Aulas ao vivo todos os dias
Matriz atualizada para 2026
Faculdade EAD Live em
Dados
Os dados são hoje a principal fonte de inteligência do mundo digital — alimentando sistemas de IA, orientando decisões estratégicas e sustentando operações críticas em todos os setores. Do algoritmo que recomenda produtos no e-commerce ao prontuário eletrônico que salva vidas na saúde, nada funciona sem estruturas sólidas de coleta, organização e análise da informação. É por isso que a área de dados deixou de ser apenas suporte para se tornar uma das mais valorizadas e indispensáveis do mercado.
Na Faculdade Infnet, você pode ingressar nesse universo por três caminhos complementares. Para quem busca uma formação aprofundada com visão de engenharia e domínio de arquitetura de big data, há a graduação em Engenharia de Dados (4 anos). E para quem deseja uma formação mais direta para administrar, manipular e otimizar bancos relacionais e não relacionais, com uma rápida inserção no mercado, existe o curso de Banco de Dados (2 anos e meio). Já quem prefere atuar diretamente na interpretação e modelagem das informações pode optar por Ciência de Dados (2 anos e meio), aprendendo a transformar grandes volumes de dados em previsões e insights acionáveis.
Matriz curricular
Confira a matriz curricular dos nossos cursos de Dados:
Fundamentos do Processamento de Dados
Introdução à Visualização de Dados e SQL:
- Visualizar dados de um CSV no Google Looker Studio
- Construir um relatório interativo baseado em dados usando Google Looker Studio
- Realizar queries SELECT em uma base de dados SQL
- Extrair informações através de agrupamentos e sumarização (GROUP_BY e ORDER_BY)
Introdução à Programação com Python:- Criar programas simples em Python usando uma IDE “code playground”
- Criar programas simples com strings
- Escrever programas simples com decisão/seleção em Python
- Escrever programas simples com repetição/iteração e listas em Python
SQL e Modelagem Relacional:- Projetar modelos relacionais de bases de dados com restrições, incluindo a criação das tabelas necessárias
- Aplicar regras de normalização em um modelo relacional de dados
- Manipular objetos em um banco de dados utilizando SQL
- Fazer agregações entre duas ou mais tabelas em banco de dados
Python para Processamento de Dados:- Programar funções personalizadas em Python
- Programar em Python com indexação, fatiamento e métodos avançados para strings
- Programar decisão/seleção e repetição/iteração com listas em Python
- Programar em Python com arquivos, sets, dicionários e JSON
- Encontrar e tratar bugs (erros) em Python
Projeto de Bloco: Fundamentos do Processamento de Dados:- Entregar um relatório com uma série de exercícios de fundamentação, trazendo a implementação de diversos artefatos de processamento de dados em Python e SQL, assim como os códigos fontes, documentação do processo de desenvolvimento e da modelagem de dados. São usados exercícios desafiadores provenientes de plataformas de mercado.
Conectividade e Desenvolvimento Front-End
Arquitetura e Operação de Sistemas Computacionais:
- Explicar a arquitetura de hardware de dispositivos computacionais
- Operar sistemas operacionais de desktops
- Gerenciar sistemas operacionais móveis e sua segurança
- Descrever os fundamentos de redes de computadores
- Explicar o funcionamento do endereçamento de rede
Fundamentos do Desenvolvimento Front-End:- Estruturar e estilizar páginas web com HTML5 e CSS3
- Implementar algoritmos com lógica de programação em JavaScript
- Organizar e reutilizar código através de funções
- Manipular dinamicamente o conteúdo e o estilo da página
- Analisar e depurar códigos HTML, CSS e JavaScript
Infraestrutura e Segurança de Redes:- Implementar a configuração inicial de dispositivos de rede
- Operar uma infraestrutura de rede com base em um projeto
- Diagnosticar problemas de conectividade em redes
- Aplicar os fundamentos de segurança de rede
- Elaborar um projeto de rede básico
Interatividade no Desenvolvimento Front-End:- Estruturar e manipular dados complexos com arrays e objetos
- Desenvolver interfaces dinâmicas baseadas em eventos
- Criar e validar formulários web interativos
- Criar páginas web dinâmicas com manipulação avançada do DOM
Projeto de Bloco: Conectividade e Desenvolvimento Front-End:- Dashboard de Análise de Logs de Segurança de Rede: O aluno irá criar uma interface web interativa para visualizar e filtrar um grande volume de logs de um firewall ou de um sistema de detecção de intrusão. O objetivo é identificar padrões, como os principais IPs de ataque ou as portas mais visadas.
Desenvolvimento Back-End
Fundamentos de Desenvolvimento com Java:
- Preparar o ambiente para desenvolvimento local com Java
- Escrever programas em Java usando seus elementos básicos
- Escrever programas em Java que utilizem classes e objetos
- Utilizar os pilares do paradigma de orientação ao objeto para criação de programas em Java
- Escrever programas em Java com arrays, coleções, arquivos e recursos mais avançados
Fundamentos de Desenvolvimento com C#:- Preparar ambiente para desenvolvimento local com C# e .NET
- Escrever programas em C# usando seus elementos básicos
- Escrever programas em C# que utilizem classes e objetos
- Utilizar os pilares do paradigma de orientação ao objeto para criação de programas em C#
- Escrever programas em C# com Arrays, arquivos e recursos mais avançados
Desenvolvimento de Serviços Web com Spring Boot:- Criar aplicações web a partir do Spring Boot Initializer
- Desenvolver RESTful APIs com Spring Boot
- Implementar persistência de dados com JPA, Redis e MongoDB
- Implementar testes em aplicações SpringBoot
- Implementar medidas de segurança em aplicações Spring Boot
- Realizar o deploy em aplicações SpringBoot
Desenvolvimento Web com .NET e Bases de Dados:- Utilizar delegates e events em programas C#
- Desenvolver uma aplicação web full-stack (“server-based UI”) em ASP.NET Core usando Razor Pages
- Acessar bases de dados usando EF Core
- Desenvolver uma aplicação web em ASP.NET Core acessando bases de dados via EF Core
Projeto de Bloco: Desenvolvimento Back-End:- O aluno deverá projetar e implementar uma solução de back-end, aderindo ao processo RUP. A modelagem do software será respaldada pela produção de artefatos, incluindo casos de uso, diagrama de classes, diagramas de sequências e de comunicação. Estes artefatos utilizarão UML e serão entregues juntos com a solução final. Se a tecnologia escolhida for Java, o aluno desenvolverá uma interface de linha de comando que interage com o back-end por meio de uma API REST, e a persistência de dados deverá ser realizada numa base MongoDB. Já se o aluno escolher C#/ASP.NET, a solução será desenvolvida usando Razor Pages (interface e back-end) e a persistência de dados deverá ser realizada utilizando EF Core.
