Apostila Concurso SERPRO 2021 Analista Ciência de Dados

Apostila Concurso SERPRO 2021 Analista Ciência de Dados

Cargo: Analista Ciência de Dados

Editora: DOMINA CONCURSOS

Edição: 2021

Nível: Superior

Edital: Cebraspe

Quantidade de Páginas: 1853

Não é só uma apostila!

Compre sua apostila com provas anteriores gabaritadas.

Conhecimentos Básicos
(Totalmente de Acordo com Edital 2021)

Língua Portuguesa:
1 Compreensão e interpretação de textos de gêneros variados. 2 Reconhecimento de tipos e gêneros textuais. 3 Domínio da ortografia oficial. 4 Domínio dos mecanismos de coesão textual. 4.1 Emprego de elementos de referenciação, substituição e repetição, de conectores e de outros elementos de sequenciação textual. 4.2 Emprego de tempos e modos verbais. 5 Domínio da estrutura morfossintática do período. 5.1 Emprego das classes de palavras. 5.2 Relações de coordenação entre orações e entre termos da oração. 5.3 Relações de subordinação entre orações e entre termos da oração. 5.4 Emprego dos sinais de pontuação. 5.5 Concordância verbal e nominal. 5.6 Regência verbal e nominal. 5.7 Emprego do sinal indicativo de crase. 5.8 Colocação dos pronomes átonos. 6 Reescrita de frases e parágrafos do texto. 6.1 Significação das palavras. 6.2 Substituição de palavras ou de trechos de texto. 6.3 Reorganização da estrutura de orações e de períodos do texto. 6.4 Reescrita de textos de diferentes gêneros e níveis de formalidade.

Língua Inglesa:
1 Compreensão de texto em língua inglesa. 2 Itens gramaticais relevantes para compreensão de conteúdos semânticos.

Raciocínio Lógico:
1 Estruturas lógicas. 2 Lógica de argumentação: analogias, inferências, deduções e conclusões. 3 Lógica sentencial (ou proposicional). 3.1 Proposições simples e compostas. 3.2 Tabelasverdade. 3.3 Equivalências. 3.4 Leis De Morgan. 3.5 Diagramas lógicos. 4 Lógica de primeira ordem. 5 Princípios de contagem e probabilidade. 6 Operações com conjuntos. 7 Raciocínio lógico envolvendo problemas aritméticos, geométricos e matriciais.

Estatuto Social SERPRO:
Estatuto Social do Serviço Federal de Processamento de Dados, disponível no endereço eletrônico <https://www.transparencia.serpro.gov.br/acesso-a-informacao/institucional/basejuridica/estatuto-do-serpro>.

Legislação Acerca de Privacidade e Proteção a Dados Pessoais:
1 Lei nº 13.709/2018 (Lei Geral de Proteção de Dados Pessoais – LGPD): Capítulos I, II, III, IV, VII, VIII e IX. 2 Lei nº 12.527/2011 (Lei de Acesso à Informação): Capítulos I, II, III, IV e V. 3 Lei nº 12.965/2014 (Marco Civil da Internet): Capítulos II e III, Seções I e II. 4 Decreto nº 9.637/2018 (Política Nacional de Segurança da Informação): Capítulo II. 5 Lei nº 12.737/2012 (Lei de Delitos Informáticos): art. 2º. 6 Lei nº 8.078/1990: Capítulo V, Seção VI, e arts. 71 e 72.

Conhecimentos Específicos
(Totalmente de Acordo com Edital 2021)

