Data Science na educação : presencial, a distância e corporativa /
Introdução - Data Science 1.1 Data Science como ciência 1.2 Componentes do Data Science 1.3 Processo de Data Science 1.4 Data Science na educação CAPÍTULO 1 - BIG DATA 1.1 Tipos de dados 1.2 Estrutura dos dados 1.3 Origem dos dados 1.4 Governança e proteção de dados 1.5 Governança e proteção de...
Saved in:
Main Authors: | , |
---|---|
Format: | Livro Geral |
Language: | Português |
Published: |
2021
|
Subjects: | |
Online Access: | https://acervo.enap.gov.br/cgi-bin/koha/opac-detail.pl?biblionumber=524300 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
KOHA-OAI-ENAP:524300 |
---|---|
recordtype |
KOHA |
first_indexed |
2024-03-19T10:03:57Z |
last_indexed |
2024-03-19T10:03:57Z |
spelling |
KOHA-OAI-ENAP:5243002023-03-17T19:49:46Z nam a22 7a 4500 524300 524413 BR-BrENAP 20230314163458.0 230314b xxu||||| |||| 00| 0 por d 9786587958439 BR-BrENAP Pt_BR por 370 F479d Filatro, Andrea 3542 Data Science na educação : presencial, a distância e corporativa / por Andrea Filatro ; revisão técnica de Diógenes Justo. -- São Paulo : Saraiva Educação, 2021. 191 p. : il. Introdução - Data Science 1.1 Data Science como ciência 1.2 Componentes do Data Science 1.3 Processo de Data Science 1.4 Data Science na educação CAPÍTULO 1 - BIG DATA 1.1 Tipos de dados 1.2 Estrutura dos dados 1.3 Origem dos dados 1.4 Governança e proteção de dados 1.5 Governança e proteção de dados na educação 1.6 Big Data na educação 1.6.1 Especificidades dos dados educacionais 1.6.2 Modelos de dados na educação 1.7 Design Instrucional Orientado a Dados 1.7.1 Processo de Design Instrucional Orientado a Dados 1.7.2 Modelo de referência para o Design Instrucional Orientado a Dados CAPÍTULO 2 - DATA MINING 2.1 Técnicas de Data Mining PRINCIPAIS TÉCNICAS DE DATA MINING 2.2 Educational Data Mining (EDM) 2.2.1 Processo de Mineração de Dados Educacionais 2.3 Knowledge Discovery in Databases (KDD) 2.3.1 Modelo DIKW: dos dados à sabedoria 2.4 Visualização de dados 2.5 Dashboards 2.5.1 Dashboards educacionais 2.6 Tomada de Decisão Orientada a Dados 2.6.1 Tomada de Decisão Educacional Orientada a Dados CAPÍTULO 3 - DATA ANALYTICS 3.1 Aplicações do Data Analytics 3.2 Data Analytics versus Data Mining 3.3 Text Analytics 3.4 Audio Analytics 3.5 Video Analytics 3.6 Social Media Analytics 3.7 loT Analytics 3.8 Learning Analytics (LA) 3.8.1 EDM versus LA 3.8.2 Processo de LA 3.8.3 Modelo de referência para o LA 3.8.3.1 Dados e ambientes no LA (O quê?) 3.8.3.2 Partes interessadas no LA (Quem?) 3.8.3.3 Objetivos do LA (Por quê?) 3.8.3.4 Métodos no LA (Como?) 3.8.4 Plataformas de LA 3.8.5 Padrões para LA 3.8.6 Learner Analytics 3.8.7 Academic Analytics CAPÍTULO 4 - INTELIGÊNCIA ARTIFICIAL (IA) 4.1 Tipos de IA 4.2 Áreas da IA 4.3 Processo de IA 4.4 IA versus Data Mining versus Data Analytics 4.5 Machine Learning (ML) 4.5.1 Como as máquinas aprendem? 4.5.1.1 Aprendizado supervisionado 4.5.1.2 Aprendizado não supervisionado 4.5.1.3 Aprendizado por reforço 4.6 Deep Learning (DL) 4.7 Sistemas de recomendação 4.7.1 Sistemas de recomendação educacional 4.8 Processamento de Linguagem Natural 4.8.1 Processamento de Linguagem Natural na educação 4.9 Visão computacional 4.10 Assistentes de Voz Inteligentes 4.11 Robótica 4.11.1 Robótica educacional 4.12 Chatbots 4.12.1 Chatbots na educação 4.13 IA na educação 4.14 Impacto da IA na educação 4.14.1 Sistemas de Tutoria Inteligente (ITS) CAPÍTULO 5 - EDUCAÇÃO INTELIGENTE 5.1 Aprendizagem inteligente 5.2 Ambientes de aprendizagem inteligentes 5.3 Design Instrucional Inteligente 5.4 Singularidade e inteligência humano-computacional Cases Perspectivas: novas fronteiras para o conhecimento e a aprendizagem Glossário Chave de tradução Chave de siglas Índice remissivo Referências Educação 12704 Ensino 15748 Aprendizagem 11989 Justo, Diógenes rev. téc. 68027 202303 Raynara G |