Ciência da Computação
Velocidade e Qualidade com Estruturas de Dados e Algoritmos:
- Avaliar a velocidade de algoritmos introdutórios usando a notação Big O
- Utilizar as estruturas de dados hash tables, filas (queues) e pilhas (stacks)
- Desenvolver algoritmos avançados usando recursão e programação dinâmica
- Utilizar as estruturas de dados listas encadeadas (linked lists) e árvores (trees)
Sistemas Operacionais com Linux e Python:- Operar o sistema operacional Linux utilizando a linha de comando
- Explicar como o Linux opera o hardware e os diferentes dispositivos de sistema
- Gerenciar aplicativos, pacotes, containers e sistemas de inicialização no Linux, utilizando a linha de comando
- Desenvolver programas simples em Python com paralelismo, utilizando a linha de comando
Estruturas de Dados e Algoritmos Avançados:- Utilizar as estruturas de dados heaps e tries
- Utilizar a estrutura de dados grafos (graphs)
- Desenvolver algoritmos avançados com grafos
- Resolver problemas com algoritmos gulosos (“greedy”) e outras técnicas adicionais de otimização
Programação Distribuída com Redes usando Linux e Python:- Conectar em rede e com a Internet computadores com o sistema operacional Linux
- Utilizar serviços e aplicações de rede do Linux
- Desenvolver programas em Python que se comunicam por rede
- Desenvolver programas em Python para analisar, manipular e proteger redes
Projeto de Bloco: Ciência da Computação:- O aluno deverá apresentar cinco soluções práticas que evidenciam competências em Estruturas de Dados, Algoritmos, Sistemas Operacionais com Linux e Python, e Programação Distribuída em Redes. Estas soluções envolvem a análise de algoritmos de ordenação, desenvolvimento de programas com computação paralela, manipulação de árvores, listas encadeadas, heaps, tries, grafos, e técnicas de comunicação de rede, além da resolução de problemas de grafos e NP-completos, culminando em uma experiência prática e avançada.
Engenharia Segura de Softwares Escaláveis
Microsserviços e DevOps com Spring Boot e Spring Cloud:
- Desenvolver microserviços cloud nativos com Spring Boot e Spring Cloud
- Publicar microserviços Spring Boot, orquestrando containers com Docker e Kubernetes
- Desenvolver microserviços usando Reactive Spring
- Desenvolver em grupo utilizando repositórios Git através do GitHub.
- Publicar de forma automática microsserviços Spring Boot usando GitHub Actions e Kubernetes
Design Patterns e Domain-Driven Design (DDD) com Java:- Desenvolver software aplicando design patterns
- Projetar softwares de forma estratégica, usando “bounded contexts”, subdomínios e linguagem ubíqua
- Projetar softwares de forma estratégica usando “context maps”
- Projetar softwares usando “aggregates”
DevSecOps: Segurança Contínua para Aplicações Cloud Native:- Automatizar a análise de vulnerabilidades em código-fonte e dependências
- Implementar mecanismos de autenticação e autorização em microsserviços
- Gerenciar segredos (secrets) de forma segura e implementar a varredura de vulnerabilidades em imagens de container, como parte do processo de entrega contínua.
- Aplicar os princípios de Threat Modeling (modelagem de ameaças)
Domain-Driven Design (DDD) e Arquitetura de Softwares Escaláveis com Java:- Transformar monolitos em microsserviços eficazes, aplicando princípios de DDD e técnicas de decomposição.
- Projetar softwares usando “domain events”
- Desenvolver microsserviços event-driven e com outros padrões de comunicação assíncrona
- Implementar testes e observabilidade em microsserviços com Zipkin, Spring Cloud Sleuth e ELK Stack.
Projeto de Bloco: Engenharia Segura de Softwares Escaláveis:- O aluno desenvolverá um software escalável de forma ágil e incremental, evoluindo de um monolito para uma arquitetura de microsserviços orientada a eventos, aplicando princípios de Domain-Driven Design (DDD). A solução deverá incorporar práticas de DevSecOps desde o início, garantindo a segurança de APIs RESTful com padrões como OAuth 2.0 e automatizando a análise de vulnerabilidades (SAST, SCA, varredura de containers) no pipeline de CI/CD. O desenvolvimento utilizará o ecossistema Spring (Boot, Data, Cloud) e RabbitMQ para mensageria
Análise e Segurança de Agentes de IA
Estatística Aplicada e Análise Exploratória de Dados:
- Manipular, limpar e transformar conjuntos de dados complexos utilizando bibliotecas como Pandas.
- Calcular e interpretar as principais métricas de estatística descritiva e correlação para extrair insights iniciais.
- Realizar uma Análise Exploratória de Dados (EDA) completa para identificar padrões, anomalias e tendências.
- Aplicar testes de hipótese básicos (como testes A/B) para validar suposições e guiar decisões.
Desenvolvimento Seguro de Aplicações Web:- Mapear a arquitetura e o fluxo de dados de uma aplicação web, identificando componentes críticos de segurança (HTTP, sessões, cookies).
- Identificar as 10 principais vulnerabilidades do OWASP Top 10 em trechos de código e arquiteturas de software.
- Aplicar técnicas de programação segura (Secure Coding), como validação de entradas e codificação de saídas, para prevenir falhas comuns.
- Utilizar ferramentas de scan passivo (como OWASP ZAP) para realizar uma avaliação inicial de segurança em uma aplicação.
Modelagem Preditiva e Construção de Agentes de IA:- Pré-processar e preparar dados textuais ou estruturados para o treinamento de modelos de Machine Learning (feature engineering).
- Treinar, avaliar e otimizar modelos preditivos de classificação e regressão utilizando frameworks como Scikit-learn.
- Integrar um modelo de ML treinado a uma aplicação, expondo sua funcionalidade através de uma API RESTful (Flask/FastAPI).
- Desenvolver lógicas de decisão para um agente de IA com base nas previsões do modelo integrado.
Análise de Vulnerabilidades e Pentest Web:- Operar ferramentas de pentest padrão da indústria (como Burp Suite e SQLmap) para interceptar, analisar e manipular tráfego web.
- Executar ataques práticos para explorar vulnerabilidades do OWASP Top 10 em um ambiente de laboratório controlado.
- Aplicar uma metodologia sistemática de pentest para mapear a superfície de ataque de uma aplicação web ou API.
- Documentar as vulnerabilidades encontradas em um relatório técnico claro, incluindo evidências (PoC) e recomendações de mitigação.
Projeto de Bloco: Análise e Segurança de Agentes IA:- O aluno irá projetar, desenvolver e auditar um agente de IA de atendimento ao cliente. O processo envolve realizar a análise exploratória de um conjunto de dados de suporte para definir as “intenções” do usuário, treinar um modelo de classificação de texto para ser o “cérebro” do agente, e expor essa inteligência através de uma API web. Ao final, os alunos trocam suas APIs e realizam um pentest completo na aplicação dos colegas, atuando como hackers éticos para identificar, explorar e reportar as falhas de segurança encontradas.
