Saltar para o menu de navegação
Saltar para o rodapé
Saltar para os conteúdos
Saltar para o menu de acessibilidade
Saiba como contribuímos para digitalizar a educação pública e promover a solidariedade.

Ciência de Dados

Com o objetivo de democratizar a formação em dados para os estudantes da rede pública de ensino, a Fundação Telefônica Vivo, em parceria com o CIEB (Centro de Inovação para Educação Brasileira), idealizou o primeiro itinerário de formação técnica e profissional em Ciência de Dados para os jovens do Ensino Médio. Este projeto inovador faz parte do Pense Grande Tech, programa que usa a tecnologia como instrumento de transformação e contribui com o desenvolvimento de competências digitais em educadores e estudantes. Além disso, colabora com a implementação de materiais e conteúdos alinhados às competências estabelecidas para educação básica pela Base Nacional Comum Curricular (BNCC) e aos pressupostos do Novo Ensino Médio. O intuito é garantir que os jovens estejam preparados não apenas para o mercado de trabalho, mas para um mundo em constante transformação e impactado pela presença das tecnologias digitais.


Navegue por esta página e conheça os componentes da formação técnica e profissional em Ciência de Dados.

Infográfico Perfil do Egresso - Fundação Telefônica Vivo - Ciência de Dados
 ícone representando gestão de dados da Formação em Ciência de Dados

Carga Horária Total: 400 horas

Saída Intermediária: Assistente de Gestão de Dados

Projeto Profissional: Criação de um banco de dados analítico, com o devido tratamento de dados necessário (limpeza, análise de qualidade prévia) e disponibilização em ao menos uma ferramenta de visualização de dados, utilizando uma base de dados aberta de contexto socioeconômico local/regional.

Unidades Curriculares

Download do Currículo Completo

Competência

Compreender os ambientes organizacionais e a importância dos dados nos processos de transformação digital e inovação, além dos processos de gestão de ciclo de vida dos dados, desde sua originação até o uso.

Carga Horária: 40 horas


Conhecimentos

  • Economia da informação.
  • Transformação digital.
  • Perspectivas de Inovação a partir da transformação digital.
  • Uso de dados para experimentação, validação de hipóteses e tomada de decisão baseada em evidências e dados.
  • Conceitos de Mineração de dados, machine learning e inteligência artificial.
  • Ciclo de vida de dados. Uso dos dados.
  • Governança, privacidade e segurança de dados.
  • Carreira em dados: mercado de trabalho, empregabilidade e empreendedorismo em gestão de dados.

Habilidades

  • Analisar o cenário de transformação digital e o processo de trabalho com dados.
  • Identificar oportunidades para plano de carreira.
  • Caracterizar e relacionar o ciclo de vida dos dados.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Respeito e cuidado nas interações com as pessoas.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no ambiente de trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Reconhece as mudanças nos ambientes organizacionais decorrentes da transformação digital.
  • Diferencia etapas do ciclo de vida dos dados.
  • Associa elementos da transformação digital e a carreira em ciência de dados.

Sugestão de práticas pedagógicas inovadoras

  • Ensino híbrido (sala de aula invertida): Pesquisa sobre fundamentos e práticas da ciência de dados no contexto da transformação digital.
  • Aprendizagem baseada em projetos: Planejamento de possíveis itinerários de trabalho e formação em ciência de dados.
  • Aprendizagem baseada em problemas: Discussão e analise de casos reais de transformação digital, trabalhando principalmente sobre problemas e suas resoluções.
  • Aprendizagem por pares: Estudo sobre o ciclo de vida dos dados de casos de empresas reais.
  • Gamificação: Proposição de jogo para explorar o uso de dados em uma empresa, governança e privacidade dentre outros aspectos.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação, Administração ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência profissional em transformação digital, inovação e metodologias ágeis.

Infraestrutura

  • Sala de aula ou espaço de inovação com Computador Windows, Linux ou Macintosh para o(a) professor(a) conectado a um projetor ou lousa digital.

Projeto profissional: Atividade e Entregáveis

  • Relatório de análise de contexto socioeconômico local/regional, incluindo definição do problema a ser analisado e das tecnologias e metodologias aplicáveis ao projeto profissional.
Download do Currículo Completo

Competência

Projetar, modelar e implementar esquemas de armazenamento de dados;

Criar scripts de manipulação de dados e transformações, utilizando línguagem SQL.

Carga Horária: 120 horas


Conhecimentos

  • Planejamento e estruturação de um ambiente de dados.
  • Etapas de limpeza, carga, armazenamento.
  • Banco de dados: conceitos, tipos e processo de modelagem, implantação, instalação e manutenção.
  • Sistema Gerenciador de Banco de Dados (SGDB).
  • ETL (Extract, Transform and Load).
  • Modelagem conceitual e física de banco de dados.
  • OLTP (transacional) x OLAP (analítica).
  • Datawarehouse. Datawarehouse.
  • Linguagem SQL: histórico, definições e aplicabilidade; agrupamentos de dados, relações entre tabelas (Joins), subconsultas.
  • Linguagem de manipulação de dados (SELECT) e de definição de dados (CREATE, ALTER, INSERT, UPDATE, DELETE).
  • Segurança em banco de dados.

Habilidades

  • Executar procedimentos técnicos com precisão.
  • Compreender a modelagem de um banco de dados relacional e analítico em Sistemas Gerenciadores de Banco de Dados.
  • Aplicar linguagem SQL para criar, consultar, atualizar ou apagar dados em um sistema gerenciador de Banco de Dados.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Respeito e cuidado nas interações com as pessoas.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no ambiente de trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Configura um Sistema de Gerenciamento de Banco de Dados e o ambiente de desenvolvimento conforme as funcionalidades e características da base de dados a ser desenvolvida.
  • Modela um sistema escolhendo corretamente as entidades, relacionamentos, documentos ou esquemas para melhor representar suas características.
  • Cria representações gráficas da modelagem do sistema de seu funcionamento utilizando a linguagem gráfica e os diagramas adequados.
  • Elabora instruções para definir e manipular os dados conforme as funcionalidades e características do sistema a ser representado.
  • Aplica linguagem SQL para criar, consultar, atualizar ou apagar dados em um Sistema Gerenciador de Banco de Dados.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologia: Vídeo, animação ou apresentação de slides que ilustre a importância da visualização de dados e do data mining no contexto da enorme quantidade de dados (estruturados e não estruturados) gerada pela sociedade diariamente.
  • Ensino híbrido (Sala de aula invertida): Pesquisa sobre bancos de dados não relacionais (NoSQL) e suas abordagens (Documentos, Grafos, Chave-Valor, etc.)
  • Ensino personalizado: Uso de plataforma de quiz adaptativo para realizar testes sobre normalização de banco de dados e suas formas normais.
  • Aulas mão na massa: Programação de diversas consultas (queries) em um banco de dados utilizando a linguagem SQL e que devolvam conjuntos de dados utilizando diferentes critérios, técnicas de sumarização, parâmetros etc.
  • Aprendizagem baseada em projetos: Modelagem de um banco de dados para um sistema escolhido pelo grupo (ex: Agência de Viagens, Concessionária de Veículos, Consultas médicas, etc.)

