Prepare-se para o Sucesso em Concursos Públicos e OAB com Cursos Atualizados e Baratos
Menu
Cursos do Pacote
- Ortografia oficial.
- Classes de palavras: substantivos, adjetivos, artigos, numerais, advérbios e interjeições.
- Classes de palavras: preposições e conjunções.
- Classes de palavras: pronomes.
- Classes de palavras: verbos. Tempos e modos verbais.
- Sintaxe (termos da oração).
- Coordenação e de subordinação.
- Emprego dos sinais de pontuação.
- Concordância verbal e nominal.
- Regência verbal e nominal.
- Mecanismos de coesão textual.
- Significação das palavras.
- Compreensão de texto.
- Resumo
- Introdução: às técnicas de leitura Scanning e Skimming; à importância dos tempos verbais em inglês; ao uso dos falsos cognatos; aos termos gramaticais essenciais; ao uso de expressões idiomáticas e às formas de interpretar imagens.
- Scanning; Skimming; Cognates (Cognatos), False Cognates (Falsos Cognatos) Idioms (expressões idiomáticas).
- Verb To be (Verbo To be); Simple Present (Presente Simples); Simple Past (Passado Simples); Future Will x Going to (Futuro com Will x Going to); Gerund (Gerúndio); Present Continuous (Presente Contínuo); Past Continuous (Passado Contínuo); Present Perfect (Presente Perfeito); Past Perfect (Passado Perfeito); Future Perfect (Futuro Perfeito); Present Perfect Continuous (Presente Perfeito Contínuo); Past Perfect Continuous (Passado Perfeito Contínuo); Future Perfect Continuous (Futuro Perfeito Contínuo); Modal Verbs (Verbos Modais); Imperative Tenses (Imperativo) e Phrasal Verbs (Verbos Frasais).
- Definite Articles (Artigos definidos); Indefinite Articles (Artigos indefinidos); Nouns (Substantivos); Common Noun (Substantivo Comum); Proper Noun (Substantivo Próprio) Compound Noun (Substantivo Composto); Abstract and Concrete Nouns (Substantivos Abstratos e Concretos); Collective Nouns. (Substantivos Coletivos); Countable and Uncountable Nouns (Substantivos Contáveis e Incontáveis); Plural (Regular e Irregular); Numbers (Números); Prefixes (Prefixos) e Sufixes (Sufixos)
- Adjectives (Adjetivos); Comparative (Grau Comparativo); Superlative (Grau Superlativo); Adverbs (Advérbios); Adverbs of Manner (Advérbios de Modo); Adverbs of Frequency (Advérbios de Frequência); Adverbs of Time (Advérbios de Tempo); Adverbs of Place (Advérbios de Lugar) e Adverbs of Intensity (Advérbios de Intensidade).
- Pronouns (Pronomes); Personal Pronouns (Pronomes Pessoais); Possessive Pronouns (Pronomes Possessivos); Subject Pronouns (Pronomes Sujeitos); Object Pronouns (Pronomes Objeto); Adjective Pronouns (Pronomes Adjetivos); Reflexive Pronouns (Pronomes Reflexivos); Demonstrative Pronouns (Pronomes Demonstrativos); Indefinite Pronouns (Pronomes Indefinidos); Interrogative Pronouns (Pronomes Interrogativos); Prepositions (Preposições) e Conjunctions (Conjunções).
- Direct Speech (Discurso Direto); Reported Speech (Discurso Indireto); Active Voice (Voz Ativa) e Passive Voice (Voz Passiva).
- Conditionals (Orações Condicionais); Zero Conditional; First Conditional; Second Conditional; Third Conditional e Quantifiers (Determinantes/Quantificadores).