Engenharia de Banco de Dados
Administração de BDs: Fundamentos do SQL Server + TSQL:
- Instalar e configurar um banco de dados SQL Server
- Planejar e executar tarefas administrativas em um SGBD SQL Server
- Planejar e gerenciar o backup e a recuperação de dados no SQL Server
- Utilizar a linguagem TSQL para manipulação de dados e auxílio em tarefas administrativas
Administração de BDs: Fundamentos do Oracle + PL/SQL:- Instalar e configurar um banco de dados Oracle
- Planejar e executar tarefas administrativas em um SGBD Oracle
- Planejar e gerenciar o backup e a recuperação de dados no Oracle
- Garantir integridade em bancos de dados Oracle utilizando linguagem PL/SQL
Administração e Otimização de BDs: SQL Server e Azure:- Implementar e gerenciar os principais serviços de cloud DB no Microsoft Azure
- Implementar soluções de Alta Disponibilidade em SGBDs SQL Server e SQL no Azure
- Resolver problemas de desempenho em bancos de dados SQL Server e SQL no Azure
- Monitorar e garantir integridade em bancos de dados SQL Server e SQL no Azure
- Resolver problemas práticos de administração e otimização em bancos de dados SQL Server e SQL no Azure
Administração e Otimização de BDs: Oracle e OCI:- Implementar e gerenciar os principais serviços de cloud DB na OCI
- Implementar soluções de Alta Disponibilidade em SGBDs Oracle
- Resolver problemas de desempenho em bancos de dados Oracle
- Monitorar e garantir integridade em bancos de dados Oracle
- Resolver problemas práticos de administração e otimização no SGBD Oracle e em ambientes OCI
Projeto de Bloco: Engenharia de Banco de Dados:- Neste projeto, você compreenderá no que consiste o trabalho de um DBA (Administrador de Bancos de Dados) e de um AD (Administrador de Dados ou Analista de Dados) e aprenderá a atuar nas duas áreas. Durante todo o curso, você aprenderá as tarefas e atribuições de um DBA, aprendendo não só a instalar e manter os SGBDs Oracle e SQL Server, como também a criar toda a infraestrutura necessária para a implementação de estruturas de dados criadas a partir de modelos que, por sua vez, são criados a partir de requisitos de usuário. A criação e implementação física de modelos de dados faz parte do trabalho do AD. Você desenvolverá um projeto completo de implementação física de uma base dados, sob a perspectiva de atendimento a requisitos de sistemas de bancos de dados (como sistemas de estoque, RH, compras etc.). Você aplicará os conhecimentos adquiridos anteriormente para construir um banco de dados completo: passando pelas etapas de levantamento, modelagem, implementação física, até a realização de consultas mais complexas.
Engenharia de Dados: Big Data
Processamento de Dados Distribuídos com Spark:
- Ingerir e persistir dados em múltiplos formatos (Parquet, CSV, JSON) utilizando a API de DataFrames do Spark
- Aplicar transformações complexas, junções (joins) e agregações em grandes volumes de dados de forma distribuída
- Utilizar Spark SQL para explorar e consultar dados, aproveitando o conhecimento prévio em SQL para processamento em larga escala
- Estruturar e otimizar a escrita de dados através de particionamento para melhorar a performance de futuras leituras e consultas
Arquitetura de Plataformas de Dados Modernas:- Diferenciar as arquiteturas de Data Warehouse, Data Lake e Data Lakehouse, explicando as vantagens e os casos de uso de cada uma
- Projetar e modelar um Data Lakehouse em camadas (Bronze, Silver, Gold), definindo o propósito e o formato dos dados em cada estágio
- Explicar a importância de formatos de tabela transacionais (como Delta Lake, Apache Iceberg) e seus principais recursos (ACID, Time Travel, Schema Evolution)
- Identificar e propor soluções para desafios comuns de governança de dados, como qualidade, segurança de acesso e catalogação de dados
Orquestração e Automação de Pipelines de Dados:- Desenvolver pipelines de dados como código (DAGs) no Apache Airflow, definindo tarefas, operadores e dependências entre elas
- Integrar e acionar diferentes sistemas a partir do orquestrador, como a execução de jobs Spark, scripts Python e transferências de dados
- Agendar, monitorar e depurar a execução de pipelines, utilizando a interface do Airflow para gerenciar falhas e reprocessar dados (backfilling)
- Aplicar transformações nos dados diretamente no Data Lakehouse utilizando dbt, separando a lógica de negócio da orquestração do pipeline
Engenharia de Dados na Nuvem:- Gerenciar o armazenamento de objetos em nuvem (ex: Amazon S3), configurando buckets, políticas de segurança (IAM) e ciclos de vida de dados
- Executar jobs de processamento de dados (Spark) utilizando serviços gerenciados (ex: AWS Glue, Azure Synapse Analytics), sem a necessidade de gerenciar a infraestrutura subjacente
- Implantar e operar pipelines de orquestração em serviços gerenciados na nuvem (ex: MWAA – Managed Workflows for Apache Airflow, Azure Data Factory)
- Disponibilizar os dados do Data Lakehouse para consulta e análise utilizando ferramentas de query federada (ex: Amazon Athena, Presto)
Projeto de Bloco: Engenharia de Dados: Big Data:- Construção de uma plataforma de dados ponta a ponta para uma empresa de varejo online, com o objetivo de criar uma “Visão 360°” do cliente. O aluno irá ingerir dados brutos de vendas (JSON) e logs de navegação (CSV) e processá-los em larga escala com Apache Spark, implementando a solução sobre uma arquitetura Data Lakehouse em camadas. Para simular um ambiente profissional real, todo o fluxo de trabalho será automatizado e orquestrado por Apache Airflow e totalmente implantado em um ambiente de nuvem utilizando serviços gerenciados, resultando em tabelas analíticas prontas para que analistas possam extrair insights valiosos sobre a jornada de compra do consumidor.
