APOSTILA PROCEMPA 2022 CIÊNCIA DE DADOS DIGITAL COMPLETA E ATUALIZADA. ESTE MATERIAL CONTEMPLA TODO O CONTEÚDO PROGRAMÁTICO DO EDITAL. 

INFORMAÇÕES IMPORTANTES:

• Essa apostila apresenta conteúdo completo e atualizado, de acordo com Edital 2022.

• O material é digital, em pdf, e foi elaborado por nossa equipe de professores especialistas em concursos e organizado para otimizar a assimilação do conteúdo.

CONTEÚDO PROGRAMÁTICO

LÍNGUA PORTUGUESA

Elementos de construção do texto e seu sentido: gênero do texto (literário e não literário, narrativo, descritivo e argumentativo); interpretação e organização interna. Semântica: sentido e emprego dos vocábulos; campos semânticos; emprego de tempos e modos dos verbos em português. Morfologia: reconhecimento, emprego e sentido das classes gramaticais; processos de formação de palavras; mecanismos de flexão dos nomes e verbos. Sintaxe: frase, oração e período; termos da oração; processos de coordenação e subordinação; concordância nominal e verbal; transitividade e regência de nomes e verbos; padrões gerais de colocação pronominal no português; mecanismos de coesão textual. Ortografia. Acentuação gráfica. Emprego do sinal indicativo de crase. Pontuação. Estilística: figuras de linguagem. Reescritura de frases: substituição, deslocamento, paralelismo; variação linguística: norma culta.

CONHECIMENTOS ESPECÍFICOS

ANALISTA DE PROGRAMAÇÃO E SUPORTE DE SISTEMAS INFORMATIZADOS E GEOREFERENCIADOS, INFRAESTRUTURAS E REDES COMPUTACIONAIS - CIÊNCIA DE DADOS

Conceitos básicos: fundamentos de computação: álgebra booleana; conceitos de processamento paralelo e distribuído. Listas e Pilhas. Vetores e Matrizes. Pesquisa e Hashing. Fundamentos de Redes: HTTP e HTTPS; LAN. Estatística descritiva e preditiva. Programação: noções de programação orientada a objetos: conceitos de orientação por objetos; objetos e classes; atributos. Conhecimento em Linguagem de programação Python e R. Processos de desenvolvimento de software com métodos ágeis: gerência de projetos ágeis; manifesto ágil; scrum; kanban. Banco de dados e modelagem de dados: modelo de dados: entidades; atributos; relacionamentos; cardinalidade; generalização; especialização; formas normais; conhecimento em SQL, DDL, DML, DQL, DTL e DCL. Bancos de dados multidimensionais: tipos de cubos; modelo dimensional; drill down; esquemas; dimensões; fatos. Engenharia de Dados e Arquitetura: modelo star schema; modelo snow flake; flat table; dimensões e tipos de dimensões; tabelas fatos; ETL. Conhecimento em Bancos de dados NoSQL: MongoDB. Conhecimentos de integração contínua utilizando Jenkins. Conhecimentos em conteineirização de aplicações utilizando Docker. Conhecimentos em Ciência de Dados: Ciclo CRISP-DM; Mineração de Dados; Estatística relacionada à mineração de dados e aprendizado de máquina; Conceitos de aprendizado supervisionado, não supervisionado e por reforço; Bibliotecas e desenvolvimento de modelo de aprendizado de máquina nas linguagens Python e R; Criação e pré-processamento de datasets; Conceitos, funcionamento e formas de implementação de Redes Neurais, Support Vector Machines, Random Forest, k-Means, k-Nearest Neighbors, regressão linear, regressão logística e Naive Bayes; Conceitos de Deep Learning. RNN e CNN; Conhecimentos nas plataformas: PowerBI; Cloudera; Pentaho. Conhecimento em software de gerenciamento de versão de código fonte GIT.