TÓPICOS DE BIG DATA

EM PYTHON
Aula 01 - Apresentação da Disciplina

Prof: Rodrigo Fernandes dos Santos

Formação Acadêmica
Formação Acadêmica
Doutorando em Ciência da Informação
Escola de Ciência da Informação - UFMG

Mestre em Ciência da Informação

Escola de Ciência da Informação - UFMG

Especialista em Administração Pública, Planejamento e Gestão

Governamental
Fundação João Pinheiro
Especialização em CIÊNCIA DE DADOS E BIG DATA ANALYTICS
Universidades Estácio

Bacharel em Sistemas de Informação

UNIVERSIDADE PRESIDENTE ANTÔNIO CARLOS
Experiência Profissional
Formação Acadêmica
Possui mais de 20 anos de carreira

desenvolvida na área de Tecnologia da

Informação, com ampla experiência no

Gerenciamento de Projetos, Transformação

Digital e Modelagem de soluções de

Enterprise Content Management (ECM) e

Business Process Modeling (BPM).

PLANO DE ENSINO
EMENTA
Princípios de Big Data
Hadoop e Armazenamento
de Dados
Principios de
Desenvolvimento de Spark
Com Python
Análise de Dados em
Python Com Pandas
Big Data Analytics
Objetivos
Criticar os processos de trabalho e obter interpretações rápidas e
valiosas sobre tendências de mercado, baseando-se nos princípios de Big
Data, para planejar o processamento de uma quantidade enorme de
informações fazendo isso com alto desempenho e disponibilidade.
Esquematizar o armazenamento e processamento distribuído de grandes
conjuntos de dados, utilizando a plataforma de código aberto Hadoop,
para criar clusters de computadores com hardware commodity obtendo
armazenamento, processamento, acesso, governança, segurança e
operações de dados.
Objetivos
Construir aplicações de computação paralela, tendo como ferramenta o
PySpark, para criar aplicações com pipeline de aprendizado de máquina
realizando previsões nos dados.
Analisar grandes volumes de dados, utilizando a biblioteca Pandas, para
propor a utilização de técnicas avançadas de análise de dados.
Esquematizar modelo de analises de dados estruturados e
semiestruturados, baseando-se em técnicas de descoberta do
conhecimento, para construir algoritmos de inteligência artificial.
Conteúdo
1 INTRODUÇÃO E APLICAÇÕES AO BIG DATA
Reconhecer os conceitos e as aplicações de Big Data.

2 CONCEITOS DE IOT E COMPUTAÇÃO DISTRIBUÍDA

Categorizar conceitos de Internet das Coisas e computação distribuída.

3 PLATAFORMAS EM NUVEM PARA APLICAÇÕES DE BIG DATA

Categorizar plataformas em nuvem para aplicações de Big Data.

4 PROCESSAMENTO E STREAMING DE DADOS

Identificar aplicações de processamento e streaming de dados.
Conteúdo
Conteúdo
Conteúdo
METODOLOGIA DE AULA E AVALIAÇÃO

•Aulas expositivas, leitura dirigida, análise e discussões de casos

práticos, apresentação de trabalhos individuais e em grupos,

exercícios, textos e filmes, dinâmicas de grupo entre outras

metodologias ativas.

•Critérios de avaliação e composição de nota: Avaliação 1 (AV1),

Avaliação 2 (AV2), Avalição Digital (AVD) e Avaliação 3 (AV3)

Conteúdo
5. APLICANDO RAD (CRÉDITO DIGITAL)

5.1 ETAPAS PARA TRATAMENTO DOS REQUISITOS DE UM SISTEMA NA

METODOLOGIA DE DESENVOLVIMENTO RÁPIDO DE SOFTWARE (RAD)

5.2 MODELAGENS DE NEGÓCIOS E DE DADOS DA RAD

5.3 DESIGN DE INTERFACE COM O USUÁRIO NA RAD

5.4 ESQUEMATIZAÇÃO DE UMA APLICAÇÃO RAD IMPLEMENTADA EM

PYTHON
METODOLOGIA DE AULA E AVALIAÇÃO
Critérios de aprovação
Atingir resultado igual ou superior a 6,0 - calculado a partir da média

aritmética entre os graus das avaliações presenciais e digitais, sendo

consideradas a nota da AVD;

Obter grau igual ou superior a 4,0 em, pelo menos, duas das três

avaliações presenciais e na avaliação digital (AVD);

Frequentar, no mínimo, 75% das aulas ministradas

ACORDOS ENTRE PROFESSOR(A) E ALUNO(A)
ACORDOS ENTRE PROFESSOR(A) E ALUNO(A)
Bibliográfica Básica
Bibliográfica Básica
Você tem alguma pergunta?