Fundamentos do Processamento de Dados
Introdução à Visualização de Dados e SQL
- Visualizar dados de um CSV no Google Looker Studio
- Construir um relatório interativo baseado em dados usando Google Looker Studio
- Realizar queries SELECT em uma base de dados SQL
- Extrair informações através de agrupamentos e sumarização (GROUP_BY e ORDER_BY)
Introdução à Programação com Python- Criar programas simples em Python usando uma IDE “code playground”
- Criar programas simples com strings
- Escrever programas simples com decisão/seleção em Python
- Escrever programas simples com repetição/iteração e listas em Python
SQL e Modelagem Relacional- Projetar modelos relacionais de bases de dados com restrições, incluindo a criação das tabelas necessárias
- Aplicar regras de normalização em um modelo relacional de dados
- Manipular objetos em um banco de dados utilizando SQL
- Fazer agregações entre duas ou mais tabelas em banco de dados
Python para Processamento de Dados- Programar funções personalizadas em Python
- Programar em Python com indexação, fatiamento e métodos avançados para strings
- Programar decisão/seleção e repetição/iteração com listas em Python
- Programar em Python com arquivos, sets, dicionários e JSON
- Encontrar e tratar bugs (erros) em Python
Projeto de Bloco: Fundamentos do Processamento de Dados- Entregar um relatório com uma série de exercícios de fundamentação, trazendo a implementação de diversos artefatos de processamento de dados em Python e SQL, assim como os códigos fontes, documentação do processo de desenvolvimento e da modelagem de dados. São usados exercícios desafiadores provenientes de plataformas de mercado.
Engenharia de Dados: Big Data
Administração de BDs noSQL com MongoDB:
- Explicar semelhanças e diferenças entre bases SQL, noSQL e newSQL
- Instalar e configurar bases de dados noSQL utilizando MongoDB
- Manipular dados e bases de dados noSQL utilizando MongoDB
- Utilizar recursos de Replicação e Particionamento
- Utilizar recursos de Performance, Segurança, Backup/Restore e boas práticas na administração de bancos MongoDB
Fundamentos em Engenharia de Dados para Big Data:- Explicar conceitos básicos que envolvem o universo big data
- Utilizar ambientes e plataformas para executar aplicações big data
- Explicar conceitos sobre Hadoop/Spark e como eles se relacionam
- Escrever programas em Python utilizando ambientes Hadoop/Spark
Implantação de Soluções Big Data com Hadoop:- Explicar as soluções existentes para manipulação de grandes volumes de dados
- Utilizar ferramentas para manipulação de grande quantidade de dados
- Manipular bancos de dados distribuídos utilizados com Hadoop/Spark
- Utilizar soluções Hadoop/Spark em ambiente de nuvem com Inteligência Artificial
Desenvolvimento de Soluções Big Data com Apache Spark:- Desenvolver aplicações utilizando as bibliotecas do ecossistema Spark
- Manipular bases de dados distribuídas com Spark/Hadoop
- Desenvolver aplicações utilizando Python e Spark
- Desenvolver soluções de Inteligência Artificial utilizando API Spark Machine Learning Library
Projeto de Bloco: Engenharia de Dados: Big Data:- Projetar e implementar uma solução de Engenharia de Dados, desenvolvendo um ciclo completo de carga de dados em um ambiente Big Data, contemplando as fases de ingestão, transformação, processamento em camadas “speed layer” e “batch layer”, construção e armazenamento em Data Lakes e disponibilização de dados para consumo e análises preditivas. O projeto deve contemplar o uso de ferramentas de orquestração de tarefas, ELTs, construção de pipelines de dados em ambiente de nuvem, utilizando infraestrutura Spark, Hadoop e Databricks, além de linguagens de programação Python e SQL e uso de Inteligência Artificial para auxílio no processamento, tratamento e análise de grandes volumes de dados, utilização, manipulação e gerenciamento de bancos de dados noSQL.
Business Intelligence e Data Warehousing
Fundamentos de BI, Modelagem Dimensional e Análise de Dados:
- Reconhecer os fundamentos de BI em ambientes de nuvem e em ambientes on-premise
- Projetar modelos dimensionais
- Implementar modelos dimensionais
- Compreender análise de dados e usos de Inteligência Artificial para auxílio em análise de dados
- Construir cenários de dados com ferramentas de visualização e análise de dados
Extração e Manipulação de Dados (ETL) utilizando Microsoft SQL Server Integration Services (SSIS) e Azure Data Factory (ADF):- Compreender processos de coleta e preparação de dados (ETL) com SSIS e ADF
- Criar uma solução de carga de dados (ETL) com o Microsoft SQL Server Integration Services (SSIS)
- Criar uma solução de Data Warehouse utilizando SQL Server / SQL do Azure
- Utilizar linguagens de programação (T-SQL) para extração de dados
- Criar uma solução de carga de dados (ETL) com o Azure Data Factory (ADF)
Visualização de Dados e Dashboards com Power BI:- Projetar visualizações de dados para diferentes cenários
- Construir análises de dados
- Projetar Storytelling com dados
- Desenvolver relatórios e dashboards com o SQL Server Reporting Services (SSRS)
- Desenvolver relatórios e dashboards com o Microsoft PowerBI
Serviços de Análise com o Microsoft SQL Server Analysis Services (SSAS):- Reconhecer os conceitos fundamentais do Microsoft SQL Server Analysis Sevices (SSAS)
- Utilizar o Microsoft Analysis Services Multidimensional
- Utilizar expressões multidimensionais na linguagem MDX em cubos de dados
- Utilizar o Microsoft Analysis Sevices Tabular
- Utilizar expressões de análise de dados na linguagem DAX em um modelo tabular
Projeto de Bloco: Business Intelligence e Data Warehousing:- Explicar o valor e os desafios da implementação do BI nas organizações
- Explicar os tipos de Projetos para Business Intelligence
- Projetar um DM/DW a partir de modelos dimensionais e ETL para o Projeto de Bloco
- Projetar Banco de Análise e produzir entregáveis para o Projeto de Bloco
- Projetar Visualizações e Dashboards, produzindo entregáveis para o Projeto de Bloco
Engenharia de Banco de Dados
Administração de BDs: Fundamentos do SQL Server + TSQL:
- Instalar e configurar um banco de dados SQL Server
- Planejar e executar tarefas administrativas em um SGBD SQL Server
- Planejar e gerenciar o backup e a recuperação de dados no SQL Server
- Utilizar a linguagem TSQL para manipulação de dados e auxílio em tarefas administrativas
Administração de BDs: Fundamentos do Oracle + PL/SQL:- Instalar e configurar um banco de dados Oracle
- Planejar e executar tarefas administrativas em um SGBD Oracle
- Planejar e gerenciar o backup e a recuperação de dados no Oracle
- Utilizar a linguagem PL/SQL para manipulação de dados e auxílio em tarefas administrativas
Administração e Otimização de BDs: SQL Server e Azure:
- Implementar e gerenciar os principais serviços de cloud DB no Microsoft Azure
