Big Data
Pós-Graduação
Em Rio De Janeiro
Descrição
-
Tipologia
Pós-Graduação
-
Local
Rio de janeiro
-
Início
Datas a escolher
Público-alvo
Destina-se a candidatos de qualquer perfil com formação em nível superior em Informática ou experiência profissional equivalente em atividades práticas com TI/sistemas tecnológicos (programação, administração de bases de dados, análise de dados, trabalho atuarial etc.).
O curso não requer experiência em programação nem conhecimento de qualquer linguagem de programação.
Instalações
Localização
Início
Início
A ter em conta
Objetivos
Por meio de análises de tecnologias de última geração, o profissional terá a possibilidade de promover o crescimento da empresa, gerando maior eficiência e impulsionando a produtividade.
Poderá se posicionar nas organizações por intermédio da gestão de oportunidades e desafios do Big Data, avaliando problemas e situações de escalabilidade com a finalidade de que sejam mais eficientes no uso do tempo e dos recursos disponíveis da empresa.
Público-alvo
Destina-se a candidatos de qualquer perfil com formação em nível superior em Informática ou experiência profissional equivalente em atividades práticas com TI/sistemas tecnológicos (programação, administração de bases de dados, análise de dados, trabalho atuarial etc.).
O curso não requer experiência em programação nem conhecimento de qualquer linguagem de programação.
Opiniões
Programa
Programação do curso
- UVA + MIT1
Módulo 1 – Introdução e Estudos de Caso (16h)
• Introdução: Os desafios do Big Data (Sam Madden)
• Estudo de Caso: Transporte (Daniela Rus)
• Estudo de Caso: Visualização do Twitter (Sam Madden)
Módulo 2 – Coleta de Big Data (16h)
• Limpeza e integração de dados (Mike Stonebraker)
• Plataforma de armazenamento de dados e a nuvem (Matei Zaharia)
Módulo 3 – Armazenamento de Big Data (16h)
• Bases de dados modernas (Mike Stonebraker)
• Plataformas de distribuição (Matei Zaharia)
• NoSQL, NewSQL (Sam Madden)
Módulo 4 – Sistemas de Big Data (16h)
• Escalabilidade multinúcleo (Nickolai Zeldovich)
• Segurança (Nickolai Zeldovich)
• Interfaces de dados (David Karger)
Módulo 5 – Análise de Big Data (16h)
• Ferramentas de aprendizagem automática (Tommi Jaakkola)
• Algoritmos rápidos I (Ronitt Rubinfeld)
• Algoritmos rápidos II (Piotr Indyk)
• Compressão de dados (Daniela Rus)
Big Data