- Política Nacional de Meio Ambiente (PNMA – Lei nº 6938/1981 e suas alterações)
- Sistema Nacional de Unidades de Conservação da Natureza (SNUC – Lei nº 9.985/2000 e suas alterações)
- Licenciamento ambiental. Portal Nacional de Licenciamento Ambiental (PNLA)
- Política Nacional sobre Mudança do Clima (PNMC – Lei nº 12187/2009 e suas alterações)
- Lei sobre a Proteção da Vegetação Nativa (conhecida como Novo Código Florestal – Lei nº 12.651/2012 e suas alterações)
- Desenvolvimento Sustentável e Sustentabilidade. Objetivos de Desenvolvimento Sustentável. Agenda 2030.
- Mudanças climáticas. Riscos físicos e de transição. Mitigação e adaptação. Transição ecológica justa. Contribuição Nacionalmente Determinada (NDC, em inglês) do Brasil (https://www.gov.br/mma/pt-br/assuntos/mudanca-do-clima/NDC). Perfil de emissões de gases do efeito estufa do Brasil.
- Política de Responsabilidade Social, Ambiental e Climática (PRSAC) das instituições financeiras
- Bioeconomia. Economia circular. Biodiversidade e Soluções Baseadas na Natureza.
- Uso responsável de dados: Lei Geral de Proteção de Dados Pessoais – LGPD Lei nº 13.709/2018 e suas alterações).
- Noções básicas e estágios do ciclo político administrativo da política pública; Importância do monitoramento e da avaliação da efetividade das políticas públicas; Modelos de análise de políticas públicas (Parte I)
- Noções básicas e estágios do ciclo político administrativo da política pública; Importância do monitoramento e da avaliação da efetividade das políticas públicas; Modelos de análise de políticas públicas (Parte II)
- 5.1 O papel do Estado brasileiro no combate à pobreza; 5.2 O papel do BNDES na redução de desigualdades econômicas, sociais e territoriais no Brasil.
- 5.3 Direitos Humanos, Objetivos de Desenvolvimento Sustentável – ODS 2030 e diversidade. 5.4 Índice de Diversidade B3 – IDIVERSA B3: objetivo e metodologia.
- 5.3 Interseccionalidade e suas interfaces com marcadores sociais de raça, cor e etnia, classe, idade, deficiência, localização geográfica, sexualidade, expressão e identidade de gênero; discriminação e exclusão social e digital.
- 5.5 Desafios sociopolíticos da inclusão de grupos vulnerabilizados: crianças e adolescentes; idosos; LGBTQIA+; pessoas com deficiências; povos originários, comunidades quilombolas e demais minorias sociais;
- 5.6 Desafios territoriais: a questão urbana e regional no Brasil – disparidades e segregação socioespacial.
- 2.1 História política e econômica do Brasil e o papel do BNDES no desenvolvimento do país; 2.1.1 O papel histórico do BNDES nos diferentes planos econômicos e a questão regional do País; 2.2 O BNDES e as políticas públicas atuais: Novo PAC, Nova Indústria Brasil e Plano de Transformação Ecológica como elementos de neoindustrialização e descarbonização da economia.
- 2.3 O papel dos bancos de fomento no desenvolvimento econômico e social; 2.3.1 Modelos de atuação direto e indireto; 2.4 Formas de atuação do BNDES; 2.4.1 Estruturação e financiamento de projetos de infraestrutura; 2.4.2 Financiamento à exportação; 2.4.3 Financiamento às micro, pequenas e médias empresas; 2.4.4 Atuação via Mercado de Capitais; 2.4.5 Financiamento à indústria.
- Tipos de produtos de dados (bases de dados, relatórios, planilhas, análise exploratória de dados, dashboards, modelos de aprendizado de máquina) e seus usos (explorar, alertar, descrever, explicar, prever, recomendar, otimizar).
- Etapas do ciclo de análise de dados (CRISP-DM). Problemas comuns em dados: outliers, dados faltantes, erros no tipo dos dados e viés de seleção; 4.4. Coleta e preparação dos dados.
- Princípios de análise de dados e informações: 4.1. Os dados e as organizações: Tipos de dados: estruturados e não estruturados; quantitativos e qualitativos. 4.6. Introdução à visualização de dados: Tipos de gráficos (barras, pizza, linha, dispersão, histograma), como interpretá-los e quando utilizá-los. Boas práticas para a construção de gráficos (escala dos eixos, margens de erro, disposição de mais de uma série em um único gráfico, ênfase em uma série ou em um ponto, barra ou fatia específicos).
