SQL e Python para ciência de dados

Este curso tem como objetivo dar uma visão geral de como funciona um projeto de dados, partindo desde a necessidade do negócio com a especificação e criação do banco de dados, depois do banco de dados criado e de realização de diversas consultas SQL, iremos para a especificação de necessidade de Análises do negócio e passando pela criação pela Modelagem Multidimensional, do Data Warehouse, da Análise Exploratória de Dados e da Visualização de Dados. No final ainda comentamos brevemente sobre SQL para grande volume de dados, Bancos NoSQL e uma Clusterização utilizando Machine Learning.

Ementa:

SQL

• Visão geral do curso

• Características comportamentais
• Levantamento de Requisito para criação do Banco de Dados
• Modelagem de Entidade e Relacionamento – MER
• Diagrama de Entidade e Relacionamento – DER
• O que é um Banco de dados?
• O que é uma Tabela?
• Visão geral do SQL Server
• Criação do Banco de dados do projeto
• Criação das tabelas do projeto
• Populando as tabelas
• Consultando as tabelas
  o Principais comandos SQL
• Business Intelligence – BI
  o Visualização de dados com Power BI
  o O que é BI?
  o Data Warehouse – explicação e montagem
  Visualização de dados com Power BI
• Análise Exploratória de Dados com Power BI e com Python
• Dia a dia do profissional de Análise de Dados
  o NoSQL – Visão geral
  o SPARK SQL
• Machine Learning com Python – Visão Geral
• Extras

Você vai aprender:

• Materiais e links
• Aula1 – Sobre o Curso – 07:25
• Aula 2 – Habilidades comportamentais – 24:31
• Aula3 – LevantamentoDeRequisitos – 09:43
• Aula4 – MER – parte 1 de 4 – 26:43
• Aula4 – MER – parte 2 de 4 – 14:48
• Aula4 – MER – parte 3 de 4 – 15:32
• Aula4 – MER – parte 4 de 4 – 17:17
• Aula5 – Modelo Lógico – parte 1 de 4 – 15:00
• Aula5 – Modelo Lógico – parte 2 de 4 – 16:34
• Aula5 – Modelo Lógico – parte 3 de 4 – 15:18
• Aula5 – Modelo Lógico – parte 4 de 4 – Extra – 07:11
• Aula6 – Banco de Dados – parte 1 de 5 – 16:01
• Aula6 – Banco de Dados – parte 2 de 5 – 15:40
• Aula6 – Banco de Dados – parte 3 de 5 – 10:41
• Aula6 – Banco de Dados – parte 4 de 5 – 12:28
• Aula6 – Banco de Dados – parte 5 de 5 – 16:15
• Aula7 – Modelo Físico – parte 1 de 5 – 17:05
• Aula7 – Modelo Físico – parte 2 de 5 – 14:32
• Aula7 – Modelo Físico – parte 3 de 5 – 17:09
• Aula7 – Modelo Físico – parte 4 de 5 – 17:09
• Aula7 – Modelo Físico – parte 5 de 5 – 15:52
• Aula8 – Consultas – parte 1 de 11 – 15:10
• Aula8 – Consultas – parte 2 de 11 – 15:57
• Aula8 – Consultas – parte 3 de 11 – 15:12
• Aula8 – Consultas – parte 4 de 11 – 15:29
• Aula8 – Consultas – parte 5 de 11 – 15:09
• Aula8 – Consultas – parte 6 de 11 – 15:06
• Aula8 – Consultas – parte 7 de 11 – 15:05
• Aula8 – Consultas – parte 8 de 11 – 15:04
• Aula8 – Consultas – parte 9 de 11 – 17:12
• Aula8 – Consultas – parte 10 de 11 – 14:51
• Aula8 – Consultas – parte 11 de 11 – 17:28
• Aula9 – BI e DW – parte 1 de 12 – 15:26
• Aula9 – BI e DW – parte 2 de 12 – 13:38
• Aula9 – BI e DW – parte 3 de 12 – 16:16
• Aula9 – BI e DW – parte 4 de 12 – 15:33
• Aula9 – BI e DW – parte 5 de 12 – 15:31
• Aula9 – BI e DW – parte 6 de 12 – 15:20
• Aula9 – BI e DW – parte 7 de 12 – 15:40
• Aula9 – BI e DW – parte 8 de 12 – 15:25
• Aula9 – BI e DW – parte 9 de 12 – 18:22
• Aula9 – BI e DW – parte 10 de 11 – 15:39
• Aula9 – BI e DW – parte 11 de 12 – 14:47
• Aula9 – BI e DW – parte 12 de 12 – 19:31
• Aula10 – Montagem DW – parte 1 de 10 – 15:00
• Aula10 – Montagem DW – parte 2 de 10 – 14:49
• Aula10 – Montagem DW – parte 3 de 10 – 16:07
• Aula10 – Montagem DW – parte 4 de 10 – 15:44
• Aula10 – Montagem DW – parte 5 de 10 – 15:26
• Aula10 – Montagem DW – parte 6 de 10 – 12:02
• Aula10 – Montagem DW – parte 7 de 10 – 15:24
• Aula10 – Montagem DW – parte 8 de 10 – 17:04
• Aula10 – Montagem DW + AED – parte 9 de 10 – 16:16
• Aula10 – Montagem DW + AED – parte 10 de 10 – 16:01
• Aula11 – AED Python – parte 1 de 2 – 15:50
• Aula11 – AED Python – parte 2 de 2 – 16:46
• Aula12 – Visualizacao de Dados – parte 1 de 10 – 14:48
• Aula12 – Visualizacao de Dados – parte 2 de 10 – 15:34
• Aula12 – Visualizacao de Dados – parte 3 de 10 – 16:07
• Aula12 – Visualizacao de Dados – parte 4 de 10 – 15:25
• Aula12 – Visualizacao de Dados – parte 5 de 10 – 15:08
• Aula12 – Visualizacao de Dados – parte 6 de 11 – 16:45
• Aula12 – Visualizacao de Dados – parte 7 de 11 – 15:33
• Aula12 – Visualizacao de Dados – parte 8 de 11 – 15:37
• Aula12 – Visualizacao de Dados – parte 9 de 11 – 15:07
• Aula12 – Visualizacao de Dados – parte 10 de 11 – 15:54
• Aula13 – Entregáveis, Dia a Dia, NoSQL, SPARK SQL e MACHINE LEARNING – parte 1 de 6 – 10:11
• Aula13 – Entregáveis, Dia a Dia, NoSQL, SPARK SQL e MACHINE LEARNING – parte 2 de 6 – 16:49
• Aula13 – Entregáveis, Dia a Dia, NoSQL, SPARK SQL e MACHINE LEARNING – parte 3 de 6 – 15:55
• Aula13 – Entregáveis, Dia a Dia, NoSQL, SPARK SQL e MACHINE LEARNING – parte 4 de 6 – 25:16
• Aula13 – Entregáveis, Dia a Dia, NoSQL, SPARK SQL e MACHINE LEARNING – parte 5 de 6 – 22:02
• Aula13 – Entregáveis, Dia a Dia, NoSQL, SPARK SQL e MACHINE LEARNING – parte 6 de 6 – 16:34

Carga horária: 18 Horas e 54 Minutos

Prof. Msc. Alex Souza:

É Mestre em Ciência da Computação com foco em Inteligência Artificial, mais especificamente utilizando Natural Language Processing (NLP) pela Universidade Estadual do Ceará. Especialista em Gestão de Banco de Dados e Especialista em Governança de TI pela Estácio FIC. MCTS – SQL Server Implementação e Manutenção (Administração). Professor de Pós-Graduação e Profissional com mais de 12 anos de experiência na área de dados, nos últimos 4 anos atuando como Analista de Dados e BI, administrando o ambiente de BI, higienização, tratamento, extrações e cargas, assim como a disponibilização desses dados. Atualmente focado na conscientização da cultura baseada em dados (data driven), em Governança e Qualidade de Dados, Segurança de Dados (adequação a LGPD – Lei Geral de Proteção de Dados), Elaboração de Painéis e Dashboards conforme o plano estratégico da empresa, utilizando como ferramentas de visualização de dados: Tableau e PowerBI. Projetos envolvendo Machine Learning em andamento.