Pós-Graduação
Pós-graduação em Business Intelligence, Big Data e Inteligência Artificial
Tecnologia
Carga Horária
420 h
Tempo de conclusão
A partir de 4 meses
Sobre a Pós-graduação em Business Intelligence, Big Data e Inteligência Artificial
Nas atividades realizadas tanto na vida pessoal quanto profissional, indivíduos e organizações tomam dezenas de decisões baseadas em dados e informações, mesmo que não tenham a plena consciência disso.
No ambiente virtual da internet, essa relação com dados e informações fica mais nítida. Seja na consulta a um site de buscas, na leitura de uma notícia, na visualização de uma postagem em uma rede social, na compra realizada em um e-commerce ou no acesso a um site de uma empresa, cada clique realizado e cada página acessada geram uma infinidade de informações que são coletadas e tratadas pelas empresas que atuam no ambiente virtual, processadas por algoritmos que as relacionam com milhões de outras informações geradas por outros usuários e utilizadas para tornar o ambiente virtual ainda mais eficiente e envolvente.
Mas mesmo nas atividades realizadas fora do ambiente virtual, ou seja, no “mundo real”, uma infinidade de dados e informações são gerados, coletados e tratados. Uma visita a uma loja, uma conversa pelo telefone, um atendimento presencial realizado em uma empresa prestadora de serviços e os deslocamentos diários que os indivíduos realizam também podem ser usados por organizações públicas e privadas para tomar decisões e implementar melhorias em seus processos, produtos e serviços.
No curso de Pós-graduação em Business Intelligence, Big Data e Inteligência Artificial da Faculdade Focus, serão abordados os temas mais atuais relacionados ao desenvolvimento futuro dos sistemas de informação, tratando das tecnologias relacionadas ao Business Intelligence, Big Data, Inteligência Artificial e Internet das Coisas. Apesar de serem tecnologias ainda recentes, já estão presentes em várias aplicações utilizadas por empresas dos mais variados ramos.
Para ingressar na pós-graduação, você precisa ter, obrigatoriamente, diploma de curso superior em qualquer área do conhecimento.
Clique no nome das disciplinas abaixo e visualize o conteúdo programático.
Para consultar a Portaria de Cadastro do Curso do MEC, clique aqui
Módulo I
1. Ética e Responsabilidade Social | 40h
A ética e a moral (empresarial). Responsabilidade social (valores). Código de ética (missão, valores e visão). Análise do código de ética da empresa. A responsabilidade social empresarial. Sistemas de gestão. Indicadores, avaliação e instrumentos de responsabilidade social. A importância da ética na tomada de decisões. Estratégias da responsabilidade social nos negócios. O papel do gestor na relação entre ética e responsabilidade.1.Ética e moral no contexto empresarial. 2.Código de Ética nas organizações. 3.Responsabilidade social nas organizações. 4.Sistemas de gestão de responsabilidade social. 5.Gestão, ética e responsabilidade social.
2. Métodos e Prática de Pesquisa | 20h
Introdução à pesquisa científica. Ciência, método e técnica. Metodologia do trabalho científico. Definição de hipóteses e variáveis. Fundamentação teórica. Procedimentos de pesquisa. Cronograma e orçamento. 1.O estudo científico e o papel do pesquisador 2.Fundamentos da metodologia de pesquisa 3.Determinação de objetivos, variáveis e hipóteses de pesquisa. 4.Fundamentação teórica 5.Abordagens de pesquisa 6.Procedimentos de pesquisa 7.Amostragem e fontes de dados 8. Instrumentos de coleta e análise de dados 9.Elaboração de relatórios e conclusões.
Módulo II
1. Tecnologias Aplicadas e Inovação | 40h
Definição de ciência, tecnologia, invenção e inovação. Tipos de inovação. Natureza ou impacto da inovação. Gestão da inovação. Práticas de gestão da inovação. Schumpeter e a inovação. Revoluções tecnológicas. Panorama da inovação no Brasil. Modelos de inovação tecnológica. Inovação como fonte de competitividade. Propriedade intelectual. Propriedade intelectual e desenvolvimento econômico. Transferência de tecnologia. Cooperação entre universidade e empresa. Incentivos à inovação. Fontes de fomento à inovação.
2. Sistemas Operacionais | 40h
Histórico. Classificação. Estrutura dos S.O. Mono e multiprogramação. Processos. Técnicas de escalonamento de processos. Sincronização de processos. Threads. Gerência de memória em sistemas multiprogramados. Técnicas de gerência de memória real. Técnicas de gerência de memória virtual: paginação e segmentação. Sistemas de arquivos. Sistemas de E/S.1. Introdução aos sistemas operacionais. 2. Interação do sistema operacional com hardware e software. 3. Processos e threads. 4. Memória real e virtual. 5. Segurança em sistemas operacionais.