- Princípios de organizações orientadas a dados. Governança de dados e seus benefícios; Princípios de storytelling com dados;
- Fundamentos para criação de métricas de negócio (KPIs). Técnicas de identificação de causa raiz (Diagrama de Ishikawa, Cinco Porquês, Análise de Pareto);
- Noções Básicas de Cálculo (Limites, Derivadas e Integral)
- Funções Reais de Várias Variáveis
- Matrizes e Determinantes
- Sistemas Lineares
- Vetores
- Álgebra Linear I – Espaços Vetoriais
- Álgebra Linear II – Transformações Lineares; Autovalores e Autovetores
- Apresentação de Dados
- Médias
- Medidas Separatrizes ou Quantis
- Moda
- Medidas de Variabilidade ou Dispersão
- Análise Combinatória
- Probabilidade
- Variáveis Aleatórias Discretas
- Distribuições Discretas de Probabilidade
- Variáveis Aleatórias Contínuas
- Distribuições Aleatórias Contínuas
- Leis dos Grandes Números
- Estimação Pontual e Intervalar
- Testes de Hipóteses
- Correlação e Regressão Linear Simples
BNDES (Analista – Profissional Básico – Ciência de Dados) Finanças Quantitativas – 2024 (Pós-Edital)
- Juros Simples
- Juros Compostos
- Equivalência de Capitais
- Análise de Investimentos (VPL e TIR)
- 1. Matemática financeira: Convenções de Cálculo de Juros; Valor Presente Líquido; Taxa Interna de Retorno; projeção de fluxos de caixa futuros.
- 2. Mercados de Taxas de Juros: Instrumentos de Renda Fixa; Taxa Spot; Taxa Foward; Relações Básicas de Não Arbitragem no Mercado de Juros; Curvas de Juros; Bootstraping de Curvas de Juros; técnicas de interpolação de taxas de juros; modelos de Svenson e de Nelson-Siegel.
- 4. Otimização de carteiras: modelo de média-variância com e sem restrições; modelos de paridade de riscos; modelos de paridade de riscos hierárquica (HRP).
- Duration; Convexidade.
- 3. Medidas de Desempenho e de Riscos: Volatilidade; Value At Risk; Conditional Value at Risk; Backtesting de Modelos de Risco; Maximum Drawdown; Sharpe Ratio; Information Ratio. 5. Simulação de Monte Carlo em Finanças: principais aplicações em precificação e análise de riscos.
- 6. Derivativos: conceitos gerais; derivativos de renda variável; derivativos de renda fixa; modelo de Black-Scholes.
- Exercícios Avançados de Finanças.
- Lógica de Programação [não explícito no edital]
- 1. Linguagem de programação Python: sintaxe básica; operadores; variáveis; estruturas de dados (dataframes, listas, matrizes, dicionários e conjuntos); estruturas de controle de fluxo; funções; escopo; método; paralelização de rotinas; serialização e desserialização.
- 2. Bibliotecas Python: Pandas (manipulação; limpeza; transformação e pré-processamento de dado); NumPy (operações de arrays); Matplotlib e Seaborn (visualização de dados); TensorFlow; Keras e PyTorch (redes neurais); Scikit-learn e XGBoost (aprendizado de máquina); NLTK e spaCy (processamento de linguagem natural); huggingface (LLM); PySpark (Big data); Beautiful Soup (web scraping); Streamlit (data apps).
- 4. Gestão de Código: qualidade de código; testes automatizados; 4. Gestão de Código: versionamento (Git). 5. Ambientes de programação: Jupyterhub e Jupyter Notebooks; linha de comando (navegação em diretórios, manipulação de arquivos e dados); gerenciamento de processos; configuração de ambientes e variáveis de ambiente; gerenciamento de pacotes Python (pip); ambientes virtuais Python.
