Qual é o número mínimo de participantes por turma?

As turmas iniciam a partir de 4 pessoas. Não há turmas regulares abertas: todos os treinamentos são fechados, montados para a equipe da empresa contratante.

Os treinamentos são presenciais ou online?

Ambos. Podemos realizar o treinamento presencialmente na sua empresa ou online ao vivo, com instrutor conduzindo a turma em tempo real e laboratórios acompanhados.

A carga horária e as datas podem ser ajustadas?

Sim. Carga horária, datas e horários são definidos junto com a empresa, incluindo formatos concentrados, meio período ou encontros semanais, conforme a rotina do time.

O conteúdo pode ser adaptado ao ambiente do cliente?

Sim. Todos os treinamentos podem ser baseados nas necessidades reais e no ambiente do cliente, usando versões, arquitetura, casos e problemas do dia a dia da própria equipe.

Quem são os instrutores?

Todos os instrutores são consultores ativos da HTI, atuando em projetos de bancos de dados e IA em empresas de todos os portes e setores. A trilha de IA é conduzida por instrutor com formação pelo MIT.

Qual a experiência da HTI com treinamento corporativo?

A HTI Tecnologia acumula mais de 20 anos de tradição em treinamentos corporativos de bancos de dados, somados à prática diária em consultoria, sustentação e projetos críticos.

É possível combinar mais de um curso em um programa?

Sim. É comum montar trilhas combinando, por exemplo, Performance Tuning, Observabilidade e Alta Disponibilidade, ou unir uma trilha de banco de dados com uma trilha de IA.

Treinamento Avançado em Banco de Dados e IA

Catálogo

Cursos e ementas.

As ementas abaixo são o ponto de partida. Cada programa é revisado com a liderança técnica antes do início para refletir o estágio atual do time e as prioridades da empresa.

Bancos de Dados

Do intermediário ao avançado, com laboratórios executados no ambiente e nos dados do próprio cliente.

·Arquitetura do servidor, InnoDB, buffer pool e redo log
·Modelagem, tipos de dados e estratégias de indexação
·Leitura de EXPLAIN / EXPLAIN ANALYZE e otimização de queries
·Performance tuning: my.cnf, memória, I/O e concorrência
·Replicação assíncrona, semissíncrona e InnoDB Cluster
·Backup, PITR, upgrades e rotinas de manutenção
·Observabilidade: Performance Schema, sys schema e métricas
·Segurança, privilégios, criptografia e adequação à LGPD

·Diferenças entre MariaDB e MySQL na prática
·Engines (InnoDB, Aria, ColumnStore) e quando usar cada uma
·Otimizador do MariaDB, histogramas e hints
·Galera Cluster: quorum, split-brain e operação diária
·MaxScale: roteamento, read/write split e failover
·Backup com mariabackup e estratégias de recuperação
·Monitoramento, tuning de parâmetros e troubleshooting

·Arquitetura, MVCC, WAL, checkpoints e autovacuum
·Índices B-tree, GIN, GiST, BRIN e índices parciais
·Planner, estatísticas e leitura de EXPLAIN (ANALYZE, BUFFERS)
·Tuning de memória, paralelismo e parâmetros de I/O
·Alta disponibilidade: streaming replication, Patroni e pgBackRest
·Particionamento declarativo e gestão de tabelas grandes
·Extensões essenciais (pg_stat_statements, pgvector, PostGIS)
·Segurança, roles, RLS e auditoria

·Arquitetura, engine de armazenamento e tempdb
·Índices clustered/non-clustered, columnstore e estatísticas
·Planos de execução, Query Store e regressões de plano
·Wait statistics, bloqueios, deadlocks e níveis de isolamento
·Performance tuning de CPU, memória e I/O
·Always On Availability Groups, FCI e log shipping
·Backup, restore, DR e testes de recuperação
·Segurança, TDE, Always Encrypted e auditoria

·Modelagem de documentos e padrões de schema design
·Índices compostos, multikey, TTL e text/vector search
·Aggregation framework e pipelines de alto desempenho
·WiredTiger: cache, compressão e tuning de memória
·Replica sets, eleições, read/write concern
·Sharding: escolha de shard key e balanceamento
·Backup, restore e operação em Atlas ou on-premises
·Segurança, RBAC, criptografia e auditoria

·Modelagem de grafos: nós, relacionamentos e propriedades
·Cypher do básico ao avançado e boas práticas de escrita
·Índices, constraints e planos de execução no Neo4j
·Algoritmos da Graph Data Science (centralidade, comunidades, similaridade)
·Casos de uso: fraude, recomendação, knowledge graph e RAG
·Ingestão de dados e integração com bancos relacionais
·Cluster, backup e operação em produção

·Metodologia de diagnóstico orientada a evidências
·Baselines, métricas e identificação de gargalos reais
·Tuning de queries, índices e estruturas de dados
·Configuração de memória, I/O, CPU e concorrência
·Tuning de custo em cloud (RDS, Azure SQL, Cloud SQL)
·Testes de carga e validação de ganhos

