4 Big data - Ia - Cloud Computing

Prévia do material em texto

BIG DATA E CIÊNCIA 
DOS DADOS
Big Data, IA e Cloud computing
1. Compreender as técnicas de aprendizado de máquina. 
2. Entender a gerência de dados e computação na nuvem.
3. Assimilar o conceito de bioinformática.
4. Adquirir noções de inovação tecnológica e novas tendências.
Objetivos
Nesta unidade, vamos abordar sobre 
o aprendizado de máquina e suas 
técnicas, bem como podem contribuir 
no processo de análise de dados e 
tomada de decisão. 
As organizações usam várias técnicas 
e tecnologias para realizar a 
manipulação, análise e visualização de 
Big Data. Tais técnicas surgiram com 
contribuições dos campos da 
estatística, ciência da computação, 
matemática e economia, com algumas 
idealizadas para lidar especificamente 
com Big Data e outras foram ajustadas 
para trabalhar nesse contexto.
Fonte: Freepik. 
Introdução
Técnicas de aprendizado 
de máquina
O Big Data exige técnicas multidisciplinares para processar grandes volumes de 
dados. Aprendizado de Máquina (AM) utiliza algoritmos para identificar padrões e 
criar modelos preditivos. AM cresce com a era do Big Data, potencializando 
previsões e análises baseadas em grandes quantidades de informações.
O Aprendizado de Máquina inclui métodos como redes neurais, árvores de decisão 
e regressão. Essas técnicas permitem análises preditivas e agrupamentos eficientes 
em grandes volumes de dados. Empresas como Amazon e Netflix utilizam essas 
técnicas para personalizar experiências e otimizar decisões.
A análise preditiva utiliza dados históricos para prever demandas e 
comportamentos futuros. Sistemas de recomendação personalizam sugestões aos 
usuários, melhorando o engajamento. Exemplos incluem a Netflix, que utiliza 
algoritmos para recomendar conteúdo baseado em preferências anteriores.
A Bioinformática combina Big Data e 
AM para analisar grandes volumes de 
dados biológicos. Aplicações incluem 
sequenciamento genético e 
modelagem de biomoléculas. Essa 
integração permite avanços em áreas 
como medicina personalizada, 
genômica e desenvolvimento de 
novas terapias.
Fonte: Freepik. 
O Big Data impulsiona inovações como Blockchain, IoT e armazenamento 
distribuído. Blockchain oferece segurança e transparência, enquanto IoT gera 
grandes volumes de dados em tempo real. Juntas, essas tecnologias transformam 
setores como saúde, finanças e logística.
Gerência de dados e 
computação na nuvem
A computação na nuvem permite acesso sob demanda a recursos como CPU, 
armazenamento e memória. Com custos reduzidos e escalabilidade, é essencial 
para empresas que buscam otimizar operações. Seu modelo flexível oferece 
suporte ao processamento e armazenamento de grandes volumes de dados, 
incluindo Big Data.
A computação na nuvem possui quatro modelos principais: privada, pública, 
comunitária e híbrida. Cada modelo oferece diferentes níveis de acesso, segurança 
e flexibilidade, permitindo que empresas escolham o mais adequado às suas 
necessidades. A nuvem híbrida combina vantagens dos outros modelos.
Os principais modelos de serviço são: 
SaaS, que oferece software como 
serviço; PaaS, para desenvolvimento e 
gestão de aplicações; e IaaS, que 
disponibiliza infraestrutura. Esses 
modelos permitem que empresas se 
concentrem em seu core business 
enquanto terceirizam infraestrutura e 
tecnologia.
Fonte: Freepik. 
A nuvem é essencial para gerenciar e processar dados em larga escala do Big Data. 
Oferece escalabilidade, custos sob demanda e alta capacidade de análise. 
Exemplos incluem empresas como Etsy, que usa a nuvem para analisar dados de 
clientes, otimizando suas operações e recomendações de produtos.