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sistema Gerenciador de Banco de Dados (SGBD) em código aberto (ex: MariaDB, MySQL etc.) ou versão de estudante de bancos proprietários (ex: SQL Server, Oracle DB etc.) local ou em nuvem.
  • SGBD NoSQL (ex: Google Big Query, MongoDB, Cassandra etc.).

Projeto profissional: Atividade e Entregáveis

  • Diagrama de tabelas (modelagem de dados) em formato entidades e relacionamentos, referenciando quais são os objetos presentes no banco de dados, seja relacional, seja dimensional (analítico).
  • Descritivo das transformações de dados presentes entre uma estrutura relacional de dados e uma estrutura dimensional (analítica).
Download do Currículo Completo

Competência

Aplicar conhecimentos e técnicas de lógica de programação utilizando línguagens voltadas a dados.

Carga Horária: 80 horas


Conhecimentos

  • Desenvolvimento de software.
  • Ciclo de desenvolvimento de sistemas.
  • Ambientes Integrados de Desenvolvimento (IDEs).
  • Lógica de programação.
  • Algoritmos.
  • Vetor.
  • Matriz e dataframe.
  • línguagem de programação.
  • Tipos de dados.
  • Estruturas de programação de fluxo (repetição, condicionais, atribuições de variáveis).

Habilidades

  • Aplicar as técnicas de desenvolvimento de software mais adequadas de acordo a situação e com as necessidades.
  • Executar procedimentos técnicos com precisão.
  • Aplicar lógica de programação para desenvolver algoritmos.
  • Escrever programas de computadores em linguagem de programação textual utilizando o imperativo e a programação estruturada.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Respeito e cuidado nas interações com as pessoas.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no ambiente de trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Desenvolve algoritmos que representam a lógica apropriada ao desenvolvimento do software a ser realizado, por meio de representações visuais, português estruturado ou línguagem de programação.
  • Testa algoritmos para escolha dos algoritmos mais apropriados ao desenvolvimento do código.
  • Escolhe os tipos de dados corretos para representar as informações desejadas em um programa.
  • Insere e atualiza comentários em todo o processo de elaboração do código.
  • Utiliza boas práticas de escrita de código escrevendo programas que sejam legíveis, claros e bem indentados.
  • Analisa um algoritmo e faz inferências sobre possíveis falhas, desempenho e pontos de melhoria em termos de recursos computacionais.
  • Realiza a depuração para verificar erros na programação e fazer os devidos ajustes no código desenvolvido.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologia: Projeção em tela de demonstração dos passos do processo de compilação de um programa, desde o código fonte até a geração do executável.
  • Ensino híbrido (Sala de aula invertida): Pesquisa prévia sobre o que são variáveis, qual sua utilidade em um programa e quais exemplos de uso, para posterior discussão em sala.
  • Ensino híbrido (Rotação por estação): Enquanto em uma estação os estudantes representam um algoritmo para um dado problema por meio de um fluxograma, em outra representam o mesmo algoritmo utilizando uma linguagem por blocos e em outra implementam o algoritmo em uma linguagem de programação.
  • Ensino personalizado: Utilização de um juiz online (ex: https://www.urionlinejudge.com.br/ ) para identificar as dificuldades dos estudantes em cada tópico de algoritmos.
  • Programação em pares: Prática de programação em duplas utilizando uma linguagem textual (ex: Python, C, Javascript, etc.)
  • Kanban ou EduScrum: planejamento e acompanhamento das etapas do projeto de desenvolvimento de software.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Compilador ou interpretador para a linguagem de programação textual escolhida para o curso (ex.: Python, C, Javascript etc.)
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, PyCharm, VS Code etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.

Projeto profissional: Atividade e Entregáveis

  • Código-fonte documentado (com explicações das etapas em comentários) em alguma linguagem de programação voltada a dados, bem como diagramas de apoio (ex. fluxograma) que se faça necessário para entendimento do código.
Download do Currículo Completo

Competência

Aplicar técnicas de limpeza e tratamento de dados, compreendendo suas estruturas.

Carga Horária: 40 horas


Conhecimentos

  • Dados estruturados.
  • Análise de qualidade de dados.
  • Tipos de estruturas e dados.
  • Tratamento, transformação e limpeza de dados.

Habilidades

  • Identificar estruturas de dados, técnicas de limpeza e tratamento de dados.
  • Executar procedimentos técnicos com precisão.
  • Desenvolver limpeza e tratamento de dados.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Respeito e cuidado nas interações com as pessoas.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no ambiente de trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Identifica diferentes estruturas de dados.
  • Exemplifica técnicas de limpeza e tratamento de dados.
  • Pratica limpeza e tratamento de dados conforme especificações de um projeto de dados.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologia: Projeção e discussão sobre estrutura de dados.
  • Ensino híbrido (Sala de aula invertida): Pesquisa sobre técnicas de tratamento e limpeza de dados, ferramentas, modelos, dentre outros.
  • Aprendizagem baseada em problemas: Discussão e resolução de problemas relacionados a limpeza e tratamento de dados, considerando suas especificidades e melhores práticas.
  • Aulas Mão na massa: Prática de limpeza de dados a partir de técnicas específicas.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sistema Gerenciador de Banco de Dados (SGBD) em código aberto (ex: MariaDB, MySQL etc.) ou versão de estudante de bancos proprietários (ex: SQL Server, Oracle DB etc.) local ou em nuvem.
  • SGBD NoSQL (ex: Google Big Query, MongoDB, Cassandra etc.).

Projeto profissional: Atividade e Entregáveis

  • Relatório documentando estruturas de dados utilizadas (formatos, descrição das tabelas utilizadas como exemplo dicionário de dados).
  • Relatório de análise de qualidade de dados (documentação complementar as tabelas e/ou dicionários de dados com resultado da análise de cada campo das tabelas, verificando se estão preenchidos, se o conteúdo está adequado, se há valores espúrios, etc).
Download do Currículo Completo

Competência

Aplicar técnicas de visualização, painéis ou gráficos para comunicar informações contidas nos dados.

Carga Horária: 40 horas


Conhecimentos

  • Data viz (visualização de dados).
  • Abstração de dados e tarefas.
  • Análise.
  • Gráficos (de pontos, de barras, de linhas, de pizza, de dispersão, mapas de calor, mapas georreferenciados, de bolha, histograma, de bala, de árvore, radar etc.).
  • Tabelas Dinâmicas.
  • Manipulação de visões (views).
  • Tabelas pivotantes.
  • Dashboards (painéis de controle).
  • Ferramentas de visualização de dados (PowerBI, Tableau etc.).