·Métricas, logs e traces aplicados a bancos de dados
·Prometheus, Grafana e exporters por tecnologia
·SLIs, SLOs e error budget para times de dados
·Alertas acionáveis e redução de ruído
·Query performance insights e análise histórica
·Postmortems e ciclo de melhoria contínua

·RTO, RPO e desenho de arquitetura por criticidade
·Replicação, clusters e topologias multi-site
·Failover automático e manual: prática guiada
·Backup, PITR e testes reais de restauração
·Plano de disaster recovery e requisitos de LGPD
·Simulação de incidentes e runbooks operacionais

·SQL avançado: CTEs, window functions, pivot e recursividade
·Stored procedures, functions e tratamento de erros
·Triggers: usos legítimos, armadilhas e impacto em performance
·Jobs, agendamentos e rotinas automatizadas
·Transações, isolamento e controle de concorrência
·Padrões de código SQL sustentável, versionamento e revisão
·Antipadrões que derrubam performance em produção

·Consultas analíticas e agregações complexas
·Modelagem analítica, star schema e tabelas de fato
·Window functions aplicadas a métricas de negócio
·Qualidade de dados, deduplicação e reconciliação
·Construção de indicadores e dashboards confiáveis
·Performance de queries analíticas em grandes volumes

Inteligência Artificial

Trilha conduzida por instrutor com formação pelo MIT, focada em aplicação real de IA em produtos e operações.

·Fundamentos de LLMs, embeddings e arquiteturas modernas
·Design de sistemas RAG com fontes rastreáveis
·Bancos vetoriais (pgvector, Atlas Vector Search) e indexação
·Agentes, orquestração e uso de ferramentas
·Avaliação, guardrails e mitigação de alucinação
·Custo, latência e observabilidade de sistemas de IA
·Deploy, versionamento de prompts e ciclo de vida

·Anatomia de um prompt eficaz e controle de contexto
·Técnicas: few-shot, chain-of-thought, decomposição e roteamento
·Saídas estruturadas (JSON, schemas) e validação
·Prompts para dados, código e atendimento
·Testes A/B, métricas de qualidade e regressão de prompts
·Segurança: prompt injection e dados sensíveis

·Mapeamento de oportunidades de IA por processo
·Redesenho de fluxos de trabalho com IA no centro
·Priorização por impacto, risco e viabilidade de dados
·Governança, LGPD e política interna de uso de IA
·Métricas de adoção e cálculo de retorno
·Roadmap de 90 dias com casos internos do cliente

·Formulação de problemas e definição de métricas
·Preparação de dados, feature engineering e vazamento de dados
·Modelos supervisionados, não supervisionados e séries temporais
·Validação, calibração e interpretabilidade (SHAP)
·Detecção de fraude, churn e previsão de demanda
·Deploy, monitoramento de drift e retraining

·Exploração de dados assistida por IA
·Text-to-SQL: potencial, limites e controles
·Automação de relatórios e narrativas de dados
·Análise de dados não estruturados (documentos, áudio, imagem)
·Visualização e comunicação de resultados
·Checagem de qualidade e prevenção de conclusões falsas

·Arquitetura de dados para casos de IA
·Pipelines de ingestão, limpeza e enriquecimento
·Chunking, metadados e curadoria de bases de conhecimento
·Feature store e reprodutibilidade
·Linhagem, catálogo e qualidade de dados
·Custos, escalabilidade e segurança dos dados de treino

·Riscos de IA generativa em ambiente corporativo
·LGPD, anonimização e minimização de dados
·Controles de acesso, auditoria e trilhas de decisão
·Avaliação de vieses e testes de robustez
·Políticas de uso, comitês e responsabilidades
·Documentação e evidências para auditorias

·Ciclo de vida de modelos e versionamento
·CI/CD para modelos e pipelines
·Monitoramento de performance, drift e custo
·Testes automatizados e rollback seguro
·Infraestrutura, GPUs e otimização de inferência
·Integração com bancos de dados e sistemas legados

Treinamentos avançados
para times técnicos.

Feito sob medida para o seu ambiente.

Cursos e ementas.

Bancos de Dados

Inteligência Artificial

Monte o programa do seu time.

Perguntas frequentes.

Qual é o número mínimo de participantes por turma?

Os treinamentos são presenciais ou online?

A carga horária e as datas podem ser ajustadas?

O conteúdo pode ser adaptado ao ambiente do cliente?

Quem são os instrutores?

Qual a experiência da HTI com treinamento corporativo?

É possível combinar mais de um curso em um programa?

Treinamentos avançadospara times técnicos.

Feito sob medida para o seu ambiente.

Cursos e ementas.

Bancos de Dados

Inteligência Artificial

Monte o programa do seu time.

Perguntas frequentes.

Qual é o número mínimo de participantes por turma?

Os treinamentos são presenciais ou online?

A carga horária e as datas podem ser ajustadas?

O conteúdo pode ser adaptado ao ambiente do cliente?

Quem são os instrutores?

Qual a experiência da HTI com treinamento corporativo?

É possível combinar mais de um curso em um programa?

Treinamentos avançados
para times técnicos.