A gerência de dados em nuvem enfrenta desafios como escalabilidade e 
consistência. Soluções como SGBDs em nuvem e arquiteturas distribuídas 
oferecem elasticidade e eficiência. O modelo permite balanceamento dinâmico de 
cargas e otimização de custos, atendendo a demandas de grandes volumes de 
dados.
Bioinformática
A bioinformática combina biologia e 
computação para analisar grandes 
volumes de dados biológicos, como 
sequências genéticas. Com avanços 
em automação e tecnologia, a área é 
essencial para a medicina 
personalizada, a genômica e a 
descoberta de novas terapias. É um 
campo orientado por Big Data.
Fonte: Freepik. 
A bioinformática emergiu com a necessidade de organizar e interpretar dados 
genômicos gerados por tecnologias como o sequenciamento de nova geração. 
Projetos como o Genoma Humano transformaram a área, integrando ferramentas 
avançadas para análise, armazenamento e compartilhamento global de dados 
biológicos.
A bioinformática é usada na 
agricultura para melhorar cultivos e 
resistências, em genômica para 
estudos comparativos, e na saúde 
para análises genéticas e 
desenvolvimento de biocombustíveis. 
Ferramentas computacionais ajudam 
a interpretar dados e otimizar 
programas de melhoramento e 
biofortificação de alimentos.
Fonte: Freepik. 
Workflows científicos estruturam etapas de experimentos, otimizando a análise de 
dados biológicos. A proveniência dos dados garante qualidade, replicação e 
confiabilidade. Essa abordagem é fundamental para estudos em genômica, 
permitindo rastrear origens e validar resultados com precisão.
O bioinformata combina habilidades em ciência de dados, programação e biologia 
molecular para resolver problemas biológicos. Trabalha com ferramentas robustas 
para analisar grandes volumes de dados. Python é amplamente usado, tornando a 
análise eficiente e integrada à era do Big Data.
Inovação tecnológica e 
novas tendências
O Big Data impulsiona inovação em tecnologias e processos decisórios. Empresas 
utilizam-no para reduzir custos, melhorar produtividade e identificar fraudes. 
Inovações como personalização em tempo real e análise preditiva tornam-se 
estratégicas para vantagens competitivas no mercado.
Big Social Data explora o grande 
volume de dados gerados por redes 
sociais como Facebook e Twitter. 
Esses dados permitem análises em 
tempo real, facilitando predições de 
comportamento e estratégias de 
marketing. Contudo, desafios como 
verificação de fake news permanecem 
cruciais para análise de dados 
eficiente.
Fonte: Freepik. 
Blockchain, integrado ao Big Data, oferece rastreabilidade, segurança e 
transparência em transações. Usado em setores como saúde e finanças, permite 
análises precisas de grandes volumes de dados. Exemplo: IBM Food Trust utiliza 
blockchain para auditar cadeias de suprimento alimentício.
A IoT conecta sensores e dispositivos 
que geram dados em tempo real. 
Utilizada em áreas como saúde e 
cidades inteligentes, IoT fornece 
informações ricas para análise Big 
Data. Sua velocidade e variedade de 
dados impulsionam o uso em 
sistemas de monitoramento e 
infraestrutura inteligente.
Fonte: Freepik. 
Com o aumento do uso de Big Data, surgem desafios como escalabilidade e 
consistência de dados. Tendências incluem bancos NoSQL e processamento em 
GPU. Soluções em IoT e blockchain continuam moldando o futuro, enquanto novos 
paradigmas de segurança e eficiência são desenvolvidos.
	Slide 1: BIG DATA E CIÊNCIA DOS DADOS
	Slide 2: Objetivos
	Slide 3: Introdução
	Slide 4: Técnicas de aprendizado de máquina
	Slide 5
	Slide 6
	Slide 7
	Slide 8
	Slide 9
	Slide 10: Gerência de dados e computação na nuvem
	Slide 11
	Slide 12
	Slide 13
	Slide 14
	Slide 15
	Slide 16: Bioinformática
	Slide 17
	Slide 18
	Slide 19
	Slide 20
	Slide 21
	Slide 22: Inovação tecnológica e novas tendências
	Slide 23
	Slide 24
	Slide 25
	Slide 26
	Slide 27