Habilidades

  • Utilizar as melhores técnicas de visualizações, dashboards ou gráficos para comunicar informações contidas nos dados.
  • Executar procedimentos técnicos com precisão.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Respeito e cuidado nas interações com as pessoas.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no ambiente de trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Utiliza as melhores técnicas de visualização para comunicar informações contidas nos dados.
  • Cria dashboards que representem as informações contidas nos dados e que servirão para tomada de decisão.
  • Seleciona os gráficos e visualizações mais adequadas para permitir inferências acerca das informações contidas nos dados.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologia: Projeção e discussão sobre visualização de dados, destacando seus fundamentos e práticas.
  • Ensino híbrido (sala de aula invertida): Pesquisa sobre técnicas e melhores práticas de visualização de dados, considerando ferramentas mais utilizadas, suas características, dentre outros aspectos relevantes.
  • Aulas mão na massa: Prática de criação de dashboards para comunicação de informações dos dados.
  • Ensino híbrido (Rotação por estação): Utilizando uma planilha eletrônica simulando um banco de dados com grande quantidade de linhas e colunas, organizar três ou quatro estações onde os alunos tenham que escolher tipos de gráficos (barra, pizza, linha, pictóricos, mapas geográficos, etc.) mais adequados para visualizar determinadas informações contidas no banco e ao final, montar um infográfico que mostre as informações mais relevantes.
  • Aprendizagem em pares: Desenho de mapa conceitual sobre o processo de criação de comunicação de dados.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Compilador ou interpretador para a linguagem de programação estatística escolhida para o curso (ex.: Python, R etc.) e/ou planilhas de cálculo (Excel, Google Sheets etc) e/ou ferramentas de visualização de dados que permitam executar cálculos (PowerBI, Tableau etc).
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, RStudio, Jupyter Notebook etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.

Projeto profissional: Atividade e Entregáveis

  • Dashboard produzido em ferramenta de visualização de dados demonstrando graficamente os dados utilizados em uma das etapas do projeto.
Download do Currículo Completo

Competência

Compreender e apresentar insights sobre dados em vários formatos, incluindo apresentações orais, relatórios escritos e visualizações interativas sobre tópicos em gestão de dados.

Carga Horária: 40 horas


Conhecimentos

  • Reading: Compreensão de textos, relatórios e outros registros escritos sobre tópicos em gestão de dados.
  • Listening: Compreensão de comunicação oral ao vivo ou gravada sobre tópicos em gestão de dados.
  • Speaking: Comunicação pessoal e apresentações profissionais sobre tópicos em gestão de dados.
  • Writing: Escrita de instruções, descrições e explicações sobre tópicos em gestão de dados.
  • Linguagem: Compreensão e uso de vocabulário e estrutura gramatical na comunicação oral, escrita e visual relacionada à área de gestão de dados.

Habilidades

  • Identificar vocabulário em língua inglesa relacionado ao campo de trabalho.
  • Organizar apresentações em língua inglesa.
  • Interpretar textos em língua inglesa.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Respeito e cuidado nas interações com as pessoas.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no ambiente de trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Distingue vocabulário pertinente ao trabalho na gestão de dados.
  • Reconhece texto (falado e escrito) em língua inglesa relacionado a gestão de dados.
  • Elabora apresentações em língua inglesa sobre gestão de dados.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: criação de página ou grupo em redes sociais para troca de mensagens escritas e orais em inglês sobre temáticas relacionadas à gestão de dados.
  • Ensino híbrido (sala de aula invertida): Pesquisa sobre vocabulário em língua inglesa utilizado na gestão de dados.
  • Aulas mão na massa: Prática de construção de texto/apresentações em língua inglesa relacionada a gestão de dados.
  • Aulas mão na massa: Prática de análise de texto em língua inglesa relacionado a gestão de dados.
  • Aprendizagem em pares: Discussão e análise de texto ou vídeo em língua inglesa remetendo a gestão de dados ou processo específico da gestão.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sala de aula ou espaço de inovação com Computador Windows, Linux ou Macintosh para o(a) professor(a) conectado a um projetor ou lousa digital.

Projeto profissional: Atividade e Entregáveis

  • Versão em inglês do dashboard produzido em ferramenta de visualização de dados demonstrando graficamente os dados utilizados em uma das etapas do projeto.
Download do Currículo Completo

Carga Horária: 40 horas


Cada Unidade Curricular (UC) da saída intermediária "Assistente de Gestão de Dados" tem a sua atividade e entregáveis abaixo.

Atividade e Entregáveis

UC 01 - Transformação digital e inovação

Relatório de análise de contexto socioeconômico local/regional, incluindo definição do problema a ser analisado e das tecnologias e metodologias aplicáveis ao projeto profissional.

UC 02 - Armazenamento, manipulação e transformação de dados*

Diagramação de tabelas (modelagem de dados) em formato entidades e relacionamentos, referenciando quais são os objetos presentes no banco de dados, seja relacional, seja dimensional (analítico).

Descritivo das transformações de dados presentes entre uma estrutura relacional de dados e uma estrutura dimensional (analítica).

UC 03 - Lógica e linguagens de programação

Código-fonte documentado (com explicações das etapas em comentários) em alguma linguagem de programação voltada a dados, bem como diagramas de apoio (ex. fluxograma) que se faça necessário para entendimento do código.

UC 04 - Estruturas e qualidade de dados

Relatório documentando estruturas de dados utilizadas (formatos, descrição das tabelas utilizadas como exemplo dicionário de dados).

Relatório de análise de qualidade de dados (documentação complementar as tabelas e/ou dicionários de dados com resultado da análise de cada campo das tabelas, verificando se estão preenchidos, se o conteúdo está adequado, se há valores espúrios, etc).

UC 05 - Visualização de dados*

Dashboard produzido em ferramenta de visualização de dados demonstrando graficamente os dados utilizados em uma das etapas do projeto.

UC 06 - Inglês aplicado à gestão de dados

Versão em inglês do dashboard produzido em ferramenta de visualização de dados demonstrando graficamente os dados utilizados em uma das etapas do projeto.

*Corresponde à UC16 - "Armazenamento e visualização de dados" do Currículo de Tecnologia e Comunicação ( https://curriculo.cieb.net.br/profissional ), desmembrada aqui em duas UCs.


Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Respeito e cuidado nas interações com as pessoas.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no ambiente de trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sistema Gerenciador de Banco de Dados (SGBD) em código aberto (ex: MariaDB, MySQL etc.) ou versão de estudante de bancos proprietários (ex: SQL Server, Oracle DB etc.) local ou em nuvem. SGBD NoSQL (ex: Google Big Query, MongoDB, Cassandra etc.).
  • Compilador ou interpretador para a línguagem de programação estatística escolhida para o curso (ex.: Python, R etc.) e/ou planilhas de cálculo (Excel, Google Sheets etc) e/ou ferramentas de visualização de dados que permitam executar cálculos (PowerBI, Tableau etc).
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, RStudio, Jupyter Notebook etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.
ícone representando Big Data da Formação em Ciência de Dados

Carga Horária Total: 240 horas

Saída Intermediária: Assistente de Big Data

Projeto Profissional: Criação de uma startup ou CoE (Centro de Excelência) em dados, preferencialmente no contexto socioeconômico local/regional.

Unidades Curriculares

Download do Currículo Completo

Competência

Avaliar metodologias e ferramentas para a infraestrutura de processamento de dados em larga escala.

Carga Horária: 40 horas


Conhecimentos

  • Fundamentos e arquitetura de big data.
  • Infraestrutura de processamento de dados.
  • Processamento massivo paralelo.
  • Spark.
  • Ferramentas de tratamento de dados.
  • Processamento de dados em lote.
  • Processamento de dados contínuo e em tempo real.
  • Grande volume de dados (Big Data).
  • Tabelas SQL com muitas linhas: partições.
  • Uso de índices e plano de execução.
  • Ferramentas de processamento paralelo: Big query, hadoop, clusters.
  • Tipos de dados estruturados, semiestruturados e não-estruturados.

Habilidades

  • Analisar técnicas de Big Data em sistemas computacionais locais e em nuvem.
  • Identificar soluções para análise de grande volume de dados, estruturados e não-estruturados.
  • Executar procedimentos técnicos com precisão.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Classifica metodologias e ferramentas para o trabalho com dados em larga escala.
  • Escolhe metodologia e ferramenta de trabalho com dados em larga escala de acordo com um projeto de dados.
  • Experimenta metodologia e ferramentas para o trabalho com dados em larga escala.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Projeção e discussão sobre os fundamentos de Big Data.
  • Ensino híbrido (Sala de aula invertida): Pesquisa sobre tecnologias e ferramentas para Big Data, considerando suas especificações técnicas.
  • Aula mão na massa: Análise de metodologias e ferramentas para infraestrutura de processamento de dados em grande escala.
  • Ensino Híbrido (Rotação por estação): estudo de casos de utilização de metodologias e ferramentas para análise de grande volume de dados.
  • Design thinking: proposição de soluções de análise de grande volume de dados, sejam eles estruturados ou não.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sistema Gerenciador de Banco de Dados (SGBD) em código aberto (ex: MariaDB, MySQL etc.) ou versão de estudante de bancos proprietários (ex: SQL Server, Oracle DB etc.) local ou em nuvem.
  • SGBD NoSQL (ex: Google Big Query, MongoDB, Cassandra etc.).

Projeto profissional: Atividade e Entregáveis

  • Relatório de análise de contexto, citando quais tecnologias e métodos são aplicáveis a proposta que está sendo analisada no que diz respeito a grandes volumes de dados.
  • Apresentação da estrutura da Startup, podendo utilizar modelo canvas para desenhar a proposta.
Download do Currículo Completo

Competência

Aplicar as melhores práticas de desenvolvimento de software, gestão de código e repositório, teste e implantação de sistemas computacionais.

Carga Horária: 40 horas


Conhecimentos

  • Engenharia de software.
  • Repositório de código e versionamento.
  • API's.
  • Serviços e microsserviços x monolito.
  • Engenharia de Requisitos.
  • Metodologias de desenvolvimento de software.
  • Qualidade de software.
  • Testes.

Habilidades

  • Aplicar as técnicas de desenvolvimento de software mais adequadas de acordo a situação e com as necessidades.
  • Executar procedimentos técnicos com precisão.
  • Utilizar as melhores técnicas e métodos no planejamento, análise, implementação, testes e evolução de sistemas em pipelines de dados.
  • Utilizar as melhores práticas para entender e documentar as necessidades de todas as partes interessadas no desenvolvimento.
  • Desenvolver testes de sistemas computacionais.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Seleciona metodologia de testes para assegurar o funcionamento do código.
  • Seleciona ferramentas específicas de testes de acordo com o tipo de teste a ser executado.
  • Testa o software desenvolvido para verificar a qualidade do código elaborado.
  • Recomenda ajustes e melhorias para o código a partir da análise dos resultados dos testes.
  • Documenta os resultados de testes para manter o histórico de desenvolvimento.
  • Realiza a customização do código conforme as necessidades.
  • Executa o roteiro de testes para verificar a aderência aos requisitos e a funcionalidades.
  • Implanta o código conforme análise de requisitos técnicos da plataforma.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Projeção de um vídeo sobre desenvolvimento ágil, seguido de discussão sobre os potenciais benefícios e problemas desse método.
  • Ensino híbrido (Sala de aula invertida): Pesquisa prévia sobre o que faz um Scrum Master para posterior discussão sobre como funciona a metodologia Scrum.
  • Ensino híbrido (Rotação por estação): Em uma estações, os estudantes poderiam organizar uma série de tarefas de desenvolvimento em um cronograma, em outra poderiam organizar as funcionalidades em sprints e em outra a organização de um conjunto de tarefas em um fluxo utilizando a ferramenta de Kanban.
  • Ensino personalizado: Utilizar uma plataforma de quiz adaptativos para realizar testes sobre os principais conceitos sobre UML.
  • Aulas mão na massa: Modelagem de um sistema escolhido (ex: Controle de consultas médicas, pedidos de um restaurante, etc.) utilizando os principais diagramas UML (Classes, Componentes, Atividade, Sequência, etc.).
  • Aprendizagem baseada em projetos: Modelagem de um pequeno sistema, desde a entrevista com o cliente até a simulação do desenvolvimento utilizando métodos ágeis para controle do projeto.
  • Kanban ou EduScrum: planejamento e acompanhamento de testes de código e sistemas

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Compilador ou interpretador para a linguagem de programação textual escolhida para o curso (ex.: Python, C, Javascript etc.).
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, PyCharm, VS Code etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.
  • Acesso a repositório integrador para gestão de código/versionamento (Github, Gitlab etc.).

Projeto profissional: Atividade e Entregáveis

  • Configuração de um repositório de código, com ao menos uma publicação e geração de duas versões demonstrando o fluxo completo de versionamento.
  • Partes de código-fonte com rotinas de tratamento de erros.
  • API criada para exibição de informações de alguma natureza do projeto desenvolvido.
Download do Currículo Completo

Competência

Utilizar linguagens e ferramentas para ingestão de dados.

Carga Horária: 80 horas


Conhecimentos

  • ETL (Extract, Transform and Load) x ELT (Extract, Load and Transform).
  • Fundamentos de Ingestão de dados.
  • Pipelines de dados.
  • Agendamento de tarefas para ingestão de dados.
  • Ingestão em Lote x Ingestão em Streaming.
  • Métodos e ferramentas para ingestão de dados.

