Scribd Logo
Carregar

Bem-vindo(a) ao Scribd!

  • 13 visualizações

    Aula 01 - Tópc Big Data Py

    Enviado por

    Carlos Eduardo

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd

    Aula 01 - Tópc Big Data Py

    Enviado por

    Carlos Eduardo
    13 visualizações19 páginas

    Direitos autorais

    © © All Rights Reserved

    Formatos disponíveis

    PDF, TXT ou leia online no Scribd

    Você considera este documento útil?

    Este conteúdo é inapropriado?

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    13 visualizações19 páginas

    Aula 01 - Tópc Big Data Py

    Enviado por

    Carlos Eduardo

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    de 19

    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?

    Você também pode gostar