institution |
ENAP-Escola Nacional de Administração Pública |
collection |
Biblioteca Graciliano Ramos |
language |
Português |
topic |
Educação Ensino Aprendizagem |
spellingShingle |
Educação Ensino Aprendizagem Filatro, Andrea Justo, Diógenes Data Science na educação : presencial, a distância e corporativa / |
topic_facet |
Educação Ensino Aprendizagem |
description |
Introdução - Data Science
1.1 Data Science como ciência
1.2 Componentes do Data Science
1.3 Processo de Data Science
1.4 Data Science na educação
CAPÍTULO 1 - BIG DATA
1.1 Tipos de dados
1.2 Estrutura dos dados
1.3 Origem dos dados
1.4 Governança e proteção de dados
1.5 Governança e proteção de dados na educação
1.6 Big Data na educação
1.6.1 Especificidades dos dados educacionais
1.6.2 Modelos de dados na educação
1.7 Design Instrucional Orientado a Dados
1.7.1 Processo de Design Instrucional Orientado a Dados
1.7.2 Modelo de referência para o Design Instrucional Orientado a Dados
CAPÍTULO 2 - DATA MINING
2.1 Técnicas de Data Mining
PRINCIPAIS TÉCNICAS DE DATA MINING
2.2 Educational Data Mining (EDM)
2.2.1 Processo de Mineração de Dados Educacionais
2.3 Knowledge Discovery in Databases (KDD)
2.3.1 Modelo DIKW: dos dados à sabedoria
2.4 Visualização de dados
2.5 Dashboards
2.5.1 Dashboards educacionais
2.6 Tomada de Decisão Orientada a Dados
2.6.1 Tomada de Decisão Educacional Orientada a Dados
CAPÍTULO 3 - DATA ANALYTICS
3.1 Aplicações do Data Analytics
3.2 Data Analytics versus Data Mining
3.3 Text Analytics
3.4 Audio Analytics
3.5 Video Analytics
3.6 Social Media Analytics
3.7 loT Analytics
3.8 Learning Analytics (LA)
3.8.1 EDM versus LA
3.8.2 Processo de LA
3.8.3 Modelo de referência para o LA
3.8.3.1 Dados e ambientes no LA (O quê?)
3.8.3.2 Partes interessadas no LA (Quem?)
3.8.3.3 Objetivos do LA (Por quê?)
3.8.3.4 Métodos no LA (Como?)
3.8.4 Plataformas de LA
3.8.5 Padrões para LA
3.8.6 Learner Analytics
3.8.7 Academic Analytics
CAPÍTULO 4 - INTELIGÊNCIA ARTIFICIAL (IA)
4.1 Tipos de IA
4.2 Áreas da IA
4.3 Processo de IA
4.4 IA versus Data Mining versus Data Analytics
4.5 Machine Learning (ML)
4.5.1 Como as máquinas aprendem?
4.5.1.1 Aprendizado supervisionado
4.5.1.2 Aprendizado não supervisionado
4.5.1.3 Aprendizado por reforço
4.6 Deep Learning (DL)
4.7 Sistemas de recomendação
4.7.1 Sistemas de recomendação educacional
4.8 Processamento de Linguagem Natural
4.8.1 Processamento de Linguagem Natural na educação
4.9 Visão computacional
4.10 Assistentes de Voz Inteligentes
4.11 Robótica
4.11.1 Robótica educacional
4.12 Chatbots
4.12.1 Chatbots na educação
4.13 IA na educação
4.14 Impacto da IA na educação
4.14.1 Sistemas de Tutoria Inteligente (ITS)
CAPÍTULO 5 - EDUCAÇÃO INTELIGENTE
5.1 Aprendizagem inteligente
5.2 Ambientes de aprendizagem inteligentes
5.3 Design Instrucional Inteligente
5.4 Singularidade e inteligência humano-computacional
Cases
Perspectivas: novas fronteiras para o conhecimento e a aprendizagem
Glossário
Chave de tradução
Chave de siglas
Índice remissivo
Referências |
format |
Livro Geral |
author |
Filatro, Andrea Justo, Diógenes |
author_facet |
Filatro, Andrea Justo, Diógenes |
author_sort |
Filatro, Andrea |
title |
Data Science na educação : presencial, a distância e corporativa / |
title_short |
Data Science na educação : presencial, a distância e corporativa / |
title_full |
Data Science na educação : presencial, a distância e corporativa / |
title_fullStr |
Data Science na educação : presencial, a distância e corporativa / |
title_full_unstemmed |
Data Science na educação : presencial, a distância e corporativa / |
title_sort |
data science na educação : presencial, a distância e corporativa / |
publishDate |
2021 |
url |
https://acervo.enap.gov.br/cgi-bin/koha/opac-detail.pl?biblionumber=524300 |
isbn |
9786587958439 |
_version_ |
1793948529711906816 |
score |
10.920854 |