Módulo III
1. Gestão de Sistemas da Informação | 40h
Estudo e estruturação da organização para gerenciamento de informações com auxílio tecnológico, possibilitando ao profissional o entendimento administrativo para oferecer eficácia na implementação de sistemas e controle de informações. 1.Introdução à informação. 2.Sistemas de informação e suas características. 3.Sistemas de informação para cada nível organizacional. 4.Controle, monitoramento e segurança. 5.Business Intelligence, Big Data e Inteligência Artificial.
2. Tecnologia e Linguagem para Bancos de Dados | 40h
Funcionalidades dos SGBDs. Ambientes de Gerenciamento de Banco de Dados. Linguagens de Manipulação de Banco de Dados. SGBDs Disponíveis No Mercado. Requisitos De Servidores de BD. Instalação do Mysql. Configuração do Mysql. Segurança da Informação No Mysql. Manipulando Estruturas de Tabelas. Inserindo Linhas em uma Tabela. Atualizando Dados em uma Tabela. Eliminando Linhas em uma Tabela. Comando SELECT e o Relacionamento entre Tabelas. Stored Procedures. Triggers.
3. Business Intelligence | 40h
O que é e para que serve o Business Intelligence. Contextualizando a relevância do Business Intelligence. O que é Business Intelligence. Pilares do Business Intelligence. Arquitetura e processo.Visualização e experiência do usuário. Segurança e ciclo de vida. Estatísticas e práticas. Otimizando processos com Business Intelligence.O Business Intelligence como instrumento de otimização. Gestão eficiente. Business Intelligence aplicado aos negócios. Relação do Business Intelligence e os negócios.Relação do Business Intelligence e Inteligência Competitiva.Conceituando inteligência competitiva. Business Intelligence, gestão do conhecimento e inteligência competitiva. A importância da inteligência competitiva para a tomada de decisão.Sistemas de gestão para BI - ERP - CRM e BPM. Entendendo ERP, CRM e BPM.Enterprise Resource Planning (ERP). Customer Relationship Management (CRM).Business Process Management (BPM).O que são e para que servem os metadados. A relevância do Data Warehouse aos negócios.O que é Data Warehouse.Tipos de Data Warehouse. Data Marts (DM). Operational Data Store (ODS). Metadado. Arquitetura e funções do Data Warehouse. A relevância da arquitetura.Definição de arquitetura de Data Warehouse. Ferramentas back-end. Ferramentas front-end. Implantando o Data Warehouse. Contextualizando a relevância da implantação de DW. Desenvolvimento de um Data Warehouse.Data Warehouse e estratégias evolucionárias. Etapas do desenvolvimento de um Data Warehouse.Implantação de um Data Warehous.Roteiros de modelagem e suas aplicações. A relevância da modelagem.Data Mining: Conceito, Origem e Importância.Contextualizando o Data Mining. Definindo o Data Mining. Funcionalidades do Data Mininig.Contextualizando a funcionalidade do Data Minin. Explorando a Funcionalidade do Data Mining. Data Mining no Ambiente Corporativo. Contextualizando o Data Mining para as Organizações.Técnicas de Mineração de Dados.Uso de Dados pelas Empresas. Data Mining na Indústria 4.0.Data Mining: Softwares e Tecnologias.A Relevância das Tecnologias. Padrões.Implementação de Business Intelligence. Retomando Business Intelligence. Etapas e aspectos de implementação de Business Intelligence. Projetos de Business Intelligence e suas necessidades. Sobre projetos de Business Intelligence. Sobre necessidades em projetos de Business Intelligence. Fontes de dados para projetos de Business Intelligence. Business Intelligence e fontes de dados.Entendendo a fonte de dados.Ferramentas de Business Intelligence.Relevância das ferramentas para o Business Intelligence.Ferramentas de Business Intelligence. Retroação em Business Intelligence.