- Implementar soluções de Alta Disponibilidade em SGBDs SQL Server e SQL no Azure
- Resolver problemas de desempenho em bancos de dados SQL Server e SQL no Azure
- Monitorar e garantir integridade em bancos de dados SQL Server e SQL no Azure
- Resolver problemas práticos de administração e otimização em bancos de dados SQL Server e SQL no Azure
Administração e Otimização de BDs: Oracle e OCI:- Implementar e gerenciar os principais serviços de cloud DB na OCI
- Implementar soluções de Alta Disponibilidade em SGBDs Oracle
- Resolver problemas de desempenho em bancos de dados Oracle
- Monitorar e garantir integridade em bancos de dados Oracle
- Resolver problemas práticos de administração e otimização no SGBD Oracle e em ambientes OCI
Projeto de Bloco: Engenharia de Banco de Dados:- Levantar requisitos para elaboração de modelos de dados
- Elaborar modelos de dados e implementá-los fisicamente
- Efetuar melhorias em estruturas de dados já criadas
- Efetuar migração e integração de dados entre os SGBDs Oracle e SQL Server e ambientes de nuvem
Infraestrutura e Segurança de Dados
Disciplinas:
- Arquitetura de Computadores e Sistemas Operacionais
- Governança e Proteção de Dados
- Fundamentos de Redes de Computadores e Cibersegurança
- Gestão e Privacidade de Dados
- Projeto de Bloco
Fundamentos do Processamento de Dados
Introdução à Visualização de Dados e SQL
- Visualizar dados de um CSV no Google Looker Studio
- Construir um relatório interativo baseado em dados usando Google Looker Studio
- Realizar queries SELECT em uma base de dados SQL
- Extrair informações através de agrupamentos e sumarização (GROUP_BY e ORDER_BY)
Introdução à Programação com Python- Criar programas simples em Python usando uma IDE “code playground”
- Criar programas simples com strings
- Escrever programas simples com decisão/seleção em Python
- Escrever programas simples com repetição/iteração e listas em Python
SQL e Modelagem Relacional- Projetar modelos relacionais de bases de dados com restrições, incluindo a criação das tabelas necessárias
- Aplicar regras de normalização em um modelo relacional de dados
- Manipular objetos em um banco de dados utilizando SQL
- Fazer agregações entre duas ou mais tabelas em banco de dados
Python para Processamento de Dados- Programar funções personalizadas em Python
- Programar em Python com indexação, fatiamento e métodos avançados para strings
- Programar decisão/seleção e repetição/iteração com listas em Python
- Programar em Python com arquivos, sets, dicionários e JSON
- Encontrar e tratar bugs (erros) em Python
Projeto de Bloco: Fundamentos do Processamento de Dados- Entregar um relatório com uma série de exercícios de fundamentação, trazendo a implementação de diversos artefatos de processamento de dados em Python e SQL, assim como os códigos fontes, documentação do processo de desenvolvimento e da modelagem de dados. São usados exercícios desafiadores provenientes de plataformas de mercado.
Engenharia de Dados: Big Data
Administração de BDs noSQL com MongoDB:
- Explicar semelhanças e diferenças entre bases SQL, noSQL e newSQL
- Instalar e configurar bases de dados noSQL utilizando MongoDB
- Manipular dados e bases de dados noSQL utilizando MongoDB
- Utilizar recursos de Replicação e Particionamento
- Utilizar recursos de Performance, Segurança, Backup/Restore e boas práticas na administração de bancos MongoDB
Fundamentos em Engenharia de Dados para Big Data:- Explicar conceitos básicos que envolvem o universo big data
- Utilizar ambientes e plataformas para executar aplicações big data
- Explicar conceitos sobre Hadoop/Spark e como eles se relacionam
- Escrever programas em Python utilizando ambientes Hadoop/Spark
Implantação de Soluções Big Data com Hadoop:- Explicar as soluções existentes para manipulação de grandes volumes de dados
- Utilizar ferramentas para manipulação de grande quantidade de dados
- Manipular bancos de dados distribuídos utilizados com Hadoop/Spark
- Utilizar soluções Hadoop/Spark em ambiente de nuvem com Inteligência Artificial
Desenvolvimento de Soluções Big Data com Apache Spark:- Desenvolver aplicações utilizando as bibliotecas do ecossistema Spark
- Manipular bases de dados distribuídas com Spark/Hadoop
- Desenvolver aplicações utilizando Python e Spark
- Desenvolver soluções de Inteligência Artificial utilizando API Spark Machine Learning Library
Projeto de Bloco: Engenharia de Dados: Big Data:- Projetar e implementar uma solução de Engenharia de Dados, desenvolvendo um ciclo completo de carga de dados em um ambiente Big Data, contemplando as fases de ingestão, transformação, processamento em camadas “speed layer” e “batch layer”, construção e armazenamento em Data Lakes e disponibilização de dados para consumo e análises preditivas. O projeto deve contemplar o uso de ferramentas de orquestração de tarefas, ELTs, construção de pipelines de dados em ambiente de nuvem, utilizando infraestrutura Spark, Hadoop e Databricks, além de linguagens de programação Python e SQL e uso de Inteligência Artificial para auxílio no processamento, tratamento e análise de grandes volumes de dados, utilização, manipulação e gerenciamento de bancos de dados noSQL.
Análise e Qualidade de Dados
Análise de Dados com Python:
- Utilizar Pandas para importação e análise descritiva de dados
- Estruturar dados para filtragem e persistência usando Pandas
- Criar visualizações exploratórias com Matplotlib e Pandas
- Agregar dados através de agrupamentos e pivoteamento de tabelas com Pandas
Análise de Dados com SQL:- Preparar para análise dados armazenados em uma base de dados relacional
- Analisar padrões em conjuntos de dados usando funções de janela (Window Functions)
- Analisar séries temporais com SQL
- Realizar Cohort Analysis com SQL para avaliar retenção, retorno e comportamento acumulado ao longo do tempo
- Realizar análises textuais em SQL
Análise Exploratória de Dados:- Calcular métricas e distribuições para descrever variáveis de datasets
- Realizar o preprocessamento de dados para análises posteriores
- Criar modelos simples para dados com variáveis temporais
- Realizar regressão linear em um conjunto de dados
Qualidade de Dados:
- Explicar as principais dimensões da qualidade de dados e seus impactos no processo de tomada de decisão
- Identificar problemas de qualidade de dados utilizando Python
- Realizar Data Wrangling em Python
- Realizar Data Wrangling em SQL
Projeto de Bloco: Análise e Qualidade de Dados:- O aluno irá desenvolver um projeto completo de ciência de dados, partindo da definição do problema e utilizando bases reais do mercado ou de competições, com desafios de qualidade a serem tratados. O projeto incluirá análise exploratória, modelo de regressão linear e a criação de um dashboard que integre os resultados e dê suporte ao relatório final.
