolução nº 1, de 06/04/2018 CNE/CES (DOU-09/04/2018, Seção 1, p. 43). Aprovado pela Câmara de Pesquisa e Pós-Graduação de acordo com a disposição na Resolução nº 144/21 de 27/10/2021-UNIUBE. Código do cadastro no INEP - 170141
  • ORGANIZAÇÃO CURRICULAR

    Fundamentos de Ciência de Dados e Big Data 60h
    Módulos Carga Horária
    Introdução à Ciência de Dados 10h
    Ciclo de Vida de um Processo de Ciência de Dados 10h
    Aplicações da Ciência de Dados 10h
    Papéis dos Envolvidos em Projetos de Big Data e Ciência dos Dados 10h
    Ferramentas Utilizadas em Ciência de Dados e Big Data 10h
    Análise de Dados Utilizando Dashboards 10h
    Paradigmas de Linguagens de Programação para Ciência de Dados 60h
    Módulos Carga Horária
    Python e Ambientes de Desenvolvimento 10h
    Variáveis e Tipos de Dados em Python 10h
    Estruturas Condicionais e Iterativas em Python 10h
    Funções e Classes em Python 10h
    Linguagens Multiparadigma: R 10h
    Introdução à Linguagem R e Rstudio 10h
    Banco de Dados - Relacional e Não Relacional 60h
    Módulos Carga Horária
    Arquitetura de Banco de Dados 10h
    Escolha do Banco de Dados 10h
    SQL, Conceitos e Funcionalidades 10h
    Migrações de Bases Relacionais para Bases NoSQL 10h
    História dos Bancos de Dados Não Relacionais 10h
    Classificação dos Bancos de Dados Não Relacionais 10h
    Big Data Analytics 60h
    Módulos Carga Horária
    Introdução a Big Data 10h
    Aplicação de Big Data 10h
    O Ecossistema de Big Data 10h
    Ciência de Dados e Big Data 10h
    Visualização de Dados em Big Data 10h
    Introdução a Hadoop 10h
    Machine Learning: Mineração e Análise de Dados 60h
    Módulos Carga Horária
    Técnicas Utilizadas em Ciência de Dados e Big Data 10h
    Aprendizado de Máquina (Machine Learning) 10h
    Classificação de Textos - Introdução ao Aprendizado Supervisionado 10h
    Classificação de Textos - Utilizando Python para Construir e Treinar Modelos de Machine Learning 10h
    Análise de Sentimentos - Utilizando Python para Construir e Treinar Modelos de Machine Learning 10h
    Algoritmos Paralelos com Rapids 10h
    Framework para Big Data e IoT 60h
    Módulos Carga Horária
    Frameworks de Big Data: Uma Visão Geral 10h
    Aplicações Simples Utilizando Frameworks de Big Data 10h
    Frameworks de Armazenamento Semiestruturados 10h
    Frameworks de Armazenamento Não Estruturados 10h
    Aplicações IoT 10h
    Integrando Big Data e IoT 10h
  • METODOLOGIA

    O curso de Especialização em Ciência de Dados e Big Data Analytics pode ser concluído em 06 meses, sendo o prazo máximo para conclusão de 12 meses. O curso está organizado em 06 eixos, cada um deles com 06 módulos (unidades de aprendizagens), com uma carga horária total de 360 horas, e a cada eixo concluído com aprovação o aluno receberá uma certificação intermediária com carga horária de 60 horas.

    Os conteúdos poderão ser desenvolvidos através de leituras do material didático, videoaulas com dicas do professor, desafios e análises de situações práticas, permitindo ao aluno reflexões a respeito dos assuntos abordados em cada um dos eixos e módulos.

    Durante o curso, o aluno terá o acompanhamento e apoio da Coordenação Geral da Pós EaD|Digital, Coordenador do Curso, Professores Tutores, Secretaria e Mentoria, através do Ambiente Virtual de Aprendizagem - AVA, onde todos eles serão responsáveis pelo suporte pedagógico, acadêmico e administrativo aos discentes.

    Caso tenha mais dúvidas, gentileza encaminhá-las ao(a) coordenador(a) do curso, através do e-mail informado acima.
  • REQUISITOS TECNOLÓGICOS

    Consulte os requisitos atualizados em http://suporteava.uniube.br/.
  • ENTREGA DE DOCUMENTOS

    O aluno deverá anexar os seguintes documentos, no Ambiente Virtual de Aprendizagem - AVA:

    1) Diploma do curso superior (frente e verso)
    2) Carteira de Identidade
    3) C.P.F. (se constar no RG, não é necessário)
    4) Certidão de Nascimento ou Casamento

    ATENÇÃO: Ao término do 3ª eixo, caso o(a) aluno(a) tenha alguma pendência documental ou financeira, não será possível a efetivação de sua matricula no 4º eixo.

Confira os polos de apoio para este curso:

Você também pode se interessar por esse(s):

Ops... Seus filtros não se encaixam em nenhum resultado!


Tente novamente com outros valores.