Argentina 
Chile 
Colômbia 
Equador 
Espanha 
México 
Peru 
Uruguai 
Venezuela 
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.
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.
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.).
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.
Caso precise da versão editável do projeto pedagógico do curso entre em contato conosco pelo e-mail cienciadedados.br@telefonica.com.
O currículo de referência do curso técnico em Ciência de Dados é composto por 3 eixos e 18 unidades curriculares (UCs). Aqui você encontrará roteiros pedagógicos e materiais de apoio para você planejar as suas aulas!
Como funciona o Itinerário Técnico e Profissional em Ciência de Dados para nível médio no Brasil?
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!
Referências bibliográficas
Referências de livros recomendados para estarem nas bibliotecas das escolas onde o curso será ofertado. Faça o download
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
Parceiro técnico
