CONTEÚDO DA APOSTILA

Língua Portuguesa: Compreensão e interpretação de textos de gêneros variados, com reconhecimento de tipos e gêneros textuais; domínio da ortografia oficial; domínio dos mecanismos de coesão textual, incluindo emprego de elementos de referenciação, substituição e repetição, de conectores e de outros elementos de sequenciação textual, bem como emprego de tempos e modos verbais; domínio da estrutura morfossintática do período, abrangendo emprego das classes de palavras, relações de coordenação entre orações e entre termos da oração, relações de subordinação entre orações e entre termos da oração, emprego dos sinais de pontuação, concordância verbal e nominal, regência verbal e nominal, emprego do sinal indicativo de crase e colocação dos pronomes átonos; e reescrita de frases e parágrafos do texto, envolvendo significação das palavras, substituição de palavras ou de trechos de texto, reorganização da estrutura de orações e de períodos do texto, e reescrita de textos de diferentes gêneros e níveis de formalidade.

Língua Inglesa: Compreensão de textos em língua inglesa e itens gramaticais relevantes para o entendimento dos sentidos dos textos.

Raciocínio Lógico: Estruturas lógicas; lógica de argumentação: analogias, inferências, deduções e conclusões; lógica sentencial (ou proposicional), abrangendo proposições simples e compostas, tabelas-verdade, equivalências e diagramas lógicos; lógica de primeira ordem; e raciocínio lógico envolvendo problemas aritméticos, geométricos e matriciais.

Atualidades e Inteligência Artificial: Tópicos relevantes e atuais de diversas áreas, tais como segurança, transportes, política, economy, sociedade, educação, saúde, cultura, tecnologia, energia, relações internacionais, desenvolvimento sustentável e ecologia. Inteligência Artificial: fundamentos e aplicações: conceitos de inteligência artificial; aprendizado da máquina; introdução aos modelos generativos e modelos de linguagem; ética, governança e privacidade em IA.

Legislação Acerca de Segurança da Informação e Proteção de Dados: Lei nº 12.527/2011 (Lei de Acesso à Informação): capítulos I, II, III, IV e V; Dec. nº 7.724 e nº 7.845. Lei nº 12.737/2012 (Lei de Delitos Informáticos): art. 2º. Lei nº 12.965/2014 (Marco Civil da Internet): capítulos II, Seção I, e III, Seções I e II. Lei nº 13.709/2018 (Lei Geral de Proteção de Dados Pessoais – LGPD): capítulos I, II, III, IV, VII, VIII e IX.

Conhecimentos Específicos: Matemática e Estatística Aplicada: I Matemática: Cálculo – funções, limites, derivadas, derivadas parciais, máximos e mínimos, integrais; Álgebra linear – notação de vetores e matrizes, produto escalar e produto vetorial, matriz identidade, inversa e transposta, transformações lineares, normas L1 e L2, autovalores e autovetores. II Estatística: conceitos de probabilidade, modelo de probabilidade, probabilidade condicional, independência, variáveis aleatórias, esperança, variância e covariância, distribuições contínuas e discretas, distribuições multidimensionais (matriz de covariância); estatísticas descritivas; Teorema do Limite Central; teste de hipótese e intervalo de confiança; estimador de máxima verossimilhança; inferência bayesiana; coeficiente de correlação de Pearson; diagrama boxplot e avaliação de outliers. Ciência de Dados: aprendizado supervisionado – regressão e classificação, métricas de avaliação, overfitting e underfitting de modelos, regularização, seleção de modelos, validação cruzada, conjunto de treino, validação e teste, trade-off entre variância e viés, regressão linear e regressão logística, árvores de decisão e random forests, SVM, K-NN; aprendizado não-supervisionado – redução de dimensionalidade (PCA), K-Means, mistura de Gaussianas, regras de associação; redes neurais artificiais – definições e arquitetura, funções de ativação, otimização (método do gradiente, método do gradiente estocástico e backpropagation), métodos de regularização (penalização com normas L1 e L2), CNN; Machine Learning aplicado – noções de visão computacional com CNN, classificação de imagens e detecção de objetos, noções de processamento de linguagem natural; ETL; manipulação, tratamento e visualização de dados; inteligência artificial – análise de dados (Pandas, NumPy, Jupyter, R), aprendizado de máquina (técnicas de classificação, regressão, agrupamento, redução de dimensionalidade, associação e sistemas de recomendação); processamento de linguagem natural (PLN); visão computacional; deep learning; mineração de dados; e ferramenta SAS. Linguagens de Programação e Softwares em Ciências de Dados: Python e suas bibliotecas (Numpy, Matplotlib, Seaborn, Streamlit, Pandas, Scipy, TensorFlow, Keras e Pytorch); R e suas bibliotecas; Apache Hadoop e Apache Spark. Banco de Dados: modelagem de dados (conceitual, lógica e física); abordagem relacional; normalização das estruturas de dados; integridade referencial; metadados; modelagem dimensional; linguagem de consulta estruturada (SQL); linguagem de definição de dados (DDL); linguagem de manipulação de dados (DML); SGBD; propriedades de banco de dados; banco de dados NoSQL; banco de dados em memória; data lakes e soluções para big data.