Habilidades

  • Identificar ferramentas para ingestão de dados.
  • Aplicar técnicas de ingestão de dados.
  • Executar procedimentos técnicos com precisão.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Demonstra a estruturação do processo de ingestão de dados em um projeto.
  • Operacionaliza processo de ingestão de dados conforme técnica e ferramenta selecionada.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Exposição sobre Ingestão de dados, fundamentos e práticas.
  • Ensino híbrido (Rotação por estação): Em uma estações, os estudantes podem organizar uma série de tarefas de desenvolvimento em um cronograma para ingestão de dados, em outra poderiam organizar as funcionalidades em sprints e em outra a organização de um conjunto de tarefas em um fluxo utilizando a ferramenta de Kanban.
  • Gamificação: participação em competições multiusuários internacionais para solução de desafios de dados (ao estilo Kaggle, por exemplo).

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sistema Gerenciador de Banco de Dados (SGBD) em código aberto (ex: MariaDB, MySQL etc.) ou versão de estudante de bancos proprietários (ex: SQL Server, Oracle DB etc.) local ou em nuvem.
  • SGBD NoSQL (ex: Google Big Query, MongoDB, Cassandra etc.).

Projeto profissional: Atividade e Entregáveis

  • Criação de ao menos uma estrutura funcional em código ou ferramenta visual para execução de um ETL ou pipeline de dados desde a extração de um dado em seu estado bruto até uma tabela pronta para uso em análise.
Download do Currículo Completo

Competência

Compreender e apresentar insights sobre dados em vários formatos, incluindo apresentações orais, relatórios escritos e visualizações interativas sobre tópicos em Big Data.

Carga Horária: 40 horas


Conhecimentos

  • Reading: Compreensão de textos, relatórios e outros registros escritos sobre tópicos em Big Data.
  • Listening: Compreensão de comunicação oral ao vivo ou gravada sobre tópicos em Big Data.
  • Speaking: Comunicação pessoal e apresentações profissionais sobre tópicos em Big Data.
  • Wiriting: Escrita de instruções, descrições e explicações sobre tópicos em Big Data.
  • Linguagem: Compreensão e uso de vocabulário e estrutura gramatical na comunicação oral, escrita e visual relacionada a Big Data.

Habilidades

  • Identificar vocabulário em língua inglesa relacionado ao campo de trabalho.
  • Organizar apresentações em língua inglesa.
  • Interpretar textos em língua inglesa.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Distingue vocabulário pertinente ao trabalho com Big Data.
  • Reconhece texto (falado e escrito) em língua inglesa relacionado a Big Data.
  • Elabora apresentações em língua inglesa sobre Big Data.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Criação de página ou grupo em redes sociais para troca de mensagens escritas e orais em inglês sobre temáticas relacionadas a Big Data.
  • Ensino híbrido (sala de aula invertida): Pesquisa sobre vocabulário em língua inglesa utilizado Big Data.
  • Aulas mão na massa: Prática de construção de texto/apresentações em língua inglesa relacionada a Big Data.
  • Aulas mão na massa: Prática de análise de texto em língua inglesa relacionado a Big Data.
  • Aprendizagem em pares: Discussão e análise de texto ou vídeo em língua inglesa remetendo a Big Data ou processo específico em Big Data.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sala de aula ou espaço de inovação com Computador Windows, Linux ou Macintosh para o(a) professor(a) conectado a um projetor ou lousa digital.

Projeto profissional: Atividade e Entregáveis

  • Versão em inglês do Business Model Canvas ou da apresentação de slides para representar a estrutura da startup ou Centro de Excelência voltado a dados.
Download do Currículo Completo

Carga Horária: 40 horas


Cada Unidade Curricular (UC) da saída intermediária "Assistente de Big Data" tem a sua atividade e entregáveis abaixo.

Atividade e Entregáveis

UC 08 - Ecossistema de Big Data

Relatório de análise de contexto, citando quais tecnologias e métodos são aplicáveis a proposta que está sendo analisada no que diz respeito a grandes volumes de dados.

Apresentação da estrutura da Startup, podendo utilizar modelo canvas para desenhar a proposta.

UC 09 - Desenvolvimento de sistemas aplicados a dados

Configuração de um repositório de código, com ao menos uma publicação e geração de duas versões demonstrando o fluxo completo de versionamento.

Partes de código-fonte com rotinas de tratamento de erros.

API criada para exibição de informações de alguma natureza do projeto desenvolvido.

UC 10 - Ingestão de dados

Criação de ao menos uma estrutura funcional em código ou ferramenta visual para execução de um ETL ou pipeline de dados desde a extração de um dado em seu estado bruto até uma tabela pronta para uso em análise.

UC 11 - Inglês aplicado à Big Data

Versão em inglês do Business Model Canvas ou da apresentação de slides para representar a estrutura da startup ou Centro de Excelência voltado a dados.


Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade nos processos de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sistema Gerenciador de Banco de Dados (SGBD) em código aberto (ex: MariaDB, MySQL etc.) ou versão de estudante de bancos proprietários (ex: SQL Server, Oracle DB etc.) local ou em nuvem.
  • SGBD NoSQL (ex: Google Big Query, MongoDB, Cassandra etc.).
  • Compilador ou interpretador para a linguagem de programação textual escolhida para o curso (ex.: Python, C, Javascript etc.)
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, PyCharm, VS Code etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.
  • Acesso a repositório integrador para gestão de código/versionamento (Github, Gitlab etc.).
 ícone representando análise de dados da Formação em Ciência de Dados

Carga Horária Total: 360 horas

Saída Intermediária: Assistente de Análise de Dados

Projeto Profissional: Organização de um hackathon baseado em dados governamentais abertos para endereçar algum problema social.

Unidades Curriculares

Download do Currículo Completo

Competência

Aplicar estatísticas descritivas e distribuições para análise de dados.

Carga Horária: 120 horas


Conhecimentos

  • Estatísticas descritivas, métricas e gráficos.
  • Média Aritmética, Mediana, Amplitude, Variância, Desvio Padrão, Outliers, Teste Z.
  • Distribuições de dados.
  • Distribuição normal.
  • Histograma.
  • Gráfico de dispersão.
  • Covariância.
  • Coeficiente de correlação linear.
  • Probabilidade.

Habilidades

  • Identificar as principais características dos métodos estatísticos aplicados a análise de dados.
  • Executar cálculos estatísticos com precisão.
  • Estruturar cálculos estatísticos para fundamentar análise de dados.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade no processo de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Desenvolve cálculos estatísticos conforme parâmetros matemáticos e do projeto de dados.
  • Elabora estatísticas descritivas e distribuições para compor a análise de dados.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Exposição sobre técnicas e métodos estatísticos aplicados à análise de dados.
  • Ensino híbrido (Sala de aula invertida): Pesquisa prévia sobre estatística descritiva básica para posterior discussão em sala.
  • Ensino personalizado: Uso uma plataforma de quiz adaptativos para realizar testes com aplicações estatísticas.
  • Gamificação: Realização de desafios cronometrados para solução de cálculos estatísticos.