- Cloud Computing
BNDES (Analista – Profissional Básico – Ciência de Dados) Engenharia de Software – 2024 (Pós-Edital)
- Princípios de métodos ágeis (Kanban);
- Princípios de métodos ágeis (Scrum);
- Fundamentos de design thinking.
- 9. Modelos como serviço (APIs; microsserviços); integração com sistemas existentes; APIs e serviços web;
- IV- DADOS E BASES DE DADOS: 1. Conceitos fundamentais de dados: o que são dados; processos geradores de dados; tipos e classes de dados; formatos de arquivos de dados comuns (txt, csv, xlsx, xml, json e parquet). 2. Introdução a Bases de Dados: o que são bases de dados; tipos de bases de dados; metadados; tidy data. 4. Sistemas Gerenciadores de Base de Dados (SGBD): definição de SGBD; principais funções; principais tipos de SGBDs (SQL) e suas diferenças; transações e índices. VI – QUALIDADE E PREPARAÇÃO DE DADOS: 1. Metadados: a sua importância para avaliação da qualidade de dados; linhagem de dados;
- 5.Modelo de dados: modelo de entidade-relacionamento (ER); modelo relacional: tabelas, esquemas, chaves, consultas; dados estruturados, semiestruturados e não estruturados; modelo chave-valor; modelo colunar; modelo orientado a documentos; modelo orientado a grafos
- 3. Linguagem SQL (Structured Query Language): conceitos introdutórios; comandos básicos para consultas (inserção, atualização e exclusão de dados) e para análise de dados (como funções de agregação, filtros, joins, subconsultas e demais). (Parte 1 – SQL – Sublinguagens)
- 3. Linguagem SQL (Structured Query Language): conceitos introdutórios; comandos básicos para consultas (inserção, atualização e exclusão de dados) e para análise de dados (como funções de agregação, filtros, joins, subconsultas e demais). (Parte 2 – SQL – Sintaxe)
- 3. Introdução ao armazenamento de dados: armazenamento de arquivos; principais estruturas de armazenamento de dados analíticos (data warehouse, data mart, data lake data lakehouse, vector stores), suas diferenças conceituais e casos de uso; armazenamento na nuvem. 6. Ingestão e armazenamento de dados; definição de ingestão em lote (batch) e em tempo real (stream). 2. Coleta de dados: fontes comuns de dados (internas e externas); interface de programação de aplicação (API); técnicas de web scraping. 4. Preparação de dados: técnicas de tratamento e limpeza de dados; técnicas detecção de vieses; data profiling. 5. Préprocessamento de dados: técnicas de normalização e padronização; discretização; metodologias de codificação de variáveis categóricas (encoding). 6. Feature engineering: processos para enriquecimento de dados, com criação e seleção de features relevantes; transformações matemáticas e estatísticas comuns em variáveis.
- Modelagem Dimensional; OLAP; [conteúdo não explícito no edital, mas ajuda a entender as aulas seguintes]
- 7. Big Data: conceito de big data; conceitos gerais sobre técnicas e ferramentas para lidar com grandes volumes de dados (HDFS e MapReduce). 2. Metodologias de gestão de projetos de ciência de dados: CRISPDM; Microsoft Team Data Science Process (TDSP); 6. Sistemas de recomendação: Filtragem colaborativa (baseadas em usuários ou itens); filtragem baseada em conteúdo; sistemas híbridos; problemas comuns (cold start, escalabilidade, data sparsity).
- 4. Sistemas Gerenciadores de Base de Dados (SGBD): definição de SGBD; principais funções; principais tipos de SGBDs (NoSQL) e suas diferenças; transações e índices. [Bancos de Dados NoSQL; principais SGBDs NoSQL;]
- 7. Big Data: Spark e Hadoop.
