Módulo I · Fundamentos e Arquitetura
- O problema de negócio: dados dispersos, decisão lenta.
- Visão geral do pipeline: Bronze - Prata - Ouro - Camada semântica (modelo Direct Lake) - Assistente conversacional - Dashboard.
- Panorama de ferramentas: Microsoft Fabric (Lakehouse, notebooks, pipelines), Power BI (Direct Lake), Claude Code, assistente conversacional (Claude + Streamlit).
- Como configurar o ambiente de laboratório (trial gratuito do Fabric) — tarefa de casa antes do próximo módulo.

Módulo II · Modelagem de Dados
- Fato x Dimensão: quando e por que usar.
- Construindo o modelo do zero, com um dataset simples fornecido.
- Lab: usar Claude Code ou outra IA para revisar relacionamentos e detectar inconsistências no modelo.
- Checkpoint: o participante apresenta seu modelo em 2 minutos.

Módulo III · Camada Bronze — Ingestão
- Delta Lake na prática: criando as primeiras tabelas Bronze no Lakehouse do Microsoft Fabric.
- Lab: gerar um notebook de ingestão com apoio de IA (Claude Code ou Copilot no Fabric) a partir de uma fonte CSV/API.
- Boas práticas de auditoria: coluna de data de carga, tratamento de erro.

Módulo IV · Camadas Prata e Ouro — Qualidade e Consolidação
- Limpeza, tipagem e deduplicação de dados.
- Lab: pedir à IA para escrever testes de qualidade de dados (nulos, ranges, duplicidade).
- Materialização do esquema estrela final na camada Ouro.
- Checkpoint: validação cruzada entre participantes (uma revisa os notebooks e pipeline do outro).

Módulo V · Camada Semântica — Modelo Semântico (Direct Lake)
- O que é um modelo semântico em Direct Lake e porque ele existe.
- Definindo métricas de negócio (não apenas colunas técnicas).
- Lab: pedir à IA para revisar uma fórmula de métrica (DAX) e encontrar um erro proposital plantado no exercício.

Módulo VI · IA Conversacional — Assistente NL - Consulta
- Como o assistente traduz linguagem natural em consulta (DAX) sobre o modelo semântico.
- Lab (todos os participantes): cada uma fórmula pelo menos 3 perguntas de negócio para o assistente e avalia a resposta.
- Ajuste fino: o que fazer quando o assistente erra uma pergunta.

Módulo VII · Aplicação e Segurança — App Conversacional (Streamlit + Claude)
- Introdução a Streamlit (ou equivalente) conectado ao modelo semântico do Fabric.
- Lab: revisão de segurança assistida por IA — encontrar credenciais expostas e comandos perigosos em um app de exemplo propositalmente vulnerável.
- Boas práticas: variáveis de ambiente, bloqueio de comandos que não sejam leitura.

Módulo VIII · Dashboard Executivo e Encerramento
- Construindo o dashboard final em Power BI, conectado direto ao Lakehouse via Direct Lake (sem import, sem refresh tradicional).
- Lab: usar IA para revisar relacionamentos do modelo direto no  Power BI Desktop.
- Panorama: de onde viemos — como esse mesmo pipeline se compararia rodando em Databricks, o que mudaria, o que permaneceria.
- Projeto final: cada participante apresenta seu pipeline completo, com métricas de tempo economizado.

DIFERENCIAIS ENG DTP & Multimídia

• Os cursos da ENG são sempre com um participante por computador/device
• Cursos apostilados
• Certificado Oficial de Conclusão bilíngue
  (Inglês / Português)
• Projeto-Piloto assistido
• Prova de Proficiência
• Para quem atinge 70% ou mais na Prova de Proficiência, emitimos adicionalmente, um Atestado de Proficiência.