Perfil Docente

  • Profissional com formação técnica ou superior em Matemática, Estatística ou afim (em geral áreas de exatas ou outra área com pós-graduação com disciplinas de matemática e/ou estatística) e experiência profissional em análise de dados e SQL.

Infraestrutura

  • Compilador ou interpretador para a linguagem de programação estatística escolhida para o curso (ex.: Python, R etc.) e/ou planilhas de cálculo (Excel, Google Sheets etc).
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, RStudio, Jupyter Notebook etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.

Projeto profissional: Atividade e Entregáveis

  • Relatório de análise de dados, utilizando as estatísticas descritivas básicas e gráficos básicos sobre uma ou mais tabelas críticas do projeto, incluindo objetivo da análise, tratamento dos dados até análise em si.
Download do Currículo Completo

Competência

Desenvolver análises exploratórias e descritivas de dados, utilizando-se ferramentas de análise de dados, identificando tendências e métodos em inteligência artificial.

Carga Horária: 80 horas


Conhecimentos

  • Business Analytics.
  • Análise de dados.
  • Análise de causa-raiz.
  • Análise de correlação.
  • Análise de conglomerados.
  • Gráficos de dispersão para correlações.
  • Gráficos de dispersão para conglomerados.
  • Análise de causalidade, causa-consequência.
  • Recomendações.
  • Ferramentas de análise de dados.
  • Carga de dados nas ferramentas.
  • Métodos de Inteligência Artificial para análise de dados.

Habilidades

  • Utilizar ferramentas de análise de dados.
  • Identificar tendências e métodos na análise de dados.
  • Executar procedimentos técnicos com precisão.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade no processo de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Analisa dados conforme parâmetros estabelecidos.
  • Examina conjunto de dados.
  • Organiza dados e sua respectiva análise para compartilhamento.
  • Elabora relatórios de análise de dados.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Projeção de casos demonstrando utilização de Business Analytics em negócios dados.
  • Ensino híbrido (Sala de aula invertida): Pesquisa prévia sobre ferramentas de análise de dados.
  • Ensino híbrido (Rotação por estação): estudo de casos de utilização de ferramentas de análise de dados.
  • Programação em pares: Prática de análise de dados em duplas utilizando ferramentas e métodos de inteligência artificial.

Perfil Docente

  • Profissional com formação técnica ou superior em Matemática, Estatística ou afim (em geral áreas de exatas ou outra área com pós-graduação com disciplinas de matemática e/ou estatística) e experiência profissional em análise de dados e SQL.

Infraestrutura

  • Compilador ou interpretador para a linguagem de programação estatística escolhida para o curso (ex.: Python, R etc.) e/ou planilhas de cálculo (Excel, Google Sheets etc).
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, RStudio, Jupyter Notebook etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.

Projeto profissional: Atividade e Entregáveis

  • Relatório de análise de dados, utilizando ferramenta estatística ou línguagem computacional para análise de dados contendo análises de correlações e/ou conglomerados, baseadas ao menos em 1 tabela crítica do projeto.
Download do Currículo Completo

Competência

Aplicar metodologias ágeis a projetos de dados em ambientes organizacionais.

Carga Horária: 40 horas


Conhecimentos

  • Metodologias ágeis (Scrum, Kanban, Lean, Design Thinking, Canvas, Safe, XP - Extreme Programming, FDD - Feature Driven Development).
  • Cerimônias: formação de backlog, reuniões de planejamento, acompanhamento diário, revisão e retrospectiva.
  • Estrutura de trabalho em esquadrões multidisciplinares.

Habilidades

  • Identificar metodologias ágeis pertinentes a um projeto de dados.
  • Organizar documentos e etapas de um projeto a partir de uma metodologia ágil.
  • Planejar a execução de tarefas e etapas de um projeto de dados.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade no processo de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Seleciona métodos ágeis para serem utilizados no processo de trabalho com dados.
  • Implementa ações no trabalho com dados conforme planejamento e metodologias ágeis.
  • Integra conhecimentos e práticas para solucionar problemas.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Apresentação ágil (do tipo Pecha Kucha) com resumo das metodologias ágeis.
  • Aulas mão na massa: Análise de metodologias ágeis pertinentes a diferentes projetos de dados.
  • Kanbam ou Eduscrum: Planejamento e acompanhamento de etapas, tarefas e documentos de um projeto de dados.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação, Administração ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência profissional em transformação digital, inovação e metodologias ágeis.

Infraestrutura

  • Sala de aula ou espaço de inovação com Computador Windows, Linux ou Macintosh para o(a) professor(a) conectado a um projetor ou lousa digital.

Projeto profissional: Atividade e Entregáveis

  • Desenho da estrutura e ferramentas ágeis aplicadas, em formato 1 página ou 1 slide, com a sistemática (reuniões, back-log, etc) utilizada durante o andamento do projeto.
  • Back-log em formato de lista ou documento com versão inicial do projeto e versão final, demonstrando as características desenvolvidas durante o mesmo.
Download do Currículo Completo

Competência

Aplicar técnicas de visualização de dados em um contexto adequado para apresentação de uma solução ou resultado de análise.

Carga Horária: 40 horas


Conhecimentos

  • Data Storytelling.
  • Criação de gráficos em planilhas.
  • Criação de gráficos em ferramentas de visualização de dados.
  • Desenvolvimento de visualização de dados.
  • Ferramentas de planejamento da história de dados.
  • Técnicas de comunicação de dados e oratória.
  • Narrativas.
  • Jornada do Herói.
  • Storyboard.
  • Dados como personagens.

Habilidades

  • Identificar elementos que compõem o data storytelling.
  • Aplicar técnicas adequadas para composição do data storytelling.
  • Implementar visualização eficaz de dados

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade no processo de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Organiza dados e informações de acordo com plano de apresentação e visualização.
  • Elabora apresentação dos dados considerando estratégias de visualização.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Projeção e discussão sobre data storytelling, destacando seus fundamentos e práticas.
  • Ensino híbrido (sala de aula invertida): Pesquisa sobre exemplos de dashboards com storytelling para identificação de melhores práticas.
  • Aulas mão na massa: Prática de aperfeiçoamento de dashboards combinando elementos visuais e escritos.
  • Aprendizagem baseada em problemas: Discussão e proposição de soluções em casos de comunicação de dados que não tiveram bons resultados.
  • Design thinking: Criação de protótipos de dashboards enriquecidas com técnicas de storytelling

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Compilador ou interpretador para a linguagem de programação estatística escolhida para o curso (ex.: Python, R etc.) e/ou planilhas de cálculo (Excel, Google Sheets etc) e/ou ferramentas de visualização de dados que permitam executar cálculos (PowerBI, Tableau etc).
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, RStudio, Jupyter Notebook etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.

