Planos e Assinaturas Mapeamentos Pré-edital e de Reta Final. Cursos Regulares - Teoria Completa, Exercícios e Aulas em PDF Revisões de Véspera, Simulados e Provas Corrigidas Aprendendo a Estudar - Técnicas de Estudos, de Aprendizagem e Mentoria.

Pesquisar por cursos... Pesquisando por … Sem resultados para … Ver todos os cursos com …

Big Data Conceitos - 01

Gabriel Pacheco

Professor das Disciplinas de Informática e Tecnologia da Informação para Concursos e das áreas de Projetos e Agilidade. Coach de Concursos e Provas.

Compre agora e tenha acesso ao curso completo

R$ 264,00 à vista

Comprar agora

Conteúdo

1Entenda as Parcerias

Aqui serão postados vídeos explicativos sobre cada uma das nossas parcerias e como tudo funciona.

Entenda a Parceria com o TECConcursos e como tudo funciona após a sua matrícula
01:59

2BÔNUS - MÓDULO I - LEGISLAÇÃO ACERCA DE SEGURANÇA DA INFORMAÇÃO E PROTEÇÃO DE DADOS - 15/10/2024

1 Lei nº 12.527/2011 (Lei de Acesso à Informação): capítulos I, II, III, IV e V; Dec. nº 7.724 e nº 7845. 2 Lei nº 12.737/2012 (Lei de Delitos Informáticos): art. 2º. 3 Lei nº 12.965/2014 (Marco Civil da Internet): capítulos II e III, Seções I e II. 4 Lei nº 13.709/2018 (Lei Geral de Proteção de Dados Pessoais – LGPD): capítulos I, II, III, IV, VII, VIII e IX.

Lei de Acesso à Informação - Lei 12.527 - 1 - FGV
28:47
Lei de Acesso à Informação - Lei 12.527 - 2 - FGV
32:02
Lei de Acesso à Informação - Lei 12.527 - 3 - FGV
27:26
Lei de Acesso à Informação - Lei 12.527 - 4 - FGV
25:58
Marco Civil da Internet – Lei nº 12.965_2014 - Multibancas - 01
41:58
LGPD-FGV-01
32:08
LGPD-FGV-02
34:17
LGPD-FGV-03
32:28
LGPD-FGV-04
39:10

3CIÊNCIA DE DADOS – todas as aulas disponíveis

1 Aprendizado supervisionado: Regressão e Classificação. Métricas de avaliação. Overfitting e underfitting de modelos. Regularização. Seleção de modelos. Validação cruzada. Conjunto de treino, validação e teste. Trade off entre variância e viés. Regressão Linear e Regressão Logística. Árvores de Decisão e random forests. SVM. K-NN. 2 Aprendizado não-supervisionado: Redução de dimensionalidade: PCA. K-Means. Mistura de Gaussianas. Regras de Associação. 3 Redes neurais artificiais: Definições e arquitetura. Funções de ativação. Otimização: método do gradiente, método do gradiente estocástico e backpropagation. Métodos de regularização: penalização com normas L1 e L2. CNN. 4 Machine Learning aplicado. Noções de visão computacional com CNN. Classificação de imagens e detecção de objetos. Noções de processamento de linguagem natural. 5 ETL. 6 Manipulação, tratamento e visualização de dados. 7 Inteligência artificial. 7.1 Análise de dados (Pandas, NumPy, (em LINGUAGENS DE PROGRAMAÇÃO E SOFTWARES EM CIÊNCIAS DE DADOS) Jupiter, R). (em LINGUAGENS DE PROGRAMAÇÃO E SOFTWARES EM CIÊNCIAS DE DADOS) 7.2 Aprendizado de máquina. 7.2.1 Técnicas de classificação. 7.2.2 Técnicas de regressão. 7.2.3 Técnicas de agrupamento. 7.2.4 Técnicas de redução de dimensionalidade. 7.2.5 Técnicas de associação. 7.2.6 Sistemas de recomendação. 8 Processamento de linguagem natural (PLN). 9 Visão computacional. 10 Deep learning. 11 Mineração de Dados. 12 Ferramenta SAS.