Inteligência Artificial e Machine Learning
Inteligência Artificial: Model LifeCycle:
- Explicar os conceitos básicos de Machine Learning
- Criar modelos simples de Machine Learning
- Comparar o desempenho de modelos de Machine Learning utilizando validação cruzada
- Avaliar modelos através de diferentes figuras de mérito
Dados para Machine Learning: Feature Engineering:- Manipular dados numéricos para algoritmos de Machine Learning
- Manipular dados textuais para algoritmos de Machine Learning
- Vetorizar dados categóricos para algoritmos de Machine Learning
- Reduzir dimensionalidade através da análise de componentes principais (PCA)
Inteligência Artificial: Classificação:
- Desenvolver modelos usando Árvores de Decisão
- Desenvolver modelos usando Support Vector Machine (SVM)
- Desenvolver modelos usando Ensemble Learning
- Desenvolver modelos melhores priorizando as features mais relevantes do problema
Inteligência Artificial: Clusterização:- Desenvolver modelos usando K-Médias
- Desenvolver modelos usando Clusterização Hierárquica
- Desenvolver modelos usando DBScan
- Desenvolver modelos para extrair tópicos de textos
Projeto de Bloco: Inteligência Artificial e Machine Learning:- Os alunos desenvolverão itens de cinco projetos com bases de dados reais, aplicando técnicas de IA para consolidar os conhecimentos das disciplinas. Os desafios abrangem desde o pré-processamento até a criação de modelos, com foco em explicabilidade e na construção de pipelines completos de machine learning. Assim, os alunos demonstrarão competências técnicas e analíticas para resolver problemas complexos.
Ciência de Dados Aplicada
Desenvolvimento Front-End com Python (com Streamlit):
- Preparar ambiente para desenvolvimento local de Streamlit com Python
- Desenvolver aplicações simples com elementos do Streamlit
- Criar visualizações de dados em uma aplicação Streamlit
- Criar formulários web usando elementos do Streamlit
- Publicar uma aplicação de Streamlit
- Desenvolver aplicações estilizadas e com múltiplas telas, usando Streamlit
Coleta de Dados com Python via APIs e WebScraping:
- Escrever programas que carregam dados a partir de diferentes tipos de arquivos
- Acessar dados programaticamente através de APIs
- Escrever programas de data scrapping e web crawling usando BeautifulSoup e Scrapy
- Escrever programas de web scrapping e usando Selenium
Desenvolvimento de Data-Driven Apps com Python:
- Desenvolver APIs utilizando o framework FastAPI
- Desenvolver aplicações simples LLM utilizando FastAPI ou LangChain
- Desenvolver soluções avançadas com LLMs integrando ferramentas, agentes e raciocínio interativo
- Desenvolver soluções Data-Driven com LLMs usando LangChain e Streamlit
Engenharia de Prompts para Ciência de Dados:
- Explicar o que é Inteligência Artificial Generativa e os Modelos Grandes de Linguagem (LLMs)
- Gerar textos a partir de técnicas com LLMs usando Prompt Engineering
- Utilizar técnicas avançadas de Prompt Engineering
- Criar soluções a partir de Prompt Engineering
- Utilizar técnicas Prompt Engineering para gerar imagens
Projeto de Bloco: Ciência de Dados Aplicada:
- O aluno irá desenvolver um dashboard interativo em Python com Streamlit, integrando WebScraping, APIs, e LLMs via engenharia de prompts. O projeto demonstrará a coleta de dados e uso de inteligência artificial para criação de soluções, aplicando métodos de gestão de projetos data-driven.
ADMISSÃO E VALORES
Engenharia de Dados
BANCO E CIÊNCIA DE DADOS
Sobre a graduação
É reconhecida pelo MEC?
Sim. A faculdade de Engenharia de Dados é uma ênfase da Engenharia de Software, que foi autorizada pela Portaria 929 de 27/11/2015 e reconhecida com nota máxima pela Portaria 383 de 28/09/2023.
A graduação em Banco de Dados foi autorizada pela Portaria 605 de 29/10/2014 e reconhecida pelo MEC com nota máxima pela Portaria 309 de 15/10/2020.
Já a graduação EAD Ciências de Dados foi autorizada pela Portaria 1984 de 30/12/2021.
Qual é o tipo de diploma?
Diploma de Bacharel em Engenharia de Software, com ênfase em Engenharia de Dados, ou Curso Superior de Tecnologia em Banco de Dados ou Ciência de Dados.
Os diplomas permitem a continuação dos estudos em especialização, MBA, mestrado e doutorado, além da participação em concursos públicos.
Qual é a diferença entre os três cursos?
Engenharia de Dados (4 anos) → Para quem quer construir a infraestrutura que sustenta sistemas inteligentes e plataformas digitais. O foco está em integrações complexas, automação e desempenho em larga escala.
Ciência de Dados (2,5 anos) → Para quem quer analisar grandes volumes de dados para gerar previsões, insights e automações inteligentes. O curso combina estatística, machine learning, Python e inteligência artificial para criar modelos que respondem a perguntas complexas — como prever comportamentos, otimizar operações ou recomendar ações com base em padrões identificados.
Banco de Dados (2,5 anos) → Para quem deseja entrar rápido no mercado administrando as bases que sustentam sistemas corporativos. A formação é direta, com foco em SQL, servidores e cloud.
Quais são as formas de ingresso?
Você pode ingressar neste curso através de uma das seguintes formas:
– Vestibular Online: Faça a prova de vestibular do Infnet, totalmente online e sob demanda.
– Nota do ENEM: Utilize sua nota do Enem dos últimos 10 anos.
– Portador de Diploma: Caso você já tenha um diploma de ensino superior, pode usá-lo para ingressar em uma nova graduação.
– Transferência Externa: Se você já cursa uma graduação em outra instituição, pode fazer a transferência do seu curso para o Infnet.
– Reingresso: Se você já foi aluno do Infnet e trancou sua matrícula, pode solicitar o seu retorno ao curso.Como vão funcionar as avaliações presenciais?
Flexibilidade é um dos grandes focos das nossas Graduações EAD Live. Logo, essa será a regra para as avaliações presenciais, obrigatórias a partir de 2027: você terá somente uma avaliação presencial a cada 6 meses, em dia e horário de sua escolha, dentro do período determinado para avaliações ao final do semestre letivo.
As datas possíveis serão divulgadas com antecedência no calendário acadêmico, incluindo aquelas referentes à segunda chamada. Você pode escolher entre os locais de avaliação presencial existentes nas cidades abaixo:
- Belo Horizonte
- Brasília
- Campinas
- Curitiba
- Fortaleza
- Goiânia
- Navegantes
- Porto Alegre
- Recife
- Ribeirão Preto
- Rio de Janeiro
- Salvador
- São Paulo
- Vitória
*Novas cidades podem ser incluídas no futuro.Conheça os coordenadores
ENGENHARIA E CIÊNCIA DE DADOS: FERNANDO FERREIRA
Fernando Ferreira é coordenador do MBA em Data Science do Infnet. Engenheiro em três níveis de formação — graduado em Engenharia Eletrônica e de Software, mestre em Engenharia Elétrica e doutor em Engenharia com ênfase em Inteligência Artificial, todos pela COPPE/UFRJ —, com especialização em Gestão e Negócios. Atua como pesquisador, investigando novas formas de analisar e organizar dados em larga escala, e também como co-fundador da TWIST Systems, liderando projetos de ciência de dados aplicados a negócios. Com experiência internacional no CERN, onde desenvolveu sistemas de monitoramento e análise para ambientes de alta complexidade, traz para a sala de aula uma visão prática e acadêmica sobre todo o ciclo de engenharia de dados — da coleta ao uso estratégico da informação.BANCO DE DADOS: ROBSON COMBAT
Robson Combat é mestre em Computação e coordenador da pós-graduação em Banco de Dados da Faculdade Infnet. Com mais de 25 anos de experiência na área, liderou projetos de BI, Big Data e arquitetura de dados em grandes empresas como Rede D’Or, Vale e Rio Tinto. Especialista em ambientes corporativos de alta complexidade, traz para a sala de aula uma formação prática e estratégica — preparando o aluno para atuar desde a modelagem até a gestão de estruturas de dados em larga escala.
