Palestra realizada na edição da Join Community 2022.
Modern Data Stack é: Um conjunto flexível de tecnologias que ajudam as empresas a armazenar, gerenciar e aprender com seus dados de forma rápida e eficiente
Palestra realizada na edição presencial da Campus Party Goiás 2 em 2022.
Modern Data Stack é: Um conjunto flexível de tecnologias que ajudam as empresas a armazenar, gerenciar e aprender com seus dados de forma rápida e eficiente
O documento apresenta uma palestra sobre Big Data e Machine Learning, abordando casos práticos e as possíveis futuras tendências da área de dados. O palestrante discute perfis comuns na área de dados, arquiteturas modernas de dados e a importância da governança de dados. Apresenta também três casos práticos e prevê tendências como ferramentas sem código, aplicações end-to-end com IA e data platforms.
O documento discute como o Great Expectations e o Spark podem ser usados juntos para escalar a qualidade de dados no Modern Data Stack. Ele explica o que é o Great Expectations, como ele pode definir expectativas e testar dados, e apresenta um exemplo de arquitetura onde os testes do Great Expectations são executados no Spark para validar dados armazenados em um Data Lake.
Big Data e Data Science - Tecnologia e MercadoHélio Silva
1) O documento discute os conceitos de Big Data, Data Science e as tecnologias e mercado relacionados.
2) Grandes volumes de dados continuam a ser gerados diariamente pela internet e dispositivos conectados.
3) A análise de dados em larga escala requer novas abordagens de engenharia e armazenamento para lidar com a variedade e volume crescentes.
Mini-Curso: Introdução à Big Data e Data Science - Aula 3 - Ferramentas para ...Diego Nogare
O documento apresenta uma aula sobre ferramentas para trabalhar com Big Data. Apresenta o palestrante Diego Nogare e seu background. Em seguida, discute o Hadoop, explicando seu cluster, HDFS e MapReduce e como isso gera resultados. Ao final, fornece links para envio de dúvidas e para obtenção de certificado de participação.
O documento discute a importância da qualidade de dados no Modern Data Stack e apresenta o Great Expectations como uma ferramenta para validar dados armazenados em data lakes. O documento também mostra como configurar o Great Expectations para executar testes de qualidade em dados armazenados no S3 da AWS usando Spark, gerar documentação dos resultados e integrá-lo com soluções como EMR e Glue.
O documento discute vários tópicos relacionados a Big Data e Machine Learning, incluindo: 1) pontos atribuídos a diferentes tópicos; 2) definição de Data Lake; 3) batch e streaming de dados; 4) evolução do Big Data; 5) definição de Machine Learning.
Data Management: 5 tendências para alcançar a mudançaDenodo
1) O documento discute 5 tendências para a gestão de dados corporativos, incluindo o uso crescente de Data Fabric, a ampliação do uso de Ciência de Dados nas decisões de negócios, e as ideias emergentes de Data Mesh.
2) Também aborda a necessidade de autoatendimento de dados para usuários de negócios e a especialização e ampliação da análise de dados.
3) A conclusão é que as tendências atuais se concentram em melhorar a qualidade dos dados, a agilidade das decisões e a gestão
Palestra realizada na edição presencial da Campus Party Goiás 2 em 2022.
Modern Data Stack é: Um conjunto flexível de tecnologias que ajudam as empresas a armazenar, gerenciar e aprender com seus dados de forma rápida e eficiente
O documento apresenta uma palestra sobre Big Data e Machine Learning, abordando casos práticos e as possíveis futuras tendências da área de dados. O palestrante discute perfis comuns na área de dados, arquiteturas modernas de dados e a importância da governança de dados. Apresenta também três casos práticos e prevê tendências como ferramentas sem código, aplicações end-to-end com IA e data platforms.
O documento discute como o Great Expectations e o Spark podem ser usados juntos para escalar a qualidade de dados no Modern Data Stack. Ele explica o que é o Great Expectations, como ele pode definir expectativas e testar dados, e apresenta um exemplo de arquitetura onde os testes do Great Expectations são executados no Spark para validar dados armazenados em um Data Lake.