APRENDIZADO DE MÁQUINA:
1 Técnicas de classificação. 1.1 Naive Bayes. 1.2 Regressão logística. 1.3 Redes neurais artificiais. 1.3.1 Funções de ativação: limiar, linear, ReLU, logística, softmax, maxout e gaussiana. 1.3.2 Redes Perceptron de única e múltiplas camadas. 1.4 Árvores de decisão (algoritmos ID3 e C4.5) e florestas aleatórias (random forest). 1.5 Máquinas de vetores de suporte (SVM – support vector machines). 1.6 K vizinhos mais próximos (KNN – K-nearest neighbors). 1.7 Comitês de classificadores. 1.8 Avaliação de modelos de classificação: treinamento/teste/validação; validação cruzada; métricas de avaliação (matriz de confusão, acurácia, precisão, revocação, F1-score e curva ROC). 2 Técnicas de regressão. 2.1 Regressão linear. 2.2 Séries temporais (tendências, suavização exponencial e modelos ARIMA). 2.3 Redes neurais para regressão. 2.4 Árvores de decisão para regressão. 2.5 Máquinas de vetores de suporte para regressão. 2.6 Intervalos de confiança em regressão. 2.7 Avaliação de modelos de regressão: mean absolute error (MAE), mean square error (MSE), root mean square error (RMSE) e coeficiente de determinação (R 2 ). 3 Técnicas de agrupamento. 3.1 Agrupamento por partição. 3.2 Agrupamento por densidade. 3.3 Agrupamento hierárquico. 4 Técnicas de redução de dimensionalidade. 4.1 Seleção de características (feature selection). 4.2 Análise de componentes principais (PCA – principal component analysis). 5 Técnicas de associação. 5.1 Descoberta de conjuntos frequentes. 5.2 Descoberta de regras de associação. 6 Sistemas de recomendação. 7 Processamento de linguagem natural (PLN). 7.1 Normalização textual (stop words, estemização, lematização e análise de frequência de termos). 7.2 Rotulação de partes do discurso (POS-tagging – part-of-speech tagging). 7.3 Reconhecimento de entidades (NER – named entity recognition) e rotulação IOB. 7.4 Modelos de representação de texto: N-gramas, modelos vetoriais de palavras (CBOW, Skip-Gram e GloVe), modelos vetoriais de documentos (booleano, TF e TF-IDF, média de vetores de palavras e Paragraph Vector). 7.5 Métricas de similaridade textual (similaridade do cosseno, distância euclidiana, similaridade de Jaccard, distância de Manhattan e coeficiente de Dice). 7.6 Aplicações de PLN: sumarização automática de texto (abordagens extrativa e abstrativa), modelagem de tópicos em texto (algoritmos LSI, LDA e NMF), classificação de texto, agrupamento de texto, tradução automática de texto, análise de sentimentos e emoções em texto, reconhecimento de voz (STT – speech to text). 8 Visão computacional. 8.1 Reconhecimento facial. 8.2 Classificação de imagens. 8.3 Detecção de objetos. 8.4 Deep learning para visão computacional. 9 Aprendizado profundo. 9.1 Redes neurais convolucionais. 9.2 Redes neurais recorrentes. 9.2.1 Redes de Hopfield. 9.2.2 Long short-term memory (LSTM). 9.2.3 Redes perceptron multicamadas recorrentes. 9.2.4 Máquinas de Boltzmann. 9.2.5 Deep belief networks.
TRATAMENTO DE DADOS:
1 Normalização numérica. 2 Discretização. 3 Tratamento de dados ausentes. 4 Tratamento de outliers e agregações.
MÉTODOS DE OTIMIZAÇÃO MATEMÁTICA:
1 Gradiente descendente. 2 Gradiente descendente em lote. 3 Gradiente descendente estocástico. 4 Simulated annealing. 5 Programação linear (método Simplex). 6 Pesquisa operacional. 7 Grid search e randomized search.
LINGUAGENS DE PROGRAMAÇÃO E FRAMEWORKS:
1 Python. 2 Linguagem de programação R. 3 Scala. 4 Java. 5 Spark (PySpark, Scala e Java). 6 Pandas. 7 Scikit-learn. 8 TensorFlow. 9 PyTorch. 10 Keras. 11 NLTK.
FUNDAMENTOS DE PROBABILIDADE E ESTATÍSTICA:
1 Probabilidade e probabilidade condicional. 2 Independência de eventos, regra de Bayes e teorema da probabilidade total. 3 Variáveis aleatórias e funções de probabilidade. 4 Principais distribuições de probabilidade discretas e contínuas: distribuição uniforme, distribuição de Bernoulli, distribuição binomial, distribuição multinomial e distribuição normal. 5 Medidas de tendência central: média (aritmética, ponderada, geométrica e harmônica), mediana e moda. 6 Medidas de dispersão: amplitude, variância, desvio padrão e coeficiente de variação. 7 Coeficiente de correlação de Pearson. 8 Teorema central do limite. 9 Regra empírica (regra de três sigma) da distribuição normal. 10 Modelos probabilísticos gráficos: modelos de Markov, filtros de Kalman e redes bayesianas. 11 Testes de hipóteses: teste-z, teste-t, valor-p, testes para uma amostra, testes de comparação de duas amostras, ANOVA, teste de normalidade (chi square) e intervalos de confiança. 12 Histogramas e curvas de frequência. Diagrama boxplot. Avaliação de outliers.