Curso atualizado para os impactos da IA
Toda a área de Dados está passando por uma transformação profunda. Hoje, é possível gerar queries complexas, explorar grandes volumes de informação e até projetar pipelines e modelos analíticos com apoio de Inteligência Artificial. Por isso, nossas disciplinas foram atualizadas para que você aprenda a usar IA como aceleradora — automatizando tarefas repetitivas e ganhando tempo para o que realmente importa: estruturar, interpretar e operacionalizar dados com eficiência e inteligência.
Ao mesmo tempo, sabemos que não existe profissional de dados competente sem fundamentos. Por isso, há momentos específicos do curso em que o trabalho é feito sem auxílio da IA — escrevendo consultas à mão, modelando estruturas do zero, desenvolvendo raciocínio estatístico e entendendo a fundo os mecanismos que fazem bancos, pipelines e algoritmos funcionarem de verdade.
Essa combinação garante que você domine as ferramentas modernas impulsionadas por IA sem depender delas — construindo uma base sólida para atuar com confiança em qualquer área do ecossistema de dados, seja na engenharia, na infraestrutura ou na ciência.
O upgrade que coloca você em outro nível
Além da sua graduação, você terá acesso a um pacote de conteúdos extras, sem custo adicional, pensado para fortalecer sua formação e ampliar suas oportunidades.
Confira o que inclui:
O mesmo conteúdo que ajuda profissionais de dados sênior do Vale do Silício a se manterem à frente está agora ao seu alcance. Uma biblioteca viva de tecnologia, com livros, vídeos e laboratórios práticos atualizados constantemente — referência para profissionais das maiores big techs.
Nossos alunos têm acesso a disciplinas extras sobre temas em destaque no mercado, como computação vestível (tais como smart glasses), computação quântica, neurociência, blockchain e outros, proporcionando visão prática sobre o que está moldando o futuro da tecnologia.
Você só encontra no Infnet
Sua jornada é ao vivo, interativa e focada no que realmente importa: seu sucesso no mercado.
Como será sua Graduação Live
No universo dos dados, não basta conhecer a teoria — é preciso gerar resultados. Nossa metodologia prática simula os desafios de um time real, capacitando você a construir pipelines, analisar informações, aplicar modelos preditivos e otimizar bancos de dados. Assim, você aprende a entregar soluções que causam impacto e orientam decisões estratégicas nas empresas. Veja como funciona:
Depoimento de alunos
Para quem é — e qual caminho combina mais com você
Se você quer construir sua carreira trabalhando com dados — seja estruturando a infraestrutura, analisando indicadores estratégicos ou administrando bancos de informação — a Faculdade Infnet oferece três caminhos, alinhados com diferentes perfis e objetivos profissionais.
👉 Engenharia de Dados (4 anos)
Para quem quer dominar toda a infraestrutura que faz os dados fluírem — da coleta ao processamento em grande escala — atuando em projetos complexos com pipelines, integrações, streaming e plataformas em nuvem. Ideal para você que:
>Está no ensino médio ou concluiu recentemente e sonha em ser engenheiro de tecnologia, unindo programação, arquitetura de dados e automação.
>Iniciou outra faculdade, mas percebeu que o conteúdo era superficial e agora busca uma formação mais robusta, prática e alinhada ao mercado.
>Já trabalha com tecnologia, mas sente que a falta de um diploma forte limita sua ascensão para cargos estratégicos e de liderança técnica.
👉 Ciência de Dados (2,5 anos)
Para quem quer transformar dados em decisões, atuando com análise, modelagem estatística e inteligência artificial para apoiar estratégias de negócios. Ideal para quem:
>Está no ensino médio ou saiu dele recentemente, e quer ingressar rapidamente em uma carreira analítica e estratégica.
>Já trabalha com tecnologia, mas sente que a falta de um diploma de nível superior limita o avanço para funções mais especializadas e valorizadas.
>Vem de áreas como marketing, administração ou finanças, e quer migrar para uma função com maior potencial de crescimento, reconhecimento e impacto com o uso de dados.
👉 Banco de Dados (2,5 anos)
Para quem quer entrar rapidamente no mercado administrando, modelando e otimizando bancos de dados — o coração de qualquer sistema digital. Ideal para quem:
>Está no ensino médio ou terminou recentemente e e quer seguir um caminho mais direto, com rápida inserção no mercado em uma profissão essencial e bem remunerada.
>Iniciou outra faculdade, mas percebeu que não era prática o suficiente — e agora busca uma formação mais direta e alinhada ao mercado.
>Atua em outra área e quer iniciar sua primeira graduação em um campo com alta demanda e estabilidade profissional.
Dados: o motor silencioso por trás das grandes decisões e tecnologias
Por trás de cada sistema inteligente, operação automatizada ou estratégia de negócios bem-sucedida, existe um fator comum: dados bem estruturados, analisados e protegidos. Eles alimentam modelos de inteligência artificial, orientam executivos em decisões bilionárias e mantêm serviços essenciais funcionando com precisão — em todos os setores da economia.
É por isso que a área de Dados se tornou uma das mais sólidas e estratégicas do mercado digital. Empresas não contratam profissionais de dados apenas para “fazer relatórios”, mas para criar vantagem competitiva, otimizar operações, prever riscos e manter informações seguras e disponíveis.
Seguir carreira nesse campo significa atuar em uma trilha que combina tecnologia, lógica e impacto direto no resultado dos negócios.
A tecnologia muda rápido, mas a importância dos dados só cresce
Empresas podem adotar novas tecnologias, criar produtos inovadores ou investir milhões em marketing — mas só tomam decisões certeiras quando confiam nos dados que possuem. É por isso que os profissionais dessa área se tornaram peças-chave nas organizações: são eles que garantem que a informação certa esteja no lugar certo, na hora certa. Alguns estruturam e organizam grandes volumes de dados; outros analisam padrões para prever comportamentos ou validar estratégias; e há quem cuide para que tudo isso opere com segurança e alta disponibilidade. Não importa o foco — quem domina dados tem influência direta sobre o rumo dos negócios.
