Descrição
Apostila Concurso CET SANTOS SP 2023 Analista Gestão Ciências Dados
Cargo: Analista Gestão Ciências Dados
Editora: DOMINA CONCURSOS
Edição: 2023
Nível: Superior
Banca: IBFC
Edital: Acesso ao Edital
Não é só uma apostila!
Material teórico completo elaborado totalmente de acordo com o novo edital.
Acompanha provas anteriores com gabarito para testar seu aprendizado.
Só hoje, de R$87,98 por R$43,99
50% de Desconto
Conhecimento Básico
(Totalmente de Acordo com Edital 2023)
Língua Portuguesa: 1. Compreensão e interpretação de textos. 2. Tipologia textual. 3. Ortografia oficial. 4. Acentuação gráfica. 5. Emprego das classes de palavras. 6. Emprego do sinal indicativo de crase. 7. Sintaxe da oração e do período. 8. Pontuação. 9. Concordância nominal e verbal. 10. Regência nominal e verbal. 11. Significação das palavras. 12. Redação oficial: aspectos gerais, características fundamentais, padrões, emprego e concordância dos pronomes de tratamento.
Noções de Informática: 1. Internet e Aplicativos. 2. Ferramentas de busca. 3. Navegadores (Browser). 4. Sistema Operacional e Software. 5. Correios Eletrônicos. 6. Programa Antivírus e Firewall. 7. Editores de Apresentação. 8. Editores de Planilhas. 9. Editores de Texto. 10. Extensão de Arquivo. 11. Teclas de Atalho. 12. Pacote Microsoft Office.
Legislação: 1. Lei Brasileira de Inclusão da Pessoa com Deficiência (Lei 13.146/2015) e Convenção sobre os Direitos das Pessoas com Deficiência, de 06 de dezembro de 2006. 2. Lei Federal nº 12.527/2011 e suas alterações (Lei de Acesso à Informação). 3. Lei Federal nº 13.709/2018 e suas alterações (Lei Geral de Proteção de Dados). 4. Lei nº 10.741/2003 e suas alterações (Estatuto do Idoso). 5. Lei nº 11.340/2006 e suas alterações (Lei Maria da Penha). 6. Lei nº 7.716/1989 e suas alterações (Preconceito de raça ou cor). 7. Lei n° 12.288/2010 (Estatuto da Igualdade Racial).
Conhecimento Específico
(Totalmente de Acordo com Edital 2023)
1. Aprendizado supervisionado: 1.1 Métricas de avaliação; 1.2 Overfitting e underfitting de modelos; 1.3 Regularização; 1.4 Seleção de modelos: Erro de Generalização; 1.5 Validação Cruzada; 1.6 Conjuntos de Treino, Validação e Teste; 1.7 Trade off entre Variância e Viés;1.8 Algoritmos: Regressão Linear e Regressão Logística;1.9 Árvores de decisão e random forests; 1.10 Máquina de suporte de vetores; 1.11 Naive Bayes; 1.12 K-NN; 1.13 Ensembles; 1.14 Aprendizado supervisionado com Python scikit-learn; 1.15 Conceitos de otimização de hiperparâmetros. Regressão e Classificação. 2. Aprendizado não supervisionado: 2.1 Redução de dimensionalidade: PCA;2.2 Agrupamento K-Means; 2.3 Mistura de Gaussianas; 2.4 Agrupamento Hierárquico; 2.5 Regras de associação; 2.6 Aprendizado não supervisionado com Python scikit-learn. 3. Redes neurais artificiais: 3.1 Conceitos Básicos em Redes Neurais Artificiais: Definições e Arquitetura; 3.2 Funções de Ativação;3.3 Otimização de Redes Neurais Artificiais: método do gradiente, método do gradiente estocástico, algoritmo backpropagation, métodos de inicialização dos pesos, Vanishing Gradients; 3.4 Métodos de regularização: penalização com normas L1 e L2, Dropout e Early Stopping; 3.5 Definições básicas de Redes Neurais Convolucionais; 3.6 Definições básicas de Redes Neurais Recorrentes; 3.7 Redes neurais com Python: treino de modelos com Keras e Pytorch. 