Projeto profissional: Atividade e Entregáveis

  • Apresentação em formato de slides ou texto contendo contextualização, objetivo do estudo, descrição resumida de dados utilizados, análises executados, conclusões e recomendações.
Download do Currículo Completo

Competência

Compreender e apresentar insights sobre dados em vários formatos, incluindo apresentações orais, relatórios escritos e visualizações interativas sobre tópicos em análise de dados.

Carga Horária: 40 horas


Conhecimentos

  • Reading: Compreensão de textos, relatórios e outros registros escritos sobre tópicos em análise de dados.
  • Listening: Compreensão de comunicação oral ao vivo ou gravada sobre tópicos em análise de dados.
  • Speaking: Comunicação pessoal e apresentações profissionais sobre tópicos em análise de dados.
  • Writing: Escrita de instruções, descrições e explicações sobre tópicos em análise de dados.
  • Linguagem: Compreensão e uso de vocabulário e estrutura gramatical na comunicação oral, escrita e visual relacionada à área de análise de dados.

Habilidades

  • Identificar vocabulário em língua inglesa relacionado ao campo de trabalho.
  • Organizar apresentações em língua inglesa.
  • Interpretar textos em língua inglesa.

Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade no processo de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Indicadores de Avaliação

  • Distingue vocabulário pertinente ao trabalho na análise de dados.
  • Reconhece texto (falado e escrito) em língua inglesa relacionado a análise de dados.
  • Elabora apresentações em língua inglesa sobre análise de dados.

Sugestão de práticas pedagógicas inovadoras

  • Aula enriquecida com tecnologias: Criação de página ou grupo em redes sociais para troca de mensagens escritas e orais em inglês sobre temáticas relacionadas à análise de dados
  • Ensino híbrido (sala de aula invertida): Pesquisa sobre vocabulário em língua inglesa utilizado em análise de dados.
  • Aulas mão na massa: Prática de construção de texto / apresentações visuais em língua inglesa relacionada a análise de dados.
  • Aulas mão na massa: Prática de análise de texto em língua inglesa relacionado a análise de dados.
  • Aprendizagem em pares: Discussão e análise de texto, áudio ou vídeo em língua inglesa remetendo à análise de dados ou processo específico de análise de dados.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Sala de aula ou espaço de inovação com Computador Windows, Linux ou Macintosh para o(a) professor(a) conectado a um projetor ou lousa digital.

Projeto profissional: Atividade e Entregáveis

  • Apresentação ágil em inglês (ao estilo Elevator Pitch ou Pecha Kucha) com a proposta de solução de problema para o Hackaton" (pode ser realizada em preparação ao hackaton ou como forma de comunicar os resultados encontrados).
Download do Currículo Completo

Carga Horária: 40 horas


Cada Unidade Curricular (UC) da saída intermediária "Assistente de Análise de Dados" tem a sua atividade e entregáveis abaixo.

Atividade e Entregáveis

UC 13 - Métodos estatísticos aplicados a análise de dados

Relatório de análise de dados, utilizando as estatísticas descritivas básicas e gráficos básicos sobre uma ou mais tabelas críticas do projeto, incluindo objetivo da análise, tratamento dos dados até análise em si.

UC 14 - Métodos e ferramentas de análise de dados

Relatório de análise de dados, utilizando ferramenta estatística ou linguagem computacional para análise de dados contendo análises de correlações e/ou conglomerados, baseadas ao menos em 1 tabela crítica do projeto.

UC 15 - Metodologias ágeis

Desenho da estrutura e ferramentas ágeis aplicadas, em formato 1 página ou 1 slide, com a sistemática (reuniões, back-log, etc) utilizada durante o andamento do projeto.

Back-log em formato de lista ou documento com versão inicial do projeto e versão final, demonstrando as características desenvolvidas durante o mesmo.

UC 16 - Storytelling com dados

Apresentação em formato de slides ou texto contendo contextualização, objetivo do estudo, descrição resumida de dados utilizados, análises executados, conclusões e recomendações.

UC 17 - Inglês aplicado à análise de dados

Apresentação ágil em inglês (ao estilo Elevator Pitch ou Pecha Kucha) com a proposta de solução de problema para o Hackaton" (pode ser realizada em preparação ao hackaton ou como forma de comunicar os resultados encontrados).


Atitudes

  • Atitude sustentável, tendo em vista as dimensões econômica, ambiental e social.
  • Ética e cuidado com a segurança e a privacidade na manipulação de dados e informações de empresas e dos usuários.
  • Cordialidade e empatia nas relações de trabalho.
  • Colaboração na interação com a equipe de trabalho.
  • Criticidade no processo de trabalho.
  • Proatividade e autonomia no trabalho.
  • Atenção aos detalhes do projeto.
  • Adaptabilidade às mudanças no mundo do trabalho e em seu processo de aprendizagem.
  • Flexibilidade frente a situações inesperadas.
  • Criatividade no processo de trabalho.
  • Priorização de tarefas no trabalho.
  • Comunicação assertiva no ambiente de trabalho.
  • Resiliência ao vivenciar situações complexas e adversas.
  • Zelo pela organização e guarda de projetos e documentos.

Perfil Docente

  • Profissional com formação técnica ou superior em Tecnologia da Informação ou afim (em geral áreas de exatas ou outra área com pós-graduação em tecnologia e/ou dados) e experiência em banco de dados estruturados (relacionais) e não estruturados (NoSQL).

Infraestrutura

  • Compilador ou interpretador para a linguagem de programação estatística escolhida para o curso (ex.: Python, R etc.) e/ou planilhas de cálculo (Excel, Google Sheets etc.) e/ou ferramentas de visualização de dados que permitam executar cálculos (PowerBI, Tableau etc.).
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, RStudio, Jupyter Notebook etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.
  • Compilador ou interpretador para a linguagem de programação textual escolhida para o curso (ex.: Python, C, Javascript etc.)
  • Ambiente integrado de desenvolvimento (IDE, ex: Python IDLE, PyCharm, VS Code etc.) compatível, podendo ser ambiente cloud como Google Colab, desde com acesso à internet.

Passo a passo para as redes utilizarem o currículo de Ciência de Dados. Traz orientações para gestores e gestoras de escolas e redes públicas de ensino sobre como implementar o Currículo de Referência de Educação Profissional Técnica em Ciência de Dados.

Download do guia em PDF

Caso precise da versão editável do projeto pedagógico do curso entre em contato conosco pelo e-mail cienciadedados.br@telefonica.com.

Download do projeto em PDF

Perguntas frequentes

O que é um currículo de Educação profissional para o EM e por que Ciência de Dados?