Big Data e Data Science - Tecnologia e MercadoHélio Silva
1) O documento discute os conceitos de Big Data, Data Science e as tecnologias e mercado relacionados.
2) Grandes volumes de dados continuam a ser gerados diariamente pela internet e dispositivos conectados.
3) A análise de dados em larga escala requer novas abordagens de engenharia e armazenamento para lidar com a variedade e volume crescentes.
Mini-Curso: Introdução à Big Data e Data Science - Aula 3 - Ferramentas para ...Diego Nogare
O documento apresenta uma aula sobre ferramentas para trabalhar com Big Data. Apresenta o palestrante Diego Nogare e seu background. Em seguida, discute o Hadoop, explicando seu cluster, HDFS e MapReduce e como isso gera resultados. Ao final, fornece links para envio de dúvidas e para obtenção de certificado de participação.
O documento discute a importância da qualidade de dados no Modern Data Stack e apresenta o Great Expectations como uma ferramenta para validar dados armazenados em data lakes. O documento também mostra como configurar o Great Expectations para executar testes de qualidade em dados armazenados no S3 da AWS usando Spark, gerar documentação dos resultados e integrá-lo com soluções como EMR e Glue.
O documento discute vários tópicos relacionados a Big Data e Machine Learning, incluindo: 1) pontos atribuídos a diferentes tópicos; 2) definição de Data Lake; 3) batch e streaming de dados; 4) evolução do Big Data; 5) definição de Machine Learning.
Data Management: 5 tendências para alcançar a mudançaDenodo
1) O documento discute 5 tendências para a gestão de dados corporativos, incluindo o uso crescente de Data Fabric, a ampliação do uso de Ciência de Dados nas decisões de negócios, e as ideias emergentes de Data Mesh.
2) Também aborda a necessidade de autoatendimento de dados para usuários de negócios e a especialização e ampliação da análise de dados.
3) A conclusão é que as tendências atuais se concentram em melhorar a qualidade dos dados, a agilidade das decisões e a gestão
1) O documento discute a abordagem de "Data Mesh" como uma mudança de paradigma na arquitetura de dados descentralizada e orientada por domínio;
2) Essa abordagem envolve tratar os dados como produtos e distribuir a propriedade dos dados entre times focados em domínios específicos;
3) Isso visa resolver problemas comuns em arquiteturas de dados atuais como data warehouses e data lakes, como dificuldades em escalar consumo e fontes de dados.
A palestra apresenta o conceito de data lakes e big data, e como estas arquiteturas são formadas para o armazenamento e consumo de grande volumes de dados, sua relação com as arquiteturas distribuídas como é o caso do ecosistema Hadoop e como o a suíte Pentaho pode ajudar na gestão e extração de informações para tomada de decisão com recursos de big data analitycs.
1. O documento discute as tendências que vão mudar a estratégia de dados no futuro, incluindo aprendizado de máquina e inteligência artificial para simplificar a gestão e tomada de decisões com dados.
2. A inteligência artificial está sendo incorporada em ferramentas de gestão de dados para automatizar processos como identificação de dados sensíveis.
3. Arquiteturas híbridas e "Data Fabrics" que unificam dados em nuvens e on-premise se tornarão mais comuns.
Renzo Ziegler é um engenheiro eletrônico e de computação que trabalha há 12 anos com análise de dados. Atualmente é líder de equipe de software e cientista de dados na BTT Corp, onde busca padrões em sinais cerebrais para correlacionar com doenças.
Como Evitar que o seu Data Lake vire um Data SwampThiago Chiarato
Atualmente o grande desafio não é mais ter dados para analisar. Mas sim organizar esse volume gigantestco de informações que recebemos diariamente de uma maneira organizada paraser utilizada no futuro.
Você sabe o que é um Data Lake? Como organizar um DL para que ele não vire um Data Swamp?
