ATIVIDADE EXTENSIONISTA REDES DE COMPUTADORES ANHANGUERA

Prévia do material em texto

UNIVERSIDADE UNINTER 
REDES DE COMPUTADRES 
 
 
 
 
 
 
 
CARLOS MIGUEL LEITE RAMOS 
 
 
 
 
 
 
 
 
 
ATIVIDADE EXTENSIONISTA 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Araxá - MG 
Maio - 2022 
UNIVERSIDADE UNINTER 
REDES DE COMPUTADRES 
 
 
 
 
 
 
 
 
 
 
CARLOS MIGUEL LEITE RAMOS 
 
 
 
 
 
 
 
ATIVIDADE EXTENSIONISTA 
 
 
 
 
 
Trabalho apresentado a ANHANGUERA como 
requisito parcial para a obtenção do título de 
tecnólogo em redes de computadores 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Araxá - MG 
Maio - 2022 
Big data é uma combinação de dados estruturados, semiestruturados e não 
estruturados coletados por organizações para extrair informações e usá-las para 
projetos de aprendizado de máquina, modelagem preditiva e outros aplicativos de 
análise avançada. 
Os sistemas que processam e armazenam big data tornaram-se um 
componente comum das arquiteturas de gerenciamento de dados nas organizações, 
combinados com ferramentas que suportam o uso da análise de big data. O big data 
é frequentemente caracterizado por três Vs: 
Grandes quantidades de dados em muitos ambientes; 
Os vários tipos de dados que são frequentemente armazenados em sistemas 
de big data; e a velocidade com que a maioria dos dados é gerada, coletada e 
processada. (MACHADO, 2018) 
Esses traços foram descobertos pela primeira vez em 2001 por Doug Laney, 
analista da consultoria Meta Group Inc. Gartner os popularizou ainda mais depois de 
adquirir o Meta Group em 2005. Mais recentemente, vários outros Vs foram 
adicionados a diferentes descrições de big data, incluindo autenticidade, valor e 
variabilidade. 
Por que o big data é importante? 
As empresas usam big data em seus sistemas para melhorar as operações, 
fornecer melhor atendimento ao cliente, criar campanhas de marketing 
personalizadas e realizar outras ações que podem aumentar a receita e os lucros. As 
empresas que a utilizam efetivamente têm uma vantagem competitiva em potencial 
sobre aquelas que não a utilizam, porque são capazes de tomar decisões de negócios 
mais rápidas e mais informadas. 
Por exemplo, o big data fornece informações valiosas sobre os clientes que as 
empresas podem usar para melhorar seu marketing, publicidade e promoções para 
aumentar o envolvimento do cliente e as taxas de conversão. Dados históricos e em 
tempo real podem ser analisados para avaliar as mudanças nas preferências dos 
consumidores ou compradores de negócios, permitindo que as empresas sejam mais 
responsivas às necessidades dos clientes.(TAURION, 2013) 
Os pesquisadores médicos também usam big data para identificar sinais de 
doenças e fatores de risco, e os médicos usam big data para ajudar a diagnosticar e 
diagnosticar condições médicas em pacientes. Além disso, uma combinação de 
dados de registros eletrônicos de saúde, sites de mídia social, web e outras fontes 
fornece às organizações de saúde e agências governamentais informações 
atualizadas sobre ameaças ou surtos de doenças infecciosas. 
exemplos de como as organizações estão usando big data: 
No setor de energia, o big data ajuda as empresas de petróleo e gás a 
identificar possíveis locais de perfuração e monitorar as operações de dutos; da 
mesma forma, as concessionárias o usam para rastrear redes elétricas. 
As empresas de serviços financeiros usam sistemas de big data para 
gerenciamento de risco e análise em tempo real de dados de mercado.MACHADO, 
2018) 
Fabricantes e empresas de transporte contam com big data para gerenciar 
suas cadeias de suprimentos e otimizar rotas de entrega. 
Outros usos do governo incluem resposta a emergências, prevenção ao crime 
e iniciativas de cidades inteligentes. 
Os V’s do Big Data 
O volume é a característica mais citada de big data. Os ambientes de big data 
não precisam necessariamente conter grandes quantidades de dados, mas a maioria 
contém devido à natureza dos dados coletados e armazenados nele. Clickstreams, 
logs do sistema e sistemas de processamento de fluxo são fontes que geralmente 
geram grandes quantidades de dados continuamente. 
Big data também inclui uma variedade de tipos de dados, incluindo: 