4. Inteligência Artificial | 40h
Fundamentos da inteligência artificial e sua história. Introdução as definições de Inteligência Artificial. IA, um campo interdisciplinar. A história da IA. Agentes inteligentes e o ambiente para a IA. Definições introdutórias sobre os agentes e a IA. O teste de Turing e os agentes inteligentes. Tipos de agentes. Agentes e sua relação com o ambiente. Onde os agentes estão presentes em nossas vidas. Lógica proposicional para agentes. O que são agentes baseados em conhecimentos. Introdução a lógica na computação. A lógica proposicional e os sistemas inteligentes. Grafos para busca em espaço de estados. O que são grafos. O que é uma máquina de estados. Grafos de planejamentos. Tipos de buscas computacionais em espaço de estados. Planejamentos estratégicos com busca em espaço. Introdução ao tratamento de incertezas. Escalonamento e o tempo no mundo real. Expandindo o planejamento com hierarquia. Incertezas e a IA. Uma visão geral sobre o algoritmo de Bayes no tratamento das incertezas. Algumas teorias fundamentais para o entendimento geral do algoritmo de Bayes. Teoria da utilidade Teoria da probabilidade. Teoria da decisão. O algoritmo de Bayes. Uma visão geral sobre o modelo oculto de Markov e sua contribuição para a IA. Aprofundando conceitos da teoria da probabilidade. Relação entre o tempo e a incerteza. IA e a inferência nos modelos temporais. O modelo oculto de Markov. Tomadas de decisão simples e complexas. Retomando o raciocínio computacional. Agentes de tomada de decisão simples. Redes de tomadas de decisão. Agentes de tomada de decisão complexa. Aprendizagem supervisionada. Como os sistemas digitais aprendem. Aprendizagem indutiva supervisionada. Lógica indutiva, retomando o raciocínio. k-nearest neighbors (k-nn). Árvore de decisão. Considerações sobre os algoritmos supervisionados. Aprendizagem dedutiva não supervisionada. Algoritmos não supervisionados. Expectation-Maximization (EM). k-means. Considerações sobre os algoritmos não supervisionados. Aprendizagem por reforço. Retomando alguns fundamentos da aprendizagem indutiva e dedutiva. Fase de pré-processamento. Fase de processamento. Fase de pós-processamento. A aprendizagem por reforço em agentes inteligentes. Os dois tipos de aprendizagem por reforço. Introdução ao processamento de linguagem natural. Uma breve história do surgimento do processamento de linguagem natural. Conceitos fundamentais sobre processamento de linguagem natural. Tratamentos de informações. Classificação dos dados. Redes Neurais Artificiais. Recuperação da informação. Extração de informação. Modelos de linguagem natural. Introdução às gramáticas. Como se dá os processos de percepção em IA. Sensores. Percepção de objetos complexos.
5. Internet das Coisas | 40h
Entendendo às Redes. Como tudo começou. O que são efetivamente as redes?. Como são formadas as redes e o que é que elas interligam.Conceituando DNS. Domínio. Tipos de DNS. Como funcionam os Servidores de Nomes. Como Instalar os Servidores de Nomes. Como os dados trafegam nas redes. Bits ou Bytes. Bits (b). Bytes (B). Velocidades de navegação. Como os dados navegam. Formas de conectividade. Equipamentos para conectividade. Roteador. Switch. HUB. Ponto de Acesso / Repetidor. Links. Dongle WiFi. Tipos de Redes. PAN – Personal Area Network. LAN – Local Area Network. MAN – Metropolitan Area Network. WAN – Wide Area Network. O Propósito da criação da Internet. Criação das Redes. Criação da Internet. BBS. Internet. O Crescimento Exponencial. Serviços on-line. A Diferença entre Nuvem e Internet. Definição de Internet. Definição de Nuvem. Diferenças entre Produtos e Serviços. Produtos. Serviços. Nuvem e Inteligência Artificial. Os Tipos de Nuvens. Arquitetura e Tipos de Nuvens. Arquitetura de Nuvens. Tipos de Nuvens. Benefícios das Nuvens. Desafios das nuvens. Segurança e Proteção dos Dados. Como Hospedar Serviços On-Line. Migrando Serviços para a Cloud. O que é DownTime. Retorno de Investimento. Gerenciando a Nuvem. Mídia Multisessão. Eletricidade Básica. Eletricidade Básica. Corrente Alternada. Corrente Contínua. Diferença entre elétrica e eletrônica. Componentes eletrônicos. Resistor ou Resistência. Capacitores. Indutores. Diodos. LED (Ligth-Emitting Diode – Diodo Emissor de Luz. Planejando um equipamento. Arduino e Raspberry PI. Automação. Automação Comercial. Automação Residencial. Raspberry PI. Arduino. Montando um projeto rápido no Arduino. Utilizando o Arduino. Utilizando o Fritzing. Conexão de Equipamentos. Conexão por Bluetooth. Conexão na Rede local. Conexão na Internet. DNS. Usufruindo da Internet. Vantagens e desvantagens de se conectar um equipamento à Internet. Ascensão. Apogeu. Melhoria Contínua. Segurança. Nuvem. Nuvem Pública. Nuvem Privada. Nuvem Híbrida. Segurança na Internet das Coisas. Internet das Coisas – Atração para criminosos virtuais. Importância da segurança de IoT para empresas. desenvolvedoras de equipamentos. Como melhorar a segurança de IoT. Atualizar os equipamentos. Alterar a senha padrão dos dispositivos. Testes Periódicos. Criação de uma rede específica. para os dispositivos IoT. Antivírus, Firewall e Proxy. Antivírus. Firewall. Proxy. Legislação de implementação do IoT. Marco Civil da Internet. LGPD – Lei Geral de Proteção de Dados. Plano Nacional de Internet das Coisas. O mercado de trabalho para IoT. Indústria. Usuários Tecnológicos. Profissional Especializado. Perspectiva do Mercado de IoT.