O documento discute a arquitetura de um Data Lake multicloud. Primeiro, explica os conceitos de Data Lake e as diferenças em relação a data warehouse. Em seguida, aborda os desafios na arquitetura de um Data Lake multicloud, incluindo a captura e processamento de dados de múltiplas fontes, o consumo dos dados e a governança. Por fim, apresenta exemplos de arquiteturas em nuvens diferentes e estratégias como virtualização e gravidade dos dados.
O documento discute os principais conceitos e tecnologias relacionadas a Big Data, incluindo a transformação de dados em informações, análise em nuvem, ecossistema e infraestrutura para Big Data. Casos de sucesso mostram como empresas usaram serviços AWS como EMR, Redshift e Data Pipeline para obter visibilidade, reduzir custos e acelerar processos analíticos.
Hackathon Inmetrics e Fiap: Desafios do Big Datainmetrics
O documento discute os principais desafios do Big Data, incluindo volume, velocidade e variedade de dados, além de veracidade, valor e desafios arquiteturais e de implementação. É destacado que a variedade, e não o volume, será o maior desafio em 2015 e que a extração de valor é crucial para obter vantagem competitiva.
O site que segue os Web Standards possui diversas vantagens e garante que o desenvolvedor se preocupa com seu usuário.
Porém, com o avanço das aplicações Web a necessidade pela criação de novas tags e, consequentemente, melhor classificação do conteúdo gerou soluções como os Microformats, melhor opção da atualidade.
1) O documento apresenta um resumo sobre Big Data, Data Driven, Cloud Computing e AWS. 2) Inclui definições sobre Data Lake, perfis na área de dados, computação on-demand e serverless. 3) Discutiu sobre a AWS, seus serviços, custos e casos reais de projetos de análise de dados.
Mini-Curso: Introdução à Big Data e Data Science - Aula 12 - Sessão de pergun...Diego Nogare
Este documento contém a transcrição de uma sessão de perguntas e respostas com Diego Nogare, data scientist. Vários participantes fazem perguntas sobre tópicos como armazenamento de dados em big data, a diferença entre data science e business intelligence, responsabilidades de plataformas com big data e privacidade de usuários, e publicação de relatórios no Power BI. Nogare responde às perguntas com detalhes técnicos e considerações sobre esses tópicos.
O documento apresenta slides sobre Cloud Computing ministrado por Ademar Freitas. O curso aborda os tópicos: (1) por que escolher Cloud Computing, destacando os benefícios financeiros e operacionais; (2) os modelos de nuvem pública, privada e híbrida; (3) como usar a nuvem, considerando aspectos como necessidade, legislação e mudança cultural.
Como Implementar a Análise de Dados em Tempo RealDenodo
Watch full webinar here: https://bit.ly/31rnBD0
As técnicas de análise em tempo real prometem enriquecer a análise tradicional de dados. Isto é fundamental para muitos cenários, tais como gerenciamento dos processos de produção ou atendimento ao cliente. A virtualização de dados é bem conhecida por oferecer conectividade em tempo real a diversas fontes e recursos de federação - os dois ingredientes básicos para análises de dadis em tempo real. No entanto, construir uma estratégia em torno destes conceitos pode ser um desafio. O impacto de fontes de dados sensíveis, questões de segurança e desempenho são freqüentemente mencionados.
Participe deste webinar e descubra:
- Quais são os cenários onde o valor da análise de dados em tempo real pode fazer a diferença
- As principais capacidades que as tornam possíveis
- As melhores práticas para torná-las bem sucedidas
Apresentação Seeds to the Cloud - Igor Barreto e Thais Lino, dataRain.pptxdataRain
O documento discute como os dados e as novas tecnologias estão transformando a agricultura e a necessidade de estruturar os dados para apoiar a inovação. Apresenta também um estudo de caso sobre como uma empresa melhorou a sustentabilidade na agricultura utilizando análises de dados.