GESTÃO DE PROJETOS EM CIÊNCIA DE DADOS:
1 Processo CRISP-DM. 2 Gerenciamento de projetos tradicionais. 3 Gerenciamento de projeto ágeis. BIG DATA: 1 Fundamentos. 2 Tipos de dados: estruturados, semiestruturados e não estruturados. 3 Conceitos dos três Vs. 4 Fluxo de big data: ingestão, processamento e disponibilização. 5 Armazenamento de big data. 6 Pipeline de dados. 7 Processamento distribuído. 8 Conceitos de data lake. 9 ETL X ELT. 10 Soluções de big data. 10.1 Arquitetura do ecossistema Apache Hadoop. 10.2 Componentes Hadoop: HBase, Kudu, Sqoop, Nifi, Hive, Impala, Spark, Spark Streaming, SOLR, Oozie, Yarn, Kafka, Flink e AirFlow. 11 Arquiteturas de big data. 11.1 Arquitetura Lambda. 11.2 Arquitetura Kappa. 11.3 Arquitetura de IoT. 11.4 Arquitetura de cloud computing para dados (AWS, Azure).
ARMAZENAMENTO DE DADOS:
1 Sistemas de arquivos distribuídos: HDFS. 2 Armazenamento orientado a objeto (object store): S3, CEPH. 3 Banco de dados NoSQL orientado a colunas: HBase. 4 Banco de dados NoSQL orientado a grafos: Neo4J. 5 Banco de dados NoSQL orientado a documentos: MongoDB. 6 Sistemas de indexação: ElasticSearch.
INGESTÃO DE DADOS:
1 Conceito de ingestão de dados. 2 Ingestão de dados estruturados, semiestruturados e não estruturados. 3 Ingestão de dados em lote (batch). 4 Ingestão de dados em streaming. 5 Ingestão de dados full × incremental. 6 Ingestão de dados CDC (change data capture). PROCESSAMENTO DE DADOS: 1 Conceitos de processamento massivo e paralelo. 2 Processamento em lote (batch). 3 Processamento em tempo real (real time). 4 Processamento MapReduce.
BUSINESS INTELLIGENCE E ANALYTICS:
1 Ecossistema de Big Data Apache Hadoop. 2 Arquitetura e análise de requisitos para sistemas analíticos. 3 Ferramentas ETL e OLAP. 4 Álgebra relacional e SQL (padrão ANSI). 5 Banco de dados relacional em plataforma baixa (Oracle, SQL Server, Postgree, MySQL) e XML. 6 Banco de dados NoSQL. 7 Visualização e análise exploratória de dados. 7.1 Ferramentas de criação de dashboards(Qlik, MicroStrategy Dossiê, Tableau e Pentaho). 7.2 Storytelling. 7.3 Elaboração de painéis e dashboard. 7.4 Elaboração de relatórios analíticos.
QUALIDADE DE DADOS:
1 Conceitos e definições sobre qualidade de dados. 2 Dimensões da qualidade de dados (visão DMBOK). 3 Principais técnicas em qualidade de dados. 3.1 Profiling. 3.2 Matching. 3.3 Deduplicação. 3.4 Data cleansing. 3.5 Enriquecimento. 4 Boas Práticas para adoção da qualidade de dados. 5 Processos de qualidade para modelos de dados. 6 Noções básicas de visualização de dados.
MODELAGEM DE DADOS:
1 Modelo entidade-relacionamento. 2 Linguagem de implementação banco de dados: banco físico, lógico e conceitual. 3 Modelagem conceitual de dados. 3.1 Entidades. 3.2 Atributos. 3.3 Relacionamentos. 3.3.1 Grau dos relacionamentos. 3.3.2 Cardinalidade. 3.3.3 Tipos de relacionamentos. 3.4 Mecanismos avançados de abstração em um modelo conceitual de dados. 3.4.1 Repetição. 3.4.2 Autorrelacionamento. 3.4.3 Generalização e especialização. 3.4.4 Agregação. 4 Modelagem lógica de dados. 4.1 Conceitos em modelagem lógica de dados. 4.2 Normalização. 5 Data warehouse. 5.1 Modelagem dimensional. 5.2 Criação, implantação e manutenção de rotinas de ETL (Pentaho e Power Center). 5.3 Conceito e aplicações. 5.4 Fatos e dimensões. 5.5 Operações OLAP. 5.6 Conceitos de data warehouse. 5.7 Técnica de modelagem dimensional e otimização de bases de dados para BI.
MDM (MASTER DATE MANEGEMENT):
1 Conceitos básicos. 1.1 Golden record. 1.2 Modelos de implementação de data hub. 2 Qualidade dos dados mestres. 3 Algoritmos fuzzy matching e stemming. 4 Arquitetura de dados MDM. 5 Privacidade dos dados mestres.
GOVERNANÇA DE DADOS:
1 Princípios e conceitos da governança de dados. 2 Componentes da governança de dados. 3 Visão geral do guia DAMA-DMBOK. 3.1 Áreas de conhecimento. 3.2 Elementos ambientais. 3.3 Principais atividades da gestão de dados. 4 Documentos da governança de dados.

Apostila Concurso SERPRO 2021 Analista Ciência de Dados