Descrição
Apostila Concurso Analista Censitário – Ciências de Dados
Instituto Brasileiro de Geografia e Estatística – IBGE 2026
Apostila Concurso Analista Censitário – Ciências de Dados — Informações do Concurso
| Órgão: Instituto Brasileiro de Geografia e Estatística – IBGE 2026 |
| Vagas: 1.414 |
| Inscrições até: 15/07/2026 |
| Data da Prova: 30/08/2026 |
| Salário até: R$5.255,40 |
| Taxa: R$37,50 A R$41,76 |
| Banca: AVALIA |
Conteúdo Programático — Analista Censitário – Ciências de Dados
Conforme solicitado pelo Edital
Conhecimentos Gerais
Língua Portuguesa (Clique para expandir)
Compreensão e interpretação de texto. Significação das palavras: sinônimos, antônimos, homônimos e parônimos. Pontuação. Estrutura e sequência lógica de frases e parágrafos.
Ortografia oficial. Acentuação gráfica. Classes das palavras. Concordância nominal e verbal. Regência nominal e verbal.
Emprego dos verbos regulares, irregulares e anômalos. Vozes dos verbos. Emprego dos pronomes. Sintaxe: termos essenciais, integrantes e acessórios da oração.
Coesão e coerência (referenciação, substituição, repetição, conectores; tempos e modos verbais). Redação e reescrita de comunicados, ofícios e registros operacionais (clareza, objetividade, padrão formal).
Raciocínio Lógico E Matemático (Clique para expandir)
Avaliação da habilidade do candidato em entender a estrutura lógica de relações entre pessoas, lugares, coisas e/ou eventos, deduzir novas informações e avaliar as condições usadas para estabelecer a estrutura dessas relações.
As questões das provas poderão tratar das seguintes áreas: estruturas lógicas; lógica de argumentação; diagramas lógicos; aritmética; álgebra e geometria básicas.
Conhecimentos Específicos — Analista Censitário – Ciências de Dados
Analista Censitário – Ciências de Dados (Clique para expandir)
1. Aprendizado supervisionado: algoritmos, métricas de avaliação, overfitting e underfitting, regularização.
2. Validação Cruzada, trade off entre variância e viés, conceitos de otimização de hiperparâmetros.
3. Aprendizado não supervisionado: algoritmos, PCA, Mistura de Gaussianas, Agrupamento Hierárquico, Regras de associação.
4. Conceitos em Redes Neurais Artificiais: definições e arquitetura, funções de ativação, método do gradiente, método do gradiente estocástico, algoritmo backpropagation, métodos de inicialização dos pesos, Vanishing Gradients, normas L1 e L2, Dropout e Early Stopping.
5. Redes Neurais Convolucionais e Recorrentes.
6. Machine learning aplicado. Visão Computacional: classificação de imagens, detecção de objetos, segmentação de objetos e instâncias.
7. Séries Temporais: manipulação, tratamento e visualização de dados.
8. Banco de dados e data Warehouse, modelo entidade-relacionamento, linguagem de definição e manipulação de dados (SQL), modelagem multidimensional (esquema estrela).
9. Conceitos gerais de Hadoop: HDFS, MapReduce, YARN e Spark.
10. Cálculo, Álgebra Linear, Probabilidade e estatística, Distribuições Contínuas, Discretas e multidimensionais, matriz de covariância.
11. Inferência Estatística: Teorema do Limite Central, Teste de Hipótese e Intervalo de Confiança, Estimador de Máxima Verossimilhança, Inferência Bayesiana, coeficiente de correlação de Pearson.
12. Estatística espacial e amostragem para pesquisas: estatística descritiva espacial; autocorrelação espacial; amostragem espacial e desenho amostral para levantamentos georreferenciados.
13. Processamento e análise geoespacial: análise de proximidade, sobreposição espacial, interpolação espacial, análise de redes e roteirização; otimização logística espacial.
14. Machine Learning e modelagem espacial: modelos supervisionados e não supervisionados aplicados a dados espaciais; validação espacial, modelos de predição espacial, detecção de mudanças com séries temporais de imagens.
Não será disponibilizado qualquer referência bibliográfica ou autores para desenvolvimento de conteúdos específicos ou básicos neste material.