- VII – MODELAGEM: 1. Pipeline de treinamento de modelos e suas etapas. 7. Modelagem de IA centrada em dados (datacentric). 12. Visão Computacional: técnicas de pré-processamento de imagem; OCR; segmentação e extração de características de imagens; detecção; segmentação e reconhecimento de objetos; classificação de imagens. 13. Modelos multi-modais: principais aplicações. XIII – GOVERNANÇA, SEGURANÇA E APLICAÇÃO RESPONSÁVEL DE IA: 1. Noções de governança de IA: conceitos e objetivos da governança de IA; gestão de riscos em IA; gestão de ciclo de vida de modelos. 2. Principais riscos e vulnerabilidades relacionados a IA: viés algorítmico; exposição de dados sensíveis; envenenamento de dados de treinamento; ataques adversariais; ataques de manipulação de modelos; roubo de modelos; ataque de inferência; alucinações. 3. Aplicação de IA responsável: definição; ética; transparência; justiça e equidade; responsabilização; segurança cibernética; compliance regulatório. V – GESTÃO DE PROJETOS DE
- 2. Técnicas de clusterização: K-Means; agrupamento hierárquico; Gaussian Mixture Models; DBSCAN. 3. Técnicas de classificação: Regressão logística; K-Nearest Neighbors (KNN); Suport Vector Machines (SVM); Decision Trees (CART); classificadores Naive-Bayes (Binomial-Beta, Poisson-Gama, Normal-Normal); Florestas Aleatórias (Random Forest)
- 8. Tópicos em regressão: modelos de dados em painel; GLM; regressão espacial; regressão quantílica; regressão de Poisson; modelos VAR; ECM e GARCH. 11. Modelos de aprendizado por reforço: Q-Learning; Deep Q-Networks (DQN); Policy Gradient Methods; multiarmed bandit.
- 10. Redes neurais: Introdução a Redes Neurais Artificiais (arquitetura, funções de ativação, treinamento, forward pass, backpropagation, loss functions, algoritmos de otimização, épocas, batch size e demais); embeddings; redes profundas (deep learning); Redes Neurais Convolucionais (CNNs) e Recorrentes (RNNs); LSTM; GRU; GAN; modelos multimodais.
- 6. Sistemas de recomendação: Filtragem colaborativa (baseadas em usuários ou itens); filtragem baseada em conteúdo; sistemas híbridos; problemas comuns (cold start, escalabilidade, data sparsity). 7. Modelos de séries temporais: definição; componentes (tendência, sazonalidade, ciclos e ruído); autocorrelação e autocorrelação parcial; conceito e testes de estacionaridade; cointegração; modelos AR, ARMA e ARIMA; modelos de suavização exponencial; modelos de decomposição; modelos de regressão com variáveis temporais (ARIMAX). 9. Introdução a modelos causais: fundamentos de causalidade estatística, experimentos e quase-experimentos, desenho de descontinuidade de regressão, modelos de variáveis instrumentais, diferenças em diferenças, modelos de equações estruturais (SEM), métodos de pareamento. 14. Quantificação de incertezas em modelos preditivos: Programação Probabilística; Amostragem de Gibbs; Inferência Variacional; Hamiltonian Monte Carlo; Modelos de Markov Ocultos; Aprendizado Profun
- IX – PROCESSAMENTO DE LINGUAGEM NATURAL (NLP): 1. Técnicas de pré-processamento de texto: limpeza; normalização; remoção de stop words; stemming; lematização e demais. 2. Representação de texto: N-grams; CBoW; FTD-IDF; word embeddings (Word2Vec, GloVe e demais) e document embeddings (Doc2Vec, BERT, ELMo e demais). 3. Modelagem de tópicos: latent dirichlet allocation (LDA); non-negative matrix factorization (NMF). 4. Modelos de linguagem: modelos de linguagem tradicionais; redes neurais recorrentes; redes neurais convolucionais; transformers. 5. Tarefas básicas em NLP: classificação de texto; análise de sentimento; extração de informação (NER; REL); similaridade textual; sumarização de texto; rotulação de partes do discurso (POS-tagging) e tradução automática. 6. Aplicações relacionadas a modelos de NLP: geração de texto; question answering e diálogo conversacional; retrieval augmented generation (RAG); chatbots; extração estruturada de informações; agentes de IA (IA agents).