Modelo de Dados: Entendendo e “re-”construindo...Wesley Seidel
O documento discute arquitetura de dados, incluindo os modelos conceitual, lógico e físico. Também menciona o M.E.R., dicionário de dados e sistemas legados, além de abordar dados abertos e desafios com dados governamentais.
Big Data Analytics - Do MapReduce ao dashboard com Hadoop e PentahoAmbiente Livre
Marcio Junior Vieira apresenta sobre Big Data e Analytics utilizando ferramentas de código aberto como Hadoop e Pentaho. Ele discute os desafios do Big Data, como começar com o problema e não os dados, e recomenda compartilhar dados para receber dados. Marcio também fala sobre as tendências como cientistas de dados cidadãos e como o Big Data é revolucionário assim como o Linux foi em 1991.
1) O documento discute como empresas como Google, Yahoo e LinkedIn usaram Big Data para resolver problemas de armazenamento e processamento de grandes volumes de dados não estruturados e criar novas soluções.
2) Também apresenta como empresas como Facebook, Amazon e Netflix usam Big Data para personalizar recomendações e melhorar a experiência do usuário.
3) Por fim, explica como o Sebrae pretende implementar soluções de Big Data para entender melhor seus mercados e clientes e aprimorar o atendimento.
Xen e CoreOS: solução para data mining com NodeJS e ElasticSearchBernardo Donadio
Este documento discute como usar Xen e CoreOS para implementar uma solução de data mining com NodeJS e ElasticSearch de forma escalável e segura. Ele apresenta dois estudos de caso reais de aplicações intensivas de dados e discute os desafios de levantamento de requisitos e escalabilidade, propondo estratégias como uso de cloud privada, Docker, bancos de dados multi-níveis e cache para atender requisitos de alto desempenho e disponibilidade.
A palestra é um recap do evento re:Invent da AWS, que acontece anualmente para anunciar as maiores novidades da empresa.
Esse reCap foi focado em Data Engineer e Analytics
Evento que aconteceu na Infomach no dia 16/03/2023
Link do Meetuo: https://www.meetup.com/pt-BR/aws-go/events/291480759/
O documento discute Big Data e Machine Learning, apresentando casos práticos e tendências futuras na área de dados. O palestrante apresenta perfis comuns na área como engenheiro de dados, cientista de dados e arquiteto de dados, e discute arquiteturas modernas de dados em nuvem. Exemplos de casos práticos incluem análise de desempenho escolar, predição da qualidade de tubos de petróleo e predição de diabetes.
Mais conteúdo relacionado
Semelhante a JoinCommunity 2022 - Modern Data Stack - As tecnologias e práticas mais modernas atualmente em Big Data
1) O documento discute a abordagem de "Data Mesh" como uma mudança de paradigma na arquitetura de dados descentralizada e orientada por domínio;
2) Essa abordagem envolve tratar os dados como produtos e distribuir a propriedade dos dados entre times focados em domínios específicos;
3) Isso visa resolver problemas comuns em arquiteturas de dados atuais como data warehouses e data lakes, como dificuldades em escalar consumo e fontes de dados.
A palestra apresenta o conceito de data lakes e big data, e como estas arquiteturas são formadas para o armazenamento e consumo de grande volumes de dados, sua relação com as arquiteturas distribuídas como é o caso do ecosistema Hadoop e como o a suíte Pentaho pode ajudar na gestão e extração de informações para tomada de decisão com recursos de big data analitycs.
1. O documento discute as tendências que vão mudar a estratégia de dados no futuro, incluindo aprendizado de máquina e inteligência artificial para simplificar a gestão e tomada de decisões com dados.
2. A inteligência artificial está sendo incorporada em ferramentas de gestão de dados para automatizar processos como identificação de dados sensíveis.
3. Arquiteturas híbridas e "Data Fabrics" que unificam dados em nuvens e on-premise se tornarão mais comuns.
Renzo Ziegler é um engenheiro eletrônico e de computação que trabalha há 12 anos com análise de dados. Atualmente é líder de equipe de software e cientista de dados na BTT Corp, onde busca padrões em sinais cerebrais para correlacionar com doenças.