Dados estruturados, como transações e registros financeiros; 
Dados não estruturados, como texto, documentos e arquivos multimídia; e 
Dados semiestruturados, como logs do servidor web e dados de streaming de 
sensores. 
Vários tipos de dados podem precisar ser armazenados e gerenciados juntos 
em um sistema de big data. Além disso, os aplicativos de big data geralmente contêm 
vários conjuntos de dados que podem não ser pré-integrados. Por exemplo, um 
projeto de análise de big data pode tentar prever as vendas de produtos 
correlacionando dados de vendas anteriores, devoluções, avaliações online e 
chamadas de atendimento ao cliente. 
A velocidade refere-se à velocidade com que os dados são gerados e devem 
ser processados e analisados. Em muitos casos, grandes conjuntos de dados são 
atualizados em tempo real ou quase em tempo real, em vez das atualizações diárias, 
semanais ou mensais encontradas em muitos data warehouses tradicionais. À 
medida que a análise de big data se expande ainda mais para aprendizado de 
máquina e inteligência artificial (IA), também é importante gerenciar a velocidade dos 
dados, onde os processos analíticos encontram automaticamente padrões nos dados 
e os usam para gerar insights. 
Mais recursos de Big Data: 
Além dos três V’s originais, aqui estão alguns detalhes dos outros Vs que são 
frequentemente associados ao big data nos dias de hoje: 
Precisão refere-se a quão precisos são os conjuntos de dados e quão 
confiáveis eles são. Dados brutos coletados de várias fontes podem levar a problemas 
de qualidade de dados difíceis de identificar. Dados incorretos podem levar a erros 
analíticos que destroem o valor das iniciativas de análise de negócios se não forem 
corrigidos por meio de um processo de limpeza de dados. As equipes de 
gerenciamento e análise de dados também precisam garantir que tenham dados 
precisos o suficiente para produzir resultados válidos. 
Alguns cientistas de dados e consultores também agregam valor à lista de 
recursos de Big Data. Nem todos os dados coletados têm valor ou benefício comercial 
real. Portanto, as organizações precisam confirmar se os dados são relevantes para 
o problema de negócios relevante antes de usá-los em um projeto de análise de big 
data. (TAURION, 2013) 
Como funciona a análise de big data 
Para obter resultados válidos e relevantes de aplicativos de análise de big data, 
os cientistas de dados e outros analistas de dados devem ter uma compreensão 
detalhada dos dados disponíveis e entender o que estão procurando neles. Isso torna 
a preparação de dados (incluindo análise, limpeza, validação e transformação de 
conjuntos de dados) uma primeira etapa crucial no processo de análise.(TAURION, 
2013) 
Depois que os dados são coletados e prontos para análise, várias disciplinas 
de ciência de dados e análise avançada podem ser aplicadas para executar diferentes 
aplicativos, usando ferramentas que fornecem recursos e capacidades de análise de 
big data. Essas disciplinas incluem aprendizado de máquina e seu ramo de 
aprendizado profundo, modelagem preditiva, mineração de dados, análise estatística, 
análise de fluxo, mineração de texto e muito mais. 
Tomando os dados do cliente como exemplo, os diferentes ramos de análise 
que podem ser feitos com grandes conjuntos de dados incluem: 
Análise comparativa. Isso examina as métricas de comportamento do cliente e 
o envolvimento do cliente em tempo real para comparar os produtos, serviços e 
marcas da empresa com os dos concorrentes. 
Escuta nas redes sociais. É assim que as pessoas percebem um negócio ou 
produto nas mídias sociais, o que ajuda a identificar possíveis problemas e direcionar 
campanhas de marketing para o público-alvo.Análise de mercado. Este fornece informações sobre campanhas de marketing 
e ofertas promocionais que podem ser usadas para melhorar produtos, serviços e 
planos de negócios. 
Análise de sentimentos. Todos os dados de clientes coletados podem ser 
analisados para revelar como eles se sentem em relação à empresa ou marca, 
satisfação do cliente, possíveis problemas e como melhorar o atendimento ao cliente. 
Big data aliada a educação 
 