- 3. Métricas para avaliação e seleção de modelos: métricas para regressão (MSE; RMSE; MAE; R²; R² ajustado); métricas para classificação (accuracy, precision, recall, F1-score e ROC-AUC); análise de matriz de confusão; trade-off entre viés e variância; detecção de overfitting e underfitting. 8. Interpretabilidade de modelos: feature importance; valores de Shapley (SHAP) e LIME.
- 2. Otimização de hiperparâmetros: grid search; random search; algoritmos de otimização avançados; automl; autotuning; autofeature engineering. 4. Técnicas de regularização: lasso; ridge; elastic net; dropout; early stopping; batch normalization. 6. Validação de Modelos: K-fold crossvalidation; leave-one-out cross-validation; bootstrap. VIII – CLASSES DE MODELOS: 1. Redução de dimensionalidade: Principal Component Analysis (PCA); LDA; ICA; T-SNE; uso de autoencoders. 5. Ensembling de modelos: Bagging; boosting (AdaBoost, Gradient Boosting, XGBoost, LightGBM e CatBoost); stacking.
- 9. Implantação de modelos em produção: exportação de modelos (pickle, PMML e ONNX); conceitos de MLOps; implantação local (on premise) e na nuvem. 10. Monitoramento de modelos: monitoramento de desempenho; data drift; concept drift; detecção de drifts; retreino e atualização de modelos.
- XII – GOVERNANÇA E SEGURANÇA DE DADOS: 1. Noções de governança de dados (DMBOK): conceitos e objetivos da governança de dados; principais técnicas de qualidade e integridade de dados; princípios de privacidade e proteção a dados.
- XI – VISUALIZAÇÃO; STORYTELLING E COMUNICAÇÃO CORPORATIVA: 1. Principais tipos de visualizações e gráficos: tabela; gráfico de barras; linhas; pizza; dispersão; histograma; área; boxplot; bolhas; radar; mapas cartográficos; mapa de calor. 2. Visualização de dados: princípios de design de gráficos efetivos; principais conceitos de codificação visual; interatividade; acessibilidade em gráficos. 3. Dashboards: técnicas para construção de interfaces e layout; abordagens para escolha de designs; organização de elementos visuais e gráficos; seleção de gráficos e visualizações; interatividades e drill-downs; acessibilidade. 4. Storytelling com dados: construção de narrativas visuais e contextualizações; componentes de um storytelling efetivo. 5. Reportes executivos: princípios de comunicação corporativa; interpretação e apresentação de dados de resultados de análises e de insights. 6. Microsoft Power BI: conexão e importação de dados; modelagem de dados; criação de medidas e colunas calculada
- Explicações sobre os Bizus Estratégicos
- Bizu Estratégico de Conhecimentos Transversais (Papel do BNDES no desenvolvimento brasileiro)
- Bizu Estratégico de Língua Portuguesa
- Bizu Estratégico de Língua Inglesa
- Bizu Estratégico de Conhecimentos Transversais (Políticas Públicas e Desenvolvimento)
- Bizu Estratégico de Conhecimentos Transversais (Clima, Sustentabilidade e Responsabilidade Socioambiental e Climática)
- Bizu Estratégico de Conhecimentos Transversais (Diversidade e Inclusão)
- Bizu Estratégico de Conhecimentos Transversais (Princípios de análise de dados e informações)
- Análise do edital; mudança de hábito; a importância da escrita manuscrita.
- Teoria-Geral da produção textual em provas discursivas (Aspectos Estruturais).
- Teoria-Geral da Produção textual em provas discursivas (Aspectos Formais de Apresentação).
- Folha de resposta para transcrição do texto definitivo.
