Digital Transformation Data Science Professional

A Digital Transformation Professional Academy da Arcitura se dedica a fornecer um currículo abrangente de cursos de treinamento e certificações com foco em tecnologias, soluções e práticas de Transformação Digital padrão da indústria. Este extenso programa abrange uma série de trilhas especializadas para profissionais de TI, cada uma das quais aborda um conjunto de habilidades específicas para uma profissão comum associada a projetos de transformação digital. Os campos de prática cobertos pelo currículo da Digital Transformation Professional Academy incluem tecnologia de transformação digital, arquitetura, ciência de dados e segurança.

OBJETIVOS DO TREINAMENTO

Um profissional certificado em ciência de dados de transformação digital ganhou conhecimento prático de práticas modernas de ciência de dados, incluindo Big Data, Analytics, Aprendizado de Machine Learning e Inteligência Artificial.

Digital Transformation Data Science Professional
O Profissional Certificado em Ciência de Dados de Transformação Digital entende ainda mais como essas práticas podem ser posicionadas e utilizadas em relação umas às outras como parte de uma solução de Transformação Digital maior. 

Módulo 09

09

Fundamentos de Big Data

Este curso básico fornece uma visão geral dos grandes tópicos de ciência de dados e explora uma variedade das mais relevantes práticas de análise contemporâneas, tecnologias e ferramentas para Big Ambientes de dados. Os tópicos incluem funções de análise comuns e recursos oferecidos por soluções de Big Data, bem como uma exploração do ciclo de vida da análise de Big Data.

Os principais tópicos abrangidos são:

  • Noções básicas sobre Big Data;
  • Terminologia e conceitos fundamentais;
  • Big Data Business & Technology Drivers;
  • Características dos dados em ambientes de Big Data;
  • Tipos de conjuntos de dados em ambientes de Big Data;
  • Análise Fundamental e Analítica;
  • Business Intelligence e Big Data;
  • Visualização de dados e Big Data;
  • O ciclo de vida da análise de Big Data;
  • Teste A / B, Correlação, Regressão;
  • Análise de série temporal, mapas de calor;
  • Análise de rede, análise de dados espaciais;
  • Classificação, Clustering;
  • Filtragem (incluindo filtragem colaborativa e filtragem baseada em conteúdo);
  • Análise de sentimento, analítica de texto.

Conteúdos:

Este curso está disponível como parte de um Kit de Estudo da Arcitura em formatos impressos e de eLearning. Além dos materiais base do curso utilizados durante as oficinas de treinamento, materiais adicionais criados para fins de auto estudo também estão inclusos.

  • Livro de exercícios;
  • Guia de preparação para exames;
  • Cartaz da legenda do símbolo;
  • Cartazes de mapas mentais;
  • Pôster de Padrões e Mecanismos;
  • Flashcards;
  • Aulas em vídeo (somente eLearning).
Este curso está disponível online como parte de um Kit de Estudo eLearning
Este curso está disponível online como parte de um Kit de Estudo eLearning

Módulo 10

10

Fundamentos de Machine Learning

Este curso apresenta a Transformação Digital e fornece detalhes e cobertura de práticas, modelos e tecnologias associadas, junto com cobertura de benefícios, desafios e impulsionadores de negócios e tecnologia. Também explicados sobre comuns Domínios de transformação digital, recursos digitais e adoção de considerações.

Os principais tópicos abrangidos são:

  • Drivers de negócios e tecnologia de aprendizado de Machine Learning;
  • Benefícios e desafios do aprendizado de Machine Learning;
  • Cenários de uso de aprendizado de Machine Learning;
  • Conjuntos de dados, dados estruturados, não estruturados e semiestruturados;
  • Modelos, Algoritmos, Treinamento e Aprendizagem de Modelos;
  • Como funciona o aprendizado de Machine Learning;
  • Coleta e pré-processamento de dados de treinamento;
  • Algoritmo e Seleção de Modelo;
  • Modelos de treinamento e implantação de modelos treinados;
  • Algoritmos e práticas de aprendizado de Machine Learning;
  • Aprendizagem supervisionada, classificação, árvore de decisão;
  • Regressão, Métodos de Conjunto, Redução de Dimensão;
  • Aprendizagem e agrupamento não supervisionados;
  • Aprendizagem Semi-Supervisionada e de Reforço;
  • Práticas recomendadas de aprendizado de máquina;
  • Como funcionam os sistemas de aprendizado de máquina;
  • Mecanismos comuns de aprendizado de máquina;
  • Como os mecanismos são usados ​​no treinamento do modelo;
  • Aprendizado de máquina e aprendizado profundo, inteligência artificial (IA).

Conteúdos

Este curso está disponível como parte de um Kit de Estudo da Arcitura em formatos impressos e de eLearning. Além dos materiais base do curso utilizados durante as oficinas de treinamento, materiais adicionais criados para fins de auto estudo também estão inclusos.

