1. Amazon Web Services (AWS):
- Maior provedor de nuvem do mundo.
- Ampla gama de serviços, incluindo:
- Banco de dados: Amazon Relational Database Service (RDS), Amazon DynamoDB.
- Computação: Amazon Elastic Compute Cloud (EC2), Amazon Lambda.
- Armazenamento: Amazon Simple Storage Service (S3), Amazon Elastic Block Store (EBS).
- Ideal para:
- Empresas de todos os tamanhos.
- Equipes com experiência em nuvem.
2. Microsoft Azure:
- Forte integração com produtos Microsoft.
- Ampla gama de serviços, incluindo:
- Banco de dados: Azure SQL Database, Azure Cosmos DB.
- Computação: Azure Virtual Machines, Azure Functions.
- Armazenamento: Azure Blob Storage, Azure Disk Storage.
- Ideal para:
- Empresas que já usam produtos Microsoft.
- Equipes que desejam uma solução de nuvem familiar.
3. Google Cloud Platform (GCP):
- Foco em Big Data e Machine Learning.
- Ampla gama de serviços, incluindo:
- Banco de dados: Cloud SQL, Cloud Spanner.
- Computação: Compute Engine, App Engine.
- Armazenamento: Cloud Storage, Cloud Bigtable.
- Ideal para:
- Empresas que trabalham com grandes volumes de dados.
- Equipes que desejam usar machine learning.
Comparação:
| Plataforma | Recursos | Preço | Ideal para |
|---|---|---|---|
| AWS | Ampla gama de serviços, líder de mercado | Competitivo | Empresas de todos os tamanhos |
| Azure | Integração com produtos Microsoft, boa segurança | Competitivo | Empresas que usam produtos Microsoft |
| GCP | Big Data, Machine Learning, preços competitivos | Competitivo | Empresas que trabalham com Big Data e Machine Learning |
Inteligência Artificial e Métodos Quantitativos
1 Big Data.
1.2.1 O paradigma de computação na nuvem.
1.2.2 Requisitos de gerência de dados na nuvem.
1.2.3 Categorias de bancos de dados na nuvem.
1.3 Infraestruturas para processamento distribuído de Big Data: Hadoop, Spark, Kafka.
2.1 Definição e características de um Data Warehouse.
2.2 Data Mart.
2.3 Processamento de Transações em tempo real: OLTP e OLAP.
2.4 Modelagem Multidimensional.
2.5 Bancos de Dados Multidimensionais.
2.6 Projeto de Data Warehouse.
2.7 Conceitos de extração, transformação e carga (ETL).
3 Descoberta de Conhecimento e Mineração de Dados.
3.1 Conceitos básicos do processo de descoberta de conhecimento em bancos de dados (KDD).
3.2 Metodologia de KDD.
3.4 Pré-processamento de dados.
5 Estatística.