- Rodada de Temas 1 (conhecimentos transversais)
- Rodada de Temas 2 (conhecimentos específicos)
- Rodada de Temas 3 (conhecimentos específicos)
- Rodada de Temas 4 (conhecimentos específicos)
BNDES (Analista – Profissional Básico – Ciência de Dados)
R$134,30
Editora: Estratégia Concursos (E)
Videoaulas e PDF
Ano: 2024|2|
Carga Horária: 361 horas
Enviamos seu curso em até 24 horas
- Acesse seu curso pelo:
As videoaulas e PDFs ainda não disponíveis estarão acessíveis de modo gradativo e em conformidade com o cronograma de gravação dos respectivos professores.
Todo mundo estará completo com tempo hábil de estudos
PROIBIDO A VENDA DO CURSO
Produtos relacionados
Pós Edital
2025|1|
Direção Concursos (DI)
Curso Completo para Analista de Desenvolvimento – Ênfase 1 do Banco de Desenvolvimento de Minas Gerais – BDMG
Pré Edital
2025|1|
Direção Concursos (DI)
Curso Completo para Analista Bancário do Banco do Nordeste – BNB
Pré Edital
2025|1|
Direção Concursos (DI)
Curso para Técnico Bancário do Banco da Amazônia – BASA
Pós Edital
2025|1|
Direção Concursos (DI)
Curso para Técnico Bancário do Banco do Estado do Pará – Banpará
Pós Edital
2025|1|
Direção Concursos (DI)
Curso para Técnico Bancário I do Banco do Estado de Sergipe – BANESE
Pré Edital
2025|1|
Direção Concursos (DI)
Curso para Analista – Especialidade: Ciências Contábeis do Banco Nacional de Desenvolvimento Econômico e Social – BNDES
Pré Edital
2025|1|
Direção Concursos (DI)
Curso Completo para Técnico de Suporte Administrativo do BNDES
Pré Edital
2025|1|
Direção Concursos (DI)
Curso de Conhecimentos Básicos para Técnico Bancário do Banestes
Quer receber informações de novos cursos adicionado no acervo?
Digite seu email e acompanhe todas as novidades
Cursos para Concursos e OAB: Prepare-se com Rateio a Preços Acessíveis
Bem-vindo ao Cursos Rateio, a plataforma especializada em rateio de cursos para concursos públicos, OAB, Vestibulares e ENEM. Se você está em busca de estabilidade e bons salários nos setores públicos, nossa plataforma oferece os melhores cursos preparatórios das principais instituições do Brasil, garantindo qualidade e preços acessíveis para sua preparação.
Com o Cursos Rateio, você aluga os cursos diretamente pela nossa plataforma, recebendo o material pelo Google Drive em até 24 horas após a confirmação do pagamento. Trabalhamos com cursos das mais renomadas instituições, como Gran Cursos, Estratégia Concursos, AlfaCon, CERS, Ênfase, Damásio, Direção, Descomplica, IMP, entre outros, disponibilizando conteúdos atualizados e completos para diversas áreas. Aceitamos várias formas de pagamento seguras, incluindo PIX, boleto bancário e cartão de crédito, através do MercadoPago, oferecendo proteção ao cliente durante toda a transação.
Por que Escolher o Cursos Rateio?
- Economia Garantida: Com o rateio de cursos, você paga menos e estuda com os melhores cursos preparatórios do mercado.
- Diversidade de Cursos: Nossa biblioteca inclui uma vasta gama de cursos para concursos federais, estaduais, municipais, além de cursos para a OAB.
- Atualizações Constantes: Cursos em andamento são atualizados de acordo com o cronograma da instituição, garantindo que você não perca nenhuma aula importante.
- Facilidade de Acesso: Não é necessário baixar nenhum software adicional. As aulas e materiais podem ser acessados diretamente pelo seu e-mail, via Google Drive, de qualquer dispositivo.
- Garantia de Segurança: Utilizamos sistemas de pagamento confiáveis como MercadoPago e PagSeguro, garantindo a segurança nas transações e a proteção dos seus dados.
- Suporte Personalizado: Atendimento via WhatsApp ou e-mail para tirar suas dúvidas.
Cursos Preparatórios para Diversas Carreiras