Modelagem de Dados para Data Warehouse + Mineração de Dados

O Curso de Modelagem de Dados para Data Warehouse envolve um conjunto de aulas práticas e teóricas abordando os seguintes assuntos: Preparação dos Dados, Problemática geral da Preparação de Dados, Modelagem Multidimensional (Dimensões e Fatos), Tipos de Dimensões, Criação da Modelagem de Dados em um Banco Relacional, Consultas Analíticas em um Data Warehouse (OLAP), Exibição de Análises em Cubos OLAP, Modelagem de Dados de um BI para um HOTEL, Infrações de Trânsito, Notas Fiscais.

O curso é dividido em tópicos (09 módulos), composto de videoaulas que totalizam várias horas de vídeo ininterruptos, provas e exercícios práticos sobre Modelagem de Dados para Data Warehouse. Você pode estudar os módulos no momento em que desejar e tirar dúvidas através de e-mail ou fórum. O ambiente das aulas é totalmente integrado ao software MOODLE (o mais utilizado no mundo para ambientes de Educação à Distância) e você ainda aprenderá técnicas inovadoras de modelagem de dados com bastante aprofundamento prático, além de contar com dicas valiosas de um Professor Mestre formado nas áreas de estatística e computação.

Estudantes de Universidades da área de exatas, Analistas, Desenvolvedores de Sistemas e Profissionais que se interessam em conhecer a construção de um banco de dados multidimensional.

Preparação dos Dados, Problemática geral da Preparação de Dados, Modelagem Multidimensional (Dimensões e Fatos), Tipos de Dimensões, Criação da Modelagem de Dados em um Banco Relacional, Consultas Analíticas em um Data Warehouse (OLAP), Exibição de Análises em Cubos OLAP, Modelagem de Dados de um BI para um HOTEL, , Infrações de Trânsito, Notas Fiscais.

1. Planejamento estratégico da empresa e qualidade dos dados (Processo decisório nas empresas, Problemática geral da preparação de dados)
2. Conceitos sobre Business Intelligence (Conceitos, objetivos, Consultas analíticas em um Data Warehouse (OLAP), Preparação de dados para construção de um Data Warehouse)
3. Modelagem de Dados para Data Warehouse (Principais etapas do desenvolvimento, Identificação dos indicadores)
4. Operações OLAP (Slice e Dice – Ranging, Ranking, Drilling)
5. Tabelas Dimensões
6. Tipos de Dimensão (Slow Changing Dimensions, Fast Changing Monster Dimensions, Junk Dimensions, Dimensões Degeneradas)
7. Hierarquias
8. Tabelas Fato
9. Grão
10. Agregados
11. Star Schema X Snow Flake
12. Matriz Dimensões X Fatos
13. Metadados
14. Ferramentas de construção e consultas de Data Warehouse.
15. Demonstração de ferramenta OLAP (Microsoft Analysis Services)

Atualmente, a mineração de dados se mostra fundamental para a descoberta de novas informações e conhecimento, formatados em regras e padrões, a partir de grandes bases de dados. Nesta perspectiva, torna-se importante o desenvolvimento de um raciocínio crítico acerca dos principais conceitos, problemas e algoritmos relacionados à área de mineração de dados. Esta abordagem visa uma sintonia com as tendências empregadas atualmente no mercado no uso desta tecnologia de modo a preparar o futuro profissional a avaliar e, sobretudo, facilitar seu entendimento no emprego de metodologias e tecnologias avançadas.

O curso é dividido em tópicos (06 módulos), composto de videoaulas que totalizam várias horas de vídeo ininterruptos, provas e laboratórios práticos (05 experimentos). Você pode estudar os módulos no momento em que desejar e tirar dúvidas através de e-mail ou fórum. O ambiente das aulas é totalmente integrado ao software MOODLE (o mais utilizado no mundo para ambientes de Educação à Distância). Além disto, as práticas de mineração de dados serão realizadas em uma das ferramentas mais conhecidas de mercado, o WEKA (software livre).

Estudantes de Universidades da área de exatas, Analistas, Desenvolvedores de Sistemas e Profissionais que se interessam em conhecer a utilização prática de Algoritmos de Mineração de Dados.

Contexto da Mineração de Dados, Preparação dos Dados, Problemática Geral da Preparação de Dados, Técnicas de Mineração de Dados, Conceitos Básicos, Operacionalização do Conhecimento Minerado e sua Interpretação.

1. Contexto da Mineração de Dados (Descoberta de conhecimento em banco de dados, Aplicações práticas e impacto da mineração de dados, Dados de entrada e saída na Mineração de Dados);
2. Técnicas de Mineração de Dados ( Conceitos Básicos, Aprendizado de Máquina);
3. Classificação;
4. Indução de Regras;
5. Árvores de Decisão;
6. Regras de Associação;
7. Agrupamento (clustering);
8. Redes Neurais,
9. Aprendizado Bayesiano (Operacionalização do conhecimento minerado e sua interpretação);
10. Validação do conhecimento descoberto;
11. Weka: uma Ferramenta Java para Classificação, Associação, Clustering e Previsão;
12. Explanação de Interfaces Visuais para interpretação e divulgação do conhecimento (Mineração Visual);
13. Prática do uso do Weka;
14. Artigos da área;

[/dt_sc_fancy_ol]