A aplicação de big data na educação é uma nova tendência na aceleração do 
bloqueio global em 2020. Empresas grandes e pequenas confiam há muito tempo em 
decisões baseadas em dados na educação e em muitos outros setores. A aplicação 
da ciência de dados na educação ajuda as empresas a entender as tendências no 
comportamento e nas preferências dos alunos. Vamos dar uma olhada mais profunda 
nessas tecnologias para revelar insights práticos que levarão o setor de edtech para 
o próximo nível. 
A quantidade de dados gerados globalmente é astronômica e cresce 
exponencialmente em tamanho. De acordo com a IDC, o volume global de dados em 
2018 foi de 18 zettabytes, mas especialistas prevêem que até 2025, a quantidade de 
dados gerados chegará a 175 zettabytes. O setor de educação é vital para a economia 
global e está bem preparado para capitalizar esse influxo de informações. 
Ao discutir big data na educação, estamos considerando três áreas principais. 
Essas áreas são mineração de dados, painéis da web e análise de dados. O 
conhecimento e os insights obtidos nessas áreas proporcionam às instituições uma 
variedade de benefícios, incluindo: 
Fornece informações sobre as melhores práticas e melhorias para aumentar a 
lucratividade e a produtividade. 
Fornece informação sobre novas oportunidades de negócio em áreas de 
negócio alternativas. 
Fornece informações sobre as melhores práticas de ensino para melhorar a 
competência do aluno. 
 
Como a ciência de dados pode melhorar a educação 
Os dados coletados podem ser analisados de várias maneiras diferentes. As 
informações coletadas sobre alunos e professores podem levar a novos insights que 
melhoram a forma como as escolas funcionam. Em suma, o big data está mudando a 
forma como as escolas educam os alunos. Isso leva a diferentes padrões e conceitos 
de aprendizado, e o big data pode ser usado para entender melhor como garantir o 
sucesso do aluno. 
Os dados educacionais do ig podem ser usados para analisar o desempenho 
dos alunos com base nos resultados dos testes e nas tarefas. Esses resultados 
podem levar ao desenvolvimento de programas e objetivos educacionais 
individualizados. (SCAICO, 2014) 
Mais informações podem ser examinadas através da aquisição de dados de 
várias fontes diferentes. Essas informações adicionais podem aprimorar ainda mais 
os métodos de ensino baseados em comportamentos e padrões específicos. Além 
disso, agrupando indivíduos com base em padrões e dificuldades de aprendizagem, 
recursos adicionais e mudanças necessárias podem ser alocados. 
Além disso, as concessões de big data permitem a criação de grupos 
personalizados de alunos com base em diferentes necessidades e requisitos. Esses 
agrupamentos de alunos podem ser determinados pela complexidade do próprio 
curso ou pelo foco dos vários cursos diferentes que são agrupados. 
O big data está transformando o aprendizado e ajudando a criar cursos 
exclusivos e personalizados para os alunos. Usando big data na educação, as 
organizações podem institucionalizar o processo de aquisição, compartilhamento e 
troca de conhecimento. Este processo leva a um maior desempenho, pois os alunos 
podem acessar mais informações em um formato projetado de acordo com suas 
necessidades. 
Os professores podem usar os dados da sala de aula para melhorar os 
materiais de leitura e ajudar os alunos a lidar com questões e problemas específicos 
que possam ter. Educadores e administradores podem facilitar melhor a comunicação 
criando experiências de conhecimento personalizadas usando materiais digitais e 
planos de aula. 
O uso de big data no ensino superior não é apenas um caminho, mas não 
apenas para ajudar educadores e instituições. A análise de dados pode ser usada 
para ajudar a identificar as áreas problemáticas dos alunos e personalizar o uso do 
treinamento para facilitar o aprendizado. Os sistemas de big data ajudam a monitorar 
as notas e preferências dos alunos, ajudando a orientar os alunos a melhorar as notas 
e notas. (SCAICO, 2014) 
Big data não resolve apenas problemas de curto prazo, mas também pode 
ajudar a determinar o futuro de longo prazo dos alunos. Nem todos os alunos 
conhecem ou imaginam seu eventual papel futuro na sociedade, mas por meio de 
conselhos de big data, os alunos podem entender melhor as possíveis funções e 
setores futuros que correspondem às suas habilidades e preferências pessoais. 
O big data também pode ajudar os educadores a avaliarem o conteúdo do 
próprio curso. Ele fornece feedback imparcial sobre a estrutura e o design do curso e 
os ajuda a entender a eficácia de seus métodos de ensino. Com essas informações 
aprimoradas, os educadores são mais capazes de identificar os pontos fracos dos 
alunos em um estágio inicial e planejar melhor as aulas para resolvê-los. 
Big data pode analisar a complexidade e dificuldade de cursos e seus materiais 
para alunos específicos. Ao correlacionar o conteúdo do curso com as habilidades, 
pontos fortes e fracos dos alunos, o big data pode determinar melhor o risco de 
fracasso de um aluno. Armados com esse conhecimento, os educadores podem criar 
aulas personalizadas que garantem que os alunos obtenham o conhecimento de que 
precisam de uma maneira que possam digerir melhor. (REISS, 2020) 
O valor do big data na educação cresce com o desenvolvimento da própria 
tecnologia. No entanto, os resultados práticos do uso da ciência de dados na 
educação dependerão em grande parte da maturidade e da adoção de tecnologia da 
escola ou universidade. Quando implementadas adequadamente, as tecnologias de 
ponta podem aprimorar a tomada de decisões educacionais orientadas por dados que 
podem impulsionar ainda mais o crescimento das instituições educacionais.(REISS, 
2020) 
Se você quiser mais informações sobre o assunto, confira nosso artigo sobre 
tendências fundamentais em edtech, nosso último estudo de caso sobre o 
desenvolvimento de uma plataforma de e-learning (MindTap) ou entre em contato 
com nossa equipe para uma consulta personalizada. (SCAICO, 2014). 
 