  • Livro de exercícios;
  • Guia de preparação para exames;
  • Cartaz da legenda do símbolo;
  • Cartaz do mapa mental;
  • Pôster de Padrões e Mecanismos;
  • Flashcards;
  • Aulas em vídeo (somente eLearning).
Este curso está disponível online como parte de um Kit de Estudo eLearning
Este curso está disponível online como parte de um Kit de Estudo eLearning

Módulo 11

11

Fundamentos de AI (Inteligência Artificial)

Este curso fornece uma cobertura essencial de inteligência artificial e redes neurais em inglês simples e fácil de entender. O curso fornece uma cobertura concreta das partes primárias da IA incluindo abordagens de aprendizagem, áreas funcionais para as quais os sistemas de IA são usados e uma introdução completa às redes neurais, como elas existem, como eles funcionam e como podem ser usados ​​para processar informações. O curso estabelece ainda um processo passo a passo para a montagem de um Sistema de IA ilustrando assim como e quando diferentes práticas e componentes de sistemas de IA com redes neurais precisam ser definidos e aplicados. Finalmente, o curso fornece um conjunto de princípios fundamentais e práticas recomendadas para projetos de IA.

Os principais tópicos abrangidos são:

  • Motivadores de negócios e tecnologia de IA;
  • Benefícios e desafios da IA;
  • Categorias de problemas de negócios resolvidos pela IA;
  • Tipos de IA (estreito, geral, simbólico, não simbólico, etc.);
  • Abordagens e algoritmos comuns de aprendizagem de IA;
  • Aprendizagem supervisionada, aprendizagem não supervisionada, aprendizagem contínua;
  • Aprendizagem Heurística, Aprendizagem Semi-Supervisionada, Aprendizagem por Reforço;
  • Projetos funcionais comuns de IA;
  • Visão computacional, reconhecimento de padrões;
  • Robótica, Processamento de Linguagem Natural (PNL);
  • Reconhecimento de fala, compreensão da linguagem natural (NLU);
  • Integração sem atrito, Integração do modelo de tolerância a falhas;
  • Redes Neurais, Neurônios, Camadas, Links e Pesos;
  • Noções básicas sobre modelos de IA e modelos de treinamento e redes neurais;
  • Compreender como existem modelos e redes neurais;
  • Perda, hiperparâmetros, taxa de aprendizagem, polarização e época;
  • Funções de ativação (Sigmoid, Tanh, ReLU, Leaky RelU, Softmax, Softplus);
  • Tipos de células neuronais (entrada, retroalimentação, ruidosa, oculta, probabilística, spiking recorrente, Memória, Kernel, nvolution, Pool, Output, Match Input, etc.);
  • Arquiteturas de rede neural fundamental e especializada;
  • Perceptron, Feedforward, Deep Feedforward, AutoEncoder, recorrente, memória de longo / curto prazo;
  • Rede Convolucional Profunda, Máquina de Aprendizagem Extrema e Profunda;
  • Rede Residual;
  • Suporte Vector Machine, Rede Kohonen e Rede Hopfield;
  • Rede Adversarial Generativa, Máquina de Estado Líquido;
  • Como construir um sistema de IA (passo a passo).

Conteúdos

Este curso está disponível como parte de um Kit de Estudo da Arcitura em formatos impressos e de eLearning. Além dos materiais base do curso utilizados durante as oficinas de treinamento, materiais adicionais criados para fins de auto estudo também estão inclusos.

  • Livro de exercícios;
  • Guia de preparação para exames;
  • Suplemento: Redes Neurais;
  • Suplemento: Algoritmos e Práticas;
  • Cartaz da legenda do símbolo;
  • Cartaz do mapa mental;
  • Pôster: Redes Neurais e Mapeamento de Tipos de Neurônios;
  • Pôster: Tipos de Problemas e Mapeamento de Redes Neurais;
  • Pôster: Redes Neurais e Mapeamento de Práticas;
  • Pôster: Tipos de Problemas e Mapeamento de Práticas;
  • Flashcards;
  • Aulas em vídeo (somente eLearning).
Este curso está disponível online como parte de um Kit de Estudo eLearning
Este curso está disponível online como parte de um Kit de Estudo eLearning

EXAME DE APROVAÇÃO

Para obter a Certificação DT90.DAT: Digital Transformation Data Science Professional, é necessário ter feito o exame DT90.SPC: Digital Transformation Specialist e DT90.TEC: Digital Transformation Technology Professional, com nota de aprovação. Para mais informações, visite www.arcitura.com/digital-transformation-data-science-professional.

Saiba mais sobre como agendar esse exame em um centro de testes da Pearson VUE ou por entrega por meio do Proctoring on-line da Pearson VUE, visitando www.pearsonvue.com/arcitura.

Este exame pode estar disponível para entrega no local e supervisão (proctoring) por um instrutor certificado da Arcitura em workshops abertos e privados autorizados. Workshops abertos que incluem supervisão de exames no local estão listados na página Calendário do Workshop.

Image

Os exames aprovados com uma nota 10 ou mais pontos percentuais maior do que a nota de aprovação são considerados aprovados com menção honrosa.

Instituto Brasília de Tecnologia e Inovação - IBTI
Parque Tecnológico de Brasília Lote 04, Bloco B, 1º Andar 70.635-815 Brasília - DF

Pesquisar

  +55 (61) 3468-3889

    +55 (61) 98595-1316
Instituto Brasília de Tecnologia e Inovação - IBTI
Parque Tecnológico de Brasília,
Lote 04, Bloco B, 1º Andar
70.635-815 Brasília/DF - Brasil