Dominar conceitos fundamentais de arquiteturas de soluções para problemas envolvendo grande volume de dados, provenientes de diversas fontes e obedecendo a exíguos tempos de resposta 

Conhecer conceitos de correlação e a manipulação de Datasets 

Conhecer o pipeline de soluções, tendo discernimento para avaliar as ferramentas mais adequadas em cada etapa 

Resolver problemas típicos de ambientes possuindo dados distribuídos, tal como o Hadoop; elaborar programas escritos em Python seguindo o modelo Map-reduce 

Avaliar as diversas características apresentadas pelos gerenciadores de bancos de dados disponíveis no mercado e selecionar o produto mais adequado para um determinado problema 

Preparar uma base de dados utilizando as linguagens R ou Python, visando sua utilização como ponto de partida para tomada de decisões, bem como análises preditivas 

Trabalhar textos volumosos para extrair-lhes padrões necessários às atividades de predição (text mining) 

Conhecer diversos algoritmos de machine learning e, dado um cenário, indicar a solução mais adequada