O referencial curricular para a formação Técnica em Ciência de Dados, desenvolvido pela Fundação Telefônica Vivo em parceria com o CIEB, tem como objetivo oferecer às redes e escolas apoio na implementação da Educação Profissional Técnica em Nível Médio – formação técnica e profissional. Essa formação é uma oportunidade ao jovem que ingressa no ensino médio e pode planejar sua vida e carreira em áreas que estão em evidência e com crescimento no mercado de trabalho. Para tanto, a escolha de Ciência de Dados não é por acaso, pois considera a relevância que o trabalho com dados se faz em todos os setores da sociedade na atualidade e para o futuro, bem como as possibilidades de inserção do jovem no mercado de trabalho relacionado a Ciência de Dados.

Por que é experimental e quais as implicações?

Ciência de Dados não é um título que consta no Catálogo Nacional de Cursos Técnicos (CNCT) do Ministério da Educação, e, portanto, é considerado experimental. Contudo, as redes podem ofertá-lo desde que aprovados em seus respectivos Conselhos Estaduais de Educação (CEE), sendo posteriormente submetido ao MEC para inclusão do título no catálogo, conforme legislação vigente (Diretrizes Curriculares para a Educação Profissional e tecnológica).

Para quem é?

Este referencial curricular é para as redes de ensino que desejam implementar a educação profissional para alunos do Ensino Médio (concluintes ou em formação). As temáticas desenvolvidas nele trazem propostas atuais e de interesse dos(as) jovens para o mundo contemporâneo. Além de contribuir para que gestores e professores possam trabalhar com conteúdos significativos e experiências de aprendizagem inovadoras, no intuito de impactar os(as) estudantes de forma positiva como cidadãos(ãs) e profissionais.

Qual a relação com a BNCC e o Novo EM?

Este currículo em Ciência de Dados apresenta a relação entre as competências de suas unidades curriculares e as competências das áreas do saber da Base Nacional Comum Curricular, permitindo às redes construírem seus currículos alinhados aos conhecimentos e habilidades propostas nela. Além disso, também apresenta relação com os eixos estruturantes da BNCC (investigação científica, processos criativos, empreendedorismo, mediação e intervenção cultural). Com o novo ensino médio, os estudantes devem se sentir estimulados e preparados, com uma formação qualificada para o mercado de trabalho ou para seguir os estudos de nível superior. Portanto, este currículo incentiva tanto para a criação de projetos, acesso, disseminação, produção de informações, quanto para a produção de conhecimento, resolução de problemas e prática do protagonismo e autoria, na vida pessoal e coletiva do(a) estudante, principalmente no que corresponde ao uso de Dados.

Qual a relação com o CNTC e as ocupações da CBO?

Embora Ciência de Dados ainda não seja um título constante do CNCT, seu alinhamento pedagógico se dá no eixo Informação e Comunicação. O(a) Técnico(a) em Ciência de Dados está relacionado diretamente às ocupações do Classificação Brasileira de Ocupações (CBO):

  • 2123-5 - Administrador de banco de dados;
  • 2124-20 - Analista de suporte de banco de dados.

Contudo, devido à sua interlocução com o eixo de informação e comunicação, fortemente com a tecnologia de informação, muitas outras ocupações podem ser relacionadas com o profissional técnico em Ciência de Dados no futuro.

Quais as vantagens de um currículo estruturado com certificações intermediárias?

Para uma Formação Técnica, é muito importante que os alunos possam receber certificações intermediárias para que assim possam ter inserção no mundo do trabalho durante sua formação e certificações desejadas no mercado de trabalho. As certificações do curso são: Assistente em Gestão de Dados; Assistente em Big Data; e Assistente em Análise de Dados. As redes, portanto, poderão organizar seus currículos a fim de possibilitar ao aluno explorar opções para o trabalho a partir das competências desenvolvidas em cada uma das certificações destacadas acima. Ou podem ainda oferece-las como formação inicial e continuada (FIC).

Como aplicar?

As redes de ensino podem aplicar este currículo de três formas:

  • Itinerário formativo de formação técnica e profissional: para a formação completa do(a) jovem, deve perpassar todas as unidades curriculares (UC), concluir os três eixos e, com isso, obter o título de Técnico(a) em Ciência de Dados;
  • Formação Inicial e Continuada (FIC): as redes podem ofertar as unidades curriculares de um eixo por vez, assim o(a) estudante pode obter certificações intermediárias; poderá ainda ofertar as unidades curriculares como eletivas e compor diferentes arranjos para os itinerários;
  • Oferecer as UC como eletivas.
Sou estudante, como faço para me inscrever no curso Ciência de Dados?

O currículo de Ciência de Dados atualmente é oferecido apenas em três estados, pois está em fase piloto: Espírito Santo, Mato Grosso do Sul e Santa Catarina.

Caso você tenha interesse em que o itinerário de formação técnica e profissional em Ciência de Dados seja ofertado na sua escola, você deve entrar em contato com a Secretaria de Educação do seu estado e pedir que eles entrem em contato com a Fundação pelo e-mail cienciadedados.br@telefonica.com

Sou professor, como faço para levar o itinerário de formação técnica e profissional em Ciência de Dados para o meu Estado?

O currículo de Ciência de Dados atualmente é oferecido apenas em três estados, pois está em fase piloto: Espírito Santo, Mato Grosso do Sul e Santa Catarina.

Caso você tenha interesse em que o itinerário de formação técnica e profissional em Ciência de Dados seja ofertado na sua escola, você deve entrar em contato com a Secretaria de Educação do seu estado ou entrar em contato conosco pelo e-mail: cienciadedados.br@telefonica.com

Quer contribuir?

O currículo está na sua primeira versão e, com a contribuição de diversos profissionais, ele pode ser cocriado e atualizado. Portanto, envie suas dúvidas e colaborações sobre os conteúdos e conte para gente sobre as experiências de implementação do currículo na sua escola e/ou rede de ensino. Envie e-mail para cienciadedados.br@telefonica.com. Contamos com o seu apoio!

 ícone de referências bibliográficas da formação em Ciência de Dados

Referências bibliográficas

Referências de livros recomendados para estarem nas bibliotecas das escolas onde o curso será ofertado. Faça o download

ícone representando currículo da formação em Ciência de Dados alinhado à Base Nacional Comum Curricular

Alinhamento com a BNCC e Novo EM

Alinhamento do currículo com as competências e habilidades da BNCC e com os eixos estruturantes dos referenciais para os itinerários formativos do Ensino Médio.
Faça o download

Estados que estão implementando o currículo de Ciência de Dados: Espírito Santo, projeto piloto a partir de 2º semestre de 2022; Mato Grosso do Sul, projeto piloto a partir do 1º semestre de 2022; Santa Catarina, projeto piloto a partir do 1º semestre de 2022.

Parceiro técnico CIEB - Cetro de Inovação para a Educação Brasileira