Conclusão e Projeto de intervenção 
 
Agora que sabemos da importância da do big data dentro da educação, e 
sabendo da dificuldade do acesso dos alunos e dos demais profissionais envolvidos 
na educação, podemos usar o big data para solucionar esse problema, principalmente 
nas escolas públicas onde o acesso a internet é limitado, o armazenamento de dados 
pode contribuir para amenizar a situação. 
 
 
Objetivo justificativa Prazo 
Montar sala de informática é necessária uma 
infraestrutura para iniciar 
os trabalhos 
de 01/02 a 01/03 
Montagem dos servidores Os servidores são 
necessários para o 
armazenamento dos 
dados 
01/03 a 01/04 
Modelagem de dados a modelagem dos dados 
é necessária para atender 
as demandas da escola 
01/04 a 01/05 
Testagem da aplicação Momento onde é 
necessário para encontrar 
falhas no sistema 
01/05 a 01/06 
Treinamento da equipe Necessário para os 
profissionais se 
familiarizar 
01/06 a 01/07 
 
 
Referências 
 
FILATRO, Andrea. Data Science na Educação: presencial, a distância e corporativa. Saraiva 
Educação SA, 2020. 
 
MACHADO, Felipe Nery Rodrigues. Big Data O Futuro dos Dados e Aplicações. Saraiva Educação 
SA, 2018. 
 
TAURION, Cezar. Big data. Brasport, 2013. 
 
PASSOS, Thiago Ravel Nascimento et al. Prospecção Tecnológica de Soluções de Big Data e de 
Análise de Dados Aplicadas à Educação. Cadernos de Prospecção, v. 13, n. 4, p. 1164-1164,2020. 
 
REIS, Valdeci; SCHNELL, Roberta Fantin; SARTORI, Ademilde Silveira. Big data, psicopolítica e 
infoética: repercussões na cultura e na educação. PerCursos, v. 21, n. 45, p. 50-79, 2020. 
 
SCAICO, Pasqueline Dantas; DE QUEIROZ, Ruy José GB; SCAICO, Alexandre. O conceito big data 
na educação. In: anais do workshop de informática na escola. 2014. p. 328-336.