Aula em PDF - Inteligência Artificial
94 págs.
Aula 00 - Introdução à Inteligência Artificial.
36:43
ASSISTIR
Aula 01 - Introdução a Machine Learning
26:36
ASSISTIR
Aula 02 - Introdução a Machine Learning - 02
09:10
Aula 03 - Machine Learning - Over e Underfitting
26:21
ASSISTIR
Aula 04 - Machine Learning - Tipos de Aprendizado
14:42
Aula 05 - Machine Learning - Métricas de Classificação
24:08
Aula 06 - Machine Learning - Classificação, Árvores de Decisão e Random Forest
36:16
Aula 07 - Machine Learning - KNN e Naive Bayes
29:00
Aula 08 - Machine Learning - Redes Neurais Artificais
26:40
Aula 09 - Machine Learning - Regressão Logística e SVM
23:52
Aula 10 - Machine Learning - Regressão
11:40
Aula 11 - Machine Learning - Agrupamento
29:37
ASSISTIR
Aula 12 - Machine Learning - Regras de Associação e Redução de Dimensionalidade
17:21
Aula 01 - Deep Learning Parte 01
19:08
Aula 02 - Deep Learning Parte 02
27:28
Aula 03 - PLN Parte 01
21:34
Aula 04 - PLN Parte 02
23:21
Aula 05 - Visão Computacional e Mineração de Textos
18:43
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 01
33:57
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 02
26:05
ASSISTIR
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 03
35:30
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 04
25:54
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 05
23:44
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 06
25:56
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 07
27:58
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 08
18:55

4LINGUAGENS DE PROGRAMAÇÃO E SOFTWARES EM CIÊNCIAS DE DADOS – todas as aulas disponíveis

1 Python e suas bibliotecas: Numpy, Matplotlib, Seaborn, Streamlit, Pandas, Scipy, TensorFlow, Keras e Pytorch. 2 R e suas bibliotecas. 3 Apache Hadoop e Apache Spark.

Pandas- Regular - 01
32:05
Pandas- Regular - 02
35:19
Python NumPy - Multibancas - 01
36:24
Python NumPy - Multibancas - 02
42:40
Python Matplotlib - Regular
21:44
Seaborn- Multibancas
29:40
Python SciPy - Regular
25:55
R- Regular - 01
38:51
R- Regular - 02
34:06
R- Regular - 03
38:46
R- Regular - 04
34:55
R- Regular - 05
35:26
R- Regular - 06
33:37
R- Regular - 07
32:20
R- Regular - 08
31:55
R- Regular - 09
40:47
R- Regular - 10
35:18
Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 01
31:47
Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 02
30:57
Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 03
42:22
Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 04
26:24
Tensor Flow - Regular
29:31
Keras - Multibancas
25:16
PyTorch - Multibancas
35:14
Scikit Learn Multibancas 01
27:33
Scikit Learn Multibancas 02
42:07

5BANCO DE DADOS – todas as aulas disponíveis

1 Modelagem de dados (conceitual, lógica e física). 2 Abordagem relacional. 3 Normalização das estruturas de dados. 4 Integridade referencial. 5 Metadados. 6 Modelagem dimensional. 7 Linguagem de consulta estruturada (SQL). 8 Linguagem de definição de dados (DDL). 9 Linguagem de manipulação de dados (DML). 10 SGBD. 11 Propriedades de banco de dados. 12 Banco de dados NoSQL. 13 Banco de dados em memória. 14 Data lakes e soluções para big data.

Conceitos de BD, SGBD, Dados, Informação, Conhecimento - FGV - 01
35:25
Conceitos de BD, SGBD, Dados, Informação, Conhecimento - FGV - 02
27:20
Conceitos de BD, SGBD, Dados, Informação, Conhecimento - FGV - 03
37:15
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 01
32:08
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 02
26:22
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 03
30:43
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 04
32:02
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 05
30:47
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 06
33:07
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 07
33:58
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 08
35:43
Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 09
28:23
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 01
33:57
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 02
26:05
ASSISTIR
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 03
35:30
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 04
25:54
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 05
23:44
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 06
25:56
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 07
27:58
Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 08
18:55
SQL - 01 - FGV
31:11
ASSISTIR
SQL - 02 - FGV
32:14
SQL - 03 - FGV
37:45
SQL - 04 - FGV
28:44
SQL - 05 - FGV
39:00
SQL - 06 - FGV
25:11
SQL - 07 - FGV
33:25
Linguagem SQL - FGV - 01 - Sergio Sierro
42:01
Linguagem SQL - FGV - 02 - Sergio Sierro
39:12
Linguagem SQL - FGV - 03 - Sergio Sierro
34:20
Banco de Dados NoSQL - FGV - 01
35:22
Big Data Conceitos - 01
25:54
ASSISTIR
Big Data Conceitos - 02
31:20
Big Data Conceitos - 03
47:20
Big Data em Relação às demais Disciplinas - 01
25:17
Big Data em Relação às demais Disciplinas - 02
22:31
Papéis dos envolvidos em projetos de Ciência de Dados e Big Data - 01
28:06
Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 01
31:47
Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 02
30:57
Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 03
42:22
Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 04
26:24

MAIS 2 MÓDULOS ESCONDER 2 MÓDULOS