4. Machine learning aplicado: 4.1 Noções de Visão computacional com redes neurais convolucionais;4.2 Classificação de imagens; 4.3 Detecção de objetos; 4.4 Segmentação de objetos e instâncias;4.5 Noções de Processamento Natural de Linguagem; 4.6 Stopwords, stemização e n-grams; 4.7 TF-IDF; 4.8 Modelagem de tópicos (LDA, NMF);4.9 Word embeddings: CBOW e Skip Gram; 4.10 Conceitos Básicos em Séries Temporais. 5. Manipulação, tratamento e visualização de dados: 5.1 Técnicas de visualização de dados;5.2 Lidando com valores faltantes; 5.3 Lidando com dados categóricos; 5.4 Normalização numérica;5.5 Detecção e tratamento de outliers; 5.6 Manipulação de dataframes com Python Pandas: leitura de dados tabulares, seleção de linhas e colunas, agregação de dados, preenchimento de valores faltantes, remoção de duplicados, junção de dataframes. 6 Banco de dados e data Warehouse: 6.1 Modelo entidade-relacionamento; 6.2 Mapeamento lógico relacional; 6.3 Normalização; 6.4 Linguagem de definição e manipulação de dados (SQL); 6.5 Conceitos de data warehousing e modelagem multidimensional (esquema estrela); 6.6 Conceitos gerais de Hadoop: HDFS, MapReduce, YARN e Spark;6.7 Conceitos de Bancos NoSQL e Armazenamento orientado a objeto (object store). 7. Cálculo: 7.1 Précálculo: Conjuntos, Coordenadas Cartesianas, Cônicas e Produtos Notáveis; 7.2 Funções; 7.3 Limites; 7.4 Derivadas; 7.5 Derivadas parciais; 7.6 Máximos e Mínimos; 7.7 Esboços de Gráficos de Funções; 7.8 Integrais. 8. Álgebra Linear para Ciências de Dados: 8.1 Notação de vetores e matrizes; 8.2 Operações com vetores e matrizes; produto escalar e produto vetorial; 8.3 Matriz identidade, inversa e transposta; 8.4 Transformações lineares; 8.5 Normas (L1, L2); 8.6 Autovalores e autovetores; 8.7 Decomposição SVD; 8.8 Álgebra linear e operações matriciais com Python Numpy. 9. Probabilidade e estatística: 9.1 Conceitos de Probabilidade: Modelo de probabilidade, Probabilidade Condicional, Independência, Variáveis Aleatórias, Esperança, Variância e Covariância; 9.2 Distribuições Contínuas e Discretas: Normal, t-Student, Poisson, Exponencial, Binomial, Dirichlet; 9.3 Distribuições multidimensionais; matriz de covariância; 9.4 Estatísticas Descritivas; 9.5 Inferência Estatística: Teorema do Limite Central, Teste de Hipótese e Intervalo de Confiança, Estimador de Máxima Verossimilhança, Inferência Bayesiana; 9.6 Coeficiente de correlação de Pearson;9.7 Histogramas e curvas de frequência; 9.8 Diagrama boxplot; 9.9 Avaliação de outliers. 10. Algoritmos e estrutura de dados: 10.1 Complexidade de algoritmos e notação assintótica (Big O). 11. Conceitos de sistemas de informação: 11.1 Conceitos Nuvem: IaaS, PaaS e SaaS; 11.2 Conceitos de Containers: construção, registro, execução e orquestração; 11.3 Conceitos básicos de DevOps: versionamento com git, pipeline e CI/CD. 12. Código de Trânsito Brasileiro: Arts. 24. 13. Resoluções CONTRAN: 932/2022. 14. Portaria SENATRAN: 992/2022.
Apostila CET SANTOS SP 2023 Analista Gestão Ciências Dados