6. Big Data e Ciência dos Dados | 40h
História e Evolução do Big Data. Histórico. Os 5Vs do Big Data. Aplicabilidade das Tecnologias de Big Data. Diferença entre Big Data e os sistemas tradicionais. Impacto do Big Data. O ambiente favorável a aplicação do Big Data: tecnologias. Técnicas deVisualização de dados. Visualização de dados: Conceito. Modelos do processo de Visualização. Técnicas de visualização. Onde aplicar Big Data. Importância de utilizar Big Data. Big Data onde é aplicado. Big Data na educação. Big Data aplicando aplicado a negócios. Big Data Aplicado na Saúde. Big Data aplicado na Área Eleitoral. Conceitos e Escopos da Ciência de Dados. ases do Projeto em Ciências de Dados. Ciclo de vida do Dado. Relação de Ciências de Dados com Ciências de Informações. Ciência de Dados termos usados. Princípios e diferenças de Ciência de Dados e Big Data. Big Data e Ciência De Dados no Processo De Tomada De Decisão. Ciências de Dados e Business Intelligence. O papel e a importância do Cientista de Dados. Cientista de Dados. Formação e Atuação do Cientista de Dados. Competências Relacionadas. Aplicações da Ciência de Dados. Onde Aplicar a Ciências de Dados. Ciências de Dados na Biologia. Ciências de Dados aplicado na Saúde.Ciências de Dados aplicada ao Projeto Social. Ciências de Dados aplicada aos negócios. Ferramentas que trabalham com Ciências de Dados. Linguagem de Programação Python. Jupyter. Pandas. Anaconda. Processamento de grandes volumes de dados. Produção de Dados. Armazenamento. Framework para processamento de dados. Hadoop. Spark. Storm. Inteligência de negócio. Big Data e sua importância no Mercado de Negócio. Inteligência de Negócio para Big Data. Perfil Comportamental do Profissional de Análise de Inteligência. de Negócios. Big Data aplicado no Mercado. Bancos de dados para Big Data.Banco NoSql. Tipos de banco de dados NoSQL. Principais mecanismos de banco de dados NoSQL. Cassandra. MongoDB. Redis. HBase. Amazon DynamoDB. Neo4j. Recuperação de informações. ig Data e a Recuperação da Informação. Ontologia. Data Warehouse. Apache Lucene. Técnicas de aprendizado de máquinas. Abordagem de Técnicas gerais de Big Data. Entendendo de Aprendizado de Máquina. Aprendizagem supervisionada. Aprendizagem não-supervisionada. Técnicas de aprendizado usado em Big Data. Análise preditiva. revisão de demanda. Sistemas de recomendação. Agrupamento. Gerência de dados e computação na nuvem. Computação nas nuvens. Modelo de Implantação. Modelos de Serviço. Computação em nuvem e Big Data. Gerenciamento de Dados de computação em nuvem. Bioinformática. Histórico da Bioinformática. Workflow de Bioinformática. Proveniência de Dados em Bioinformática. Aplicações da Bioinformática. Inovação tecnológica e novas tendências. Inovação Tecnológica. Big Social Data. Tecnologia Blockchain. Internet das Coisas.
7. Teoria dos Grafos | 40h
Teoria dos Grafos, estruturas de representação, algoritmos e fundamentação teórica. Técnicas de grafos para a resolução de problemas reais, correlacionando as estruturas teóricas com o desenvolvimento algorítmico de soluções complexas. 1.Introdução ao estudo dos grafos. 2.Conectividade. 3.Caminho mínimo e árvores geradoras. 4.Grafos eulerianos e hamiltonianos. 5.Problemas em grafos.
Pós-graduação em Business Intelligence, Big Data e Inteligência Artificial
100% online
Estude onde e quando quiser
TCC opcional*
Livro Digital em PDF
Videoaulas*
Acesso a Biblioteca Virtual
Núcleo de Apoio Intensivo ao Aluno - NAIA
Conclusão mínima de 4 meses
Portaria do Curso no MECde R$ 1198,80
por R$ 478,80
em até 12x sem juros de R$ 39,90
Investimento
de R$ 1198,80 por R$ 478,80
em até 12x sem juros de R$ 39,90
de R$ 1198,80 por R$ 478,80
em até 12x sem juros de R$ 39,90
de R$ 1198,80 por R$ 383,04
de R$ 1198,80 por R$ 478,80