ATENÇÃO: APOSTILA PETROBRAS -  CIÊNCIA DE DADOS - Edital 2021 - com toda Teoria e + de 12.800 Exercícios.

Por apenas: R$ 100,00

SOBRE A APOSTILA:

 - Contém Todas as Matérias exigidas no edital e mais de 12.800 exercícios com gabaritos!

CONHECIMENTO GERAIS:

LÍNGUA PORTUGUESA 1 Compreensão e interpretação de textos de gêneros variados. 2 Reconhecimento de 33 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 textos escritos em língua inglesa. 2 Itens gramaticais relevantes para o entendimento dos sentidos dos textos.

CONHECIMENTOS ESPECÍFICOS:

BLOCO I: 1 Aprendizado supervisionado: Regressão e Classificação. 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. 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.

BLOCO II: 1 Machine learning aplicado. 1.1 Noções de Visão computacional com redes neurais convolucionais. 1.2 Classificação de imagens. 1.3 Detecção de objetos. 1.4 Segmentação de objetos e instâncias. 1.5 Noções de Processamento Natural de Linguagem. 1.6 Stop-words, stemização e n-grams. 1.7 TF-IDF. 1.8 Modelagem de tópicos (LDA, NMF). 1.9 Word embeddings: CBOW e Skip Gram. 1.10 Conceitos Básicos em Séries Temporais. 2 Manipulação, tratamento e visualização de dados. 2.1 Técnicas de visualização de dados (questão 1/2). 2.2 Técnicas de visualização de dados (questão 2/2). 2.3 Lidando com valores faltantes. 2.4 Lidando com dados categóricos. 2.5 Normalização numérica. 2.6 Detecção e tratamento de outliers. 2.7 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. 3 Banco de dados e data warehouse. 3.1 Modelo entidade-relacionamento. 3.2 Mapeamento lógico relacional. 3.3 Normalização. 3.4 Linguagem de definição e manipulação de dados (SQL). 3.5 Conceitos de data warehousing e modelagem multidimensional (esquema estrela). 3.6 Conceitos gerais de Hadoop: HDFS, MapReduce, YARN e Spark. 3.7 Conceitos de Bancos NoSQL e Armazenamento orientado a objeto (object store).

BLOCO III: 1 Cálculo. 1.1 Pré-cálculo: Conjuntos, Coordenadas Cartesianas, Cônicas e Produtos Notáveis. 1.2 Funções. 1.3 Limites. 1.4 Derivadas. 1.5 Derivadas parciais. 1.6 Máximos e Mínimos. 1.7 Esboços de Gráficos de Funções. 1.8 Integrais. 2 Álgebra Linear para Ciência de Dados. 2.1 Notação de vetores e matrizes. 2.2 Operações com vetores e matrizes; produto escalar e produto vetorial. 2.3 Matriz identidade, inversa e transposta. 2.4 Transformações lineares. 2.5 Normas (L1, L2). 2.6 Autovalores e autovetores. 2.7 Decomposição SVD. 2.8 Álgebra linear e operações matriciais com Python Numpy. 3 Probabilidade e estatística. 3.1 Conceitos de Probabilidade: Modelo de probabilidade, Probabilidade Condicional, Independência, Variáveis Aleatórias, Esperança, Variância e Covariância. 3.2 Distribuições Contínuas e Discretas: Normal, t-Student, Poisson, Exponencial, Binomial, Dirichlet. 3.3 Distribuições multidimensionais; matriz de covariância. 3.4 Estatísticas Descritivas. 3.5 Inferência Estatística: Teorema do Limite Central, Teste de Hipótese e Intervalo de Confiança, Estimador de Máxima Verossimilhança, Inferência Bayesiana. 3.6 Coeficiente de correlação de Pearson. 3.7 Histogramas e curvas de frequência. 3.8 Diagrama boxplot. 3.9 Avaliação de outliers. 4 Algoritmos e estrutura de dados. 4.1 Complexidade de algoritmos e notação assintótica (Big O). 5 Conceitos modernos de sistemas de informação. 5.1 Conceitos Nuvem: IaaS, PaaS e SaaS. 5.2 Conceitos de Containers: construção, registro, execução e orquestração. 5.3 Conceitos básicos de DevOps: versionamento com git, pipeline e CI/CD.

Receba sua Apostila em CD-ROM ou via Download (email) : A escolha é sua ao comprar (ver detalhes abaixo). 

- Apostila prática e de fácil utilização (não precisa instalar).

-  Apostila digital para visualização em seu computador ou notebook.

- Não funciona em Tablets ou similares!

- É Possível Imprimir!

 SOBRE O ENVIO: 

No dia seguinte à postagem, você receberá via e-mail o código de rastreio para acompanhar sua encomenda no site dos Correios.SIMPLES E SEGURO!

Apostila PETROBRAS -  CIÊNCIA DE DADOS - Teoria + 12.800 Exercícios - Concurso 2021

petrobras, petrobras 2021, apostila petrobras, concurso petrobras, apostila concurso petrobras, apostila petrobras 2021, apostilas petrobras, apostilas petrobras 2021, concurso petrobras 2021, apostila concursos petrobras 2021, concurso petrobras, concursos petrobras 2021