Essa relevância se traduz em retorno financeiro. Profissionais responsáveis pela operação e administração de bancos de dados já recebem entre R$ 7.000 e R$ 12.000 em níveis plenos. Os que avançam para funções de análise preditiva, arquitetura de dados ou projetos estratégicos de larga escala facilmente ultrapassam os R$ 15.000 a R$ 25.000. Em um mercado onde informação vale mais do que opinião, trabalhar com dados não é apenas uma opção promissora — é estar entre os poucos que realmente definem o que vem a seguir.
Prepare-se para os cargos mais relevantes da área de dados
A diversidade de funções para profissionais de dados abre caminhos para uma ampla gama de cargos, desde analistas e cientistas de dados até engenheiros de dados, administradores de bancos de dados e especialistas em analytics, cada um essencial para manter empresas, governos e operações digitais funcionando de forma eficiente e estratégica.
A Faculdade Infnet forma profissionais preparados para atuar em todos esses papéis:
Engenharia de Dados (4 anos)
>Engenheiro de Dados
>Arquiteto de Dados
>Engenheiro de Dados Analíticos
>Engenheiro de Dados na Nuvem
>Engenheiro de Plataformas de Dados
Ciência de Dados (2,5 anos)
>Cientista de Dados
>Analista de Dados
>Analista de Business Intelligence
>Analista de Modelagem Preditiva
>Especialista em Data Analytics
Banco de Dados (2,5 anos)
>Administrador de Banco de Dados (DBA)
>Especialista em SQL e NoSQL
>Analista de Banco de Dados
>Gestor de Infraestrutura de Dados
>Consultor de Governança de Dados
Perguntas frequentes sobre o curso de Dados
Qual é o tipo de diploma?
Diploma de Bacharel em Engenharia de Software, com ênfase em Engenharia de Dados, ou Curso Superior de Tecnologia em Banco de Dados ou Ciência de Dados.
Os diplomas permitem a continuação dos estudos em especialização, MBA, mestrado e doutorado, além da participação em concursos públicos.
Essas graduações são reconhecida pelo MEC?
Sim. A faculdade de Engenharia de Dados é uma ênfase da Engenharia de Software, que foi autorizada pela Portaria 929 de 27/11/2015 e reconhecida com nota máxima pela Portaria 383 de 28/09/2023.
A graduação em Banco de Dados foi autorizada pela Portaria 605 de 29/10/2014 e reconhecida pelo MEC com nota máxima pela Portaria 309 de 15/10/2020.
Já a graduação EAD Ciências de Dados foi autorizada pela Portaria 1984 de 30/12/2021.
O que está incluído nos cursos (aulas, materiais, projetos, suporte)?
As graduações no Infnet incluem disciplinas com trilhas de aprendizagem, aulas ao vivo e conteúdos online no ambiente virtual, materiais didáticos, atividades e avaliações. Projetos práticos e orientados por professores integram a formação. Há suporte de carreira, acadêmico e coordenação.
Quais são as formas de ingresso?
Você pode ingressar na graduação em Dados através de uma das seguintes formas:
– Vestibular Online: Faça a prova de vestibular do Infnet, totalmente online e sob demanda.
– Nota do ENEM: Utilize sua nota do Enem dos últimos 10 anos.
– Portador de Diploma: Caso você já tenha um diploma de ensino superior, pode usá-lo para ingressar em uma nova graduação.
– Transferência Externa: Se você já cursa uma graduação em outra instituição, pode fazer a transferência do seu curso para o Infnet.
– Reingresso: Se você já foi aluno do Infnet e trancou sua matrícula, pode solicitar o seu retorno ao curso.Preciso ter experiência prévia ou algum conhecimento específico para começar?
Não. Indica-se somente afinidade com a área escolhida.
Existe algum pré-requisito ou documentação necessária para me inscrever?
Sim. Os únicos pré-requisitos são: ter concluído o Ensino Médio e ser aprovado em um processo seletivo (vestibular do Infnet, ENEM ou outras formas de ingresso).
Após a aprovação, a equipe de matrículas informa quais documentos pessoais e acadêmicos você deve apresentar.
Se eu perder uma aula ao vivo, consigo assistir a gravação depois?
Sim. Após uma aula ao vivo, sua gravação é disponibilizada no ambiente virtual de aprendizagem da disciplina dentro do período letivo.
Quais são os canais de suporte disponíveis durante os cursos?
Você conta com coordenação de curso, secretaria acadêmica, central de carreira, canais de atendimento e suporte técnico do ambiente virtual de aprendizagem.
Há acompanhamento individual ou grupos de apoio para dúvidas?
Sim. Como as aulas são 100% ao vivo neste curso de Dados, você estuda com uma turma fixa que te acompanha ao longo de toda a graduação. Isso permite criar vínculos reais e ter canais diretos para tirar dúvidas — como grupos no WhatsApp e no ambiente virtual do Infnet.
Além disso, você conta com apoio psicopedagógico para organização da rotina, gestão do tempo e construção de uma agenda de estudos, quando necessário. As disciplinas também têm orientação docente e espaços de interação, como grupos e encontros. E, conforme a necessidade, ainda podem existir iniciativas de monitoria e apoio da coordenação.
Minha cidade não está na lista de locais de avaliação presencial, e agora?
A lista atual apresenta as primeiras cidades confirmadas. Novas localidades poderão ser incluídas futuramente, caso a instituição identifique demanda em outras regiões.
Como a obrigatoriedade das avaliações presenciais será apenas a partir de 2027, ainda há tempo para ampliar os locais disponíveis, caso necessário.
Enquanto isso, recomenda-se que o estudante verifique com antecedência se o deslocamento, a partir de 2027, caberá em seu orçamento e planejamento. Leve em conta o local de avaliação presencial mais próximo já confirmado.
Para ajudar nessa análise, considere os seguintes pontos:
- Será apenas um encontro por semestre.
- A aplicação ocorrerá nas últimas semanas do semestre letivo, em dias de semana à noite e aos sábados.
- O aluno poderá escolher o dia e o horário mais convenientes dentro da semana definida para sua localidade.
- O calendário acadêmico divulgará todas as datas com antecedência, incluindo a data da segunda chamada, caso o estudante perca o prazo inicial — que será realizada em um sábado ao final do semestre.
Informações e valores
A Faculdade Infnet valoriza o seu tempo! Por isso, disponibilizamos a Íris, nosso atendimento inteligente, que pode ser contatada a qualquer hora do dia para fornecer informações sobre o curso de seu interesse.
Depois desse atendimento inicial, você poderá falar com nossos especialistas, durante o horário comercial, que estão prontos para tirar dúvidas detalhadas e orientar sobre matrícula e processos.