Como Evitar que o seu Data Lake vire um Data SwampThiago Chiarato
Atualmente o grande desafio não é mais ter dados para analisar. Mas sim organizar esse volume gigantestco de informações que recebemos diariamente de uma maneira organizada paraser utilizada no futuro.
Você sabe o que é um Data Lake? Como organizar um DL para que ele não vire um Data Swamp?
O documento discute a arquitetura de um Data Lake multicloud. Primeiro, explica os conceitos de Data Lake e as diferenças em relação a data warehouse. Em seguida, aborda os desafios na arquitetura de um Data Lake multicloud, incluindo a captura e processamento de dados de múltiplas fontes, o consumo dos dados e a governança. Por fim, apresenta exemplos de arquiteturas em nuvens diferentes e estratégias como virtualização e gravidade dos dados.
O documento discute os principais conceitos e tecnologias relacionadas a Big Data, incluindo a transformação de dados em informações, análise em nuvem, ecossistema e infraestrutura para Big Data. Casos de sucesso mostram como empresas usaram serviços AWS como EMR, Redshift e Data Pipeline para obter visibilidade, reduzir custos e acelerar processos analíticos.
Hackathon Inmetrics e Fiap: Desafios do Big Datainmetrics
O documento discute os principais desafios do Big Data, incluindo volume, velocidade e variedade de dados, além de veracidade, valor e desafios arquiteturais e de implementação. É destacado que a variedade, e não o volume, será o maior desafio em 2015 e que a extração de valor é crucial para obter vantagem competitiva.
O site que segue os Web Standards possui diversas vantagens e garante que o desenvolvedor se preocupa com seu usuário.
Porém, com o avanço das aplicações Web a necessidade pela criação de novas tags e, consequentemente, melhor classificação do conteúdo gerou soluções como os Microformats, melhor opção da atualidade.
1) O documento apresenta um resumo sobre Big Data, Data Driven, Cloud Computing e AWS. 2) Inclui definições sobre Data Lake, perfis na área de dados, computação on-demand e serverless. 3) Discutiu sobre a AWS, seus serviços, custos e casos reais de projetos de análise de dados.
Mini-Curso: Introdução à Big Data e Data Science - Aula 12 - Sessão de pergun...Diego Nogare
Este documento contém a transcrição de uma sessão de perguntas e respostas com Diego Nogare, data scientist. Vários participantes fazem perguntas sobre tópicos como armazenamento de dados em big data, a diferença entre data science e business intelligence, responsabilidades de plataformas com big data e privacidade de usuários, e publicação de relatórios no Power BI. Nogare responde às perguntas com detalhes técnicos e considerações sobre esses tópicos.
O documento apresenta slides sobre Cloud Computing ministrado por Ademar Freitas. O curso aborda os tópicos: (1) por que escolher Cloud Computing, destacando os benefícios financeiros e operacionais; (2) os modelos de nuvem pública, privada e híbrida; (3) como usar a nuvem, considerando aspectos como necessidade, legislação e mudança cultural.
Como Implementar a Análise de Dados em Tempo RealDenodo
Watch full webinar here: https://bit.ly/31rnBD0
As técnicas de análise em tempo real prometem enriquecer a análise tradicional de dados. Isto é fundamental para muitos cenários, tais como gerenciamento dos processos de produção ou atendimento ao cliente. A virtualização de dados é bem conhecida por oferecer conectividade em tempo real a diversas fontes e recursos de federação - os dois ingredientes básicos para análises de dadis em tempo real. No entanto, construir uma estratégia em torno destes conceitos pode ser um desafio. O impacto de fontes de dados sensíveis, questões de segurança e desempenho são freqüentemente mencionados.
Participe deste webinar e descubra:
- Quais são os cenários onde o valor da análise de dados em tempo real pode fazer a diferença
- As principais capacidades que as tornam possíveis
- As melhores práticas para torná-las bem sucedidas
Apresentação Seeds to the Cloud - Igor Barreto e Thais Lino, dataRain.pptxdataRain
O documento discute como os dados e as novas tecnologias estão transformando a agricultura e a necessidade de estruturar os dados para apoiar a inovação. Apresenta também um estudo de caso sobre como uma empresa melhorou a sustentabilidade na agricultura utilizando análises de dados.
Modelo de Dados: Entendendo e “re-”construindo...Wesley Seidel
O documento discute arquitetura de dados, incluindo os modelos conceitual, lógico e físico. Também menciona o M.E.R., dicionário de dados e sistemas legados, além de abordar dados abertos e desafios com dados governamentais.
Big Data Analytics - Do MapReduce ao dashboard com Hadoop e PentahoAmbiente Livre
Marcio Junior Vieira apresenta sobre Big Data e Analytics utilizando ferramentas de código aberto como Hadoop e Pentaho. Ele discute os desafios do Big Data, como começar com o problema e não os dados, e recomenda compartilhar dados para receber dados. Marcio também fala sobre as tendências como cientistas de dados cidadãos e como o Big Data é revolucionário assim como o Linux foi em 1991.
1) O documento discute como empresas como Google, Yahoo e LinkedIn usaram Big Data para resolver problemas de armazenamento e processamento de grandes volumes de dados não estruturados e criar novas soluções.
2) Também apresenta como empresas como Facebook, Amazon e Netflix usam Big Data para personalizar recomendações e melhorar a experiência do usuário.
3) Por fim, explica como o Sebrae pretende implementar soluções de Big Data para entender melhor seus mercados e clientes e aprimorar o atendimento.
Xen e CoreOS: solução para data mining com NodeJS e ElasticSearchBernardo Donadio
Este documento discute como usar Xen e CoreOS para implementar uma solução de data mining com NodeJS e ElasticSearch de forma escalável e segura. Ele apresenta dois estudos de caso reais de aplicações intensivas de dados e discute os desafios de levantamento de requisitos e escalabilidade, propondo estratégias como uso de cloud privada, Docker, bancos de dados multi-níveis e cache para atender requisitos de alto desempenho e disponibilidade.
Semelhante a JoinCommunity 2022 - Modern Data Stack - As tecnologias e práticas mais modernas atualmente em Big Data (20)
A palestra é um recap do evento re:Invent da AWS, que acontece anualmente para anunciar as maiores novidades da empresa.
Esse reCap foi focado em Data Engineer e Analytics
Evento que aconteceu na Infomach no dia 16/03/2023
Link do Meetuo: https://www.meetup.com/pt-BR/aws-go/events/291480759/
O documento discute Big Data e Machine Learning, apresentando casos práticos e tendências futuras na área de dados. O palestrante apresenta perfis comuns na área como engenheiro de dados, cientista de dados e arquiteto de dados, e discute arquiteturas modernas de dados em nuvem. Exemplos de casos práticos incluem análise de desempenho escolar, predição da qualidade de tubos de petróleo e predição de diabetes.
O documento apresenta uma trilha sobre Big Data e NoSQL, abordando tópicos como streaming de dados em data lake com Debezium, Delta Lake e EMR, incluindo arquiteturas, ferramentas e casos reais.
Este documento apresenta como construir um data lake para análise de dados. Primeiro, discute conceitos de big data e inteligência artificial. Em seguida, descreve as principais ferramentas para armazenamento e análise de dados em um data lake, incluindo Apache NiFi, ElasticSearch, Kibana, Amazon S3 e Docker. Por fim, fornece detalhes sobre um projeto prático de coleta e análise de dados financeiros usando essas ferramentas.
O documento discute conceitos e ferramentas de big data como processamento por lotes versus processamento em tempo real, arquiteturas lambda e kappa, Apache Kafka, Elasticsearch e PySpark. Inclui exemplos de análise de dados em tempo real.
Este documento discute processamento e análise de dados em tempo real usando Python, Kafka e ElasticSearch. Ele explica conceitos como processamento por lote e streaming, data lake, Apache Kafka e ElasticSearch. O documento também apresenta casos de uso e um ambiente com Docker para demonstrar como integrar essas ferramentas em uma arquitetura de big data.
1) O documento discute conceitos e tecnologias relacionadas a assistentes virtuais inteligentes, incluindo exemplos como a Siri. 2) É apresentada a arquitetura por trás desses sistemas, com tecnologias como reconhecimento de voz, processamento de linguagem natural e protocolo MQTT. 3) Instruções e bibliotecas Python são fornecidas para desenvolvimento prático de um assistente virtual.
O documento discute como a Internet das Coisas (IoT) e a Tecnologia Assistiva (TA) podem ser combinadas para melhorar a vida das pessoas de forma acessível. Ele apresenta várias soluções de monitoramento de saúde e controle de medicamentos usando dispositivos embarcados, nuvem e aplicativos móveis e discute como os dados gerados podem ser usados com aprendizado de máquina para identificar comportamentos e prever riscos à saúde.
Este documento apresenta um protótipo de monitoramento remoto da saúde do idoso utilizando a Internet das Coisas. O sistema coleta dados de sensores como batimentos cardíacos e temperatura e os envia para nuvem para análise de riscos à saúde do idoso, como frequência cardíaca anormal ou febre. O documento descreve a implementação do hardware e software do sistema e apresenta resultados dos testes realizados.
O documento fornece dicas para desenvolvimento em PHP evitando más práticas. Ele recomenda: (1) usar a última versão do PHP e orientação a objetos; (2) ferramentas como IDEs, controle de versão e Composer; (3) padrões como MVC e frameworks como Laravel.
As classes de modelagem podem ser comparadas a moldes ou
formas que definem as características e os comportamentos dos
objetos criados a partir delas. Vale traçar um paralelo com o projeto de
um automóvel. Os engenheiros definem as medidas, a quantidade de
portas, a potência do motor, a localização do estepe, dentre outras
descrições necessárias para a fabricação de um veículo
Este certificado confirma que Gabriel de Mattos Faustino concluiu com sucesso um curso de 42 horas de Gestão Estratégica de TI - ITIL na Escola Virtual entre 19 de fevereiro de 2014 a 20 de fevereiro de 2014.
Em um mundo cada vez mais digital, a segurança da informação tornou-se essencial para proteger dados pessoais e empresariais contra ameaças cibernéticas. Nesta apresentação, abordaremos os principais conceitos e práticas de segurança digital, incluindo o reconhecimento de ameaças comuns, como malware e phishing, e a implementação de medidas de proteção e mitigação para vazamento de senhas.
PRODUÇÃO E CONSUMO DE ENERGIA DA PRÉ-HISTÓRIA À ERA CONTEMPORÂNEA E SUA EVOLU...Faga1939
Este artigo tem por objetivo apresentar como ocorreu a evolução do consumo e da produção de energia desde a pré-história até os tempos atuais, bem como propor o futuro da energia requerido para o mundo. Da pré-história até o século XVIII predominou o uso de fontes renováveis de energia como a madeira, o vento e a energia hidráulica. Do século XVIII até a era contemporânea, os combustíveis fósseis predominaram com o carvão e o petróleo, mas seu uso chegará ao fim provavelmente a partir do século XXI para evitar a mudança climática catastrófica global resultante de sua utilização ao emitir gases do efeito estufa responsáveis pelo aquecimento global. Com o fim da era dos combustíveis fósseis virá a era das fontes renováveis de energia quando prevalecerá a utilização da energia hidrelétrica, energia solar, energia eólica, energia das marés, energia das ondas, energia geotérmica, energia da biomassa e energia do hidrogênio. Não existem dúvidas de que as atividades humanas sobre a Terra provocam alterações no meio ambiente em que vivemos. Muitos destes impactos ambientais são provenientes da geração, manuseio e uso da energia com o uso de combustíveis fósseis. A principal razão para a existência desses impactos ambientais reside no fato de que o consumo mundial de energia primária proveniente de fontes não renováveis (petróleo, carvão, gás natural e nuclear) corresponde a aproximadamente 88% do total, cabendo apenas 12% às fontes renováveis. Independentemente das várias soluções que venham a ser adotadas para eliminar ou mitigar as causas do efeito estufa, a mais importante ação é, sem dúvidas, a adoção de medidas que contribuam para a eliminação ou redução do consumo de combustíveis fósseis na produção de energia, bem como para seu uso mais eficiente nos transportes, na indústria, na agropecuária e nas cidades (residências e comércio), haja vista que o uso e a produção de energia são responsáveis por 57% dos gases de estufa emitidos pela atividade humana. Neste sentido, é imprescindível a implantação de um sistema de energia sustentável no mundo. Em um sistema de energia sustentável, a matriz energética mundial só deveria contar com fontes de energia limpa e renováveis (hidroelétrica, solar, eólica, hidrogênio, geotérmica, das marés, das ondas e biomassa), não devendo contar, portanto, com o uso dos combustíveis fósseis (petróleo, carvão e gás natural).
PRODUÇÃO E CONSUMO DE ENERGIA DA PRÉ-HISTÓRIA À ERA CONTEMPORÂNEA E SUA EVOLU...
JoinCommunity 2022 - Modern Data Stack - As tecnologias e práticas mais modernas atualmente em Big Data
1. 2 Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
1 Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at
efficitur tortor. Donec
congue odio bibendum
3 Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
4 Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
Modern Data Stack
As tecnologias e práticas mais modernas
atualmente em Big Data
JoinCommunity
2. 2 Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
1 Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at
efficitur tortor. Donec
congue odio bibendum
3 Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
4 Ponto
Lorem ipsum dolor sit
amet, consec tetur
adipiscing elit. at efficitur
tortor. Donec congue odio
bibendum
➔ Tech Lead na Dadosfera;
➔ AWS Community Builder;
➔ Bacharel em Sistemas de Informação pelo IFG;
➔ Pós graduado em Big Data e Machine Learning
pela Fasam;
Cicero Moura
cicerojmm
/in/cicero-moura
JoinCommunity
3. Sobre o que vamos conversar?
◆ Big Data e Data Lake;
◆ Cenário atual em Big Data;
◆ O que Modern Data Stack? E porque
precisamos disso?
◆ Pilares do Modern Data Stack;
◆ Conceitos e Ferramentas;
◆ Dicas práticas da Área de Dados.
3
8. 8
Desafios Atuais
➔ Aumento na demanda por Data Analytics e Data
Science; #TimeToMarket
➔ Complexidade em integrar cada vez mais fontes
de dados; #TimeToValue
10. 10
Modern Data Stack
“Um conjunto flexível de tecnologias que
ajudam as empresas a armazenar, gerenciar
e aprender com seus dados de forma rápida
e eficiente”.
11. 11
Modern Data Stack
O Modern Data Stack incorpora conceitos
como Data Mesh, Reverse ETL, Data Catalog
3.0, Product Teams e mais…
13. 13
Modern Data Stack
Não é apenas uma Buzzword!
➔ Amadurecimento da área de Dados;
➔ Tecnologias mais sólidas;
➔ Conceitos e práticas onde é possível formar o
Modern Data Stack.
18. 18
Modern Data Stack
Data Catalog 3.0
Ambiente Colaborativo para Governança de Dados:
➔ Catalogação de metadados;
➔ Documentação dos dados (datasets);
➔ Gestão dos Data Assets;
➔ Pesquisa e democratização dos dados;
20. 20
Modern Data Stack
Product Teams
O foco principal não é mais discutir como os
dados serão armazenados e sim como serão
utilizados pelo negócio.
21. 21
Modern Data Stack
Reverse ETL
Os dados que foram agregados no ambiente
de Big Data devem possuir a capacidade de
voltar para os sistemas transacionais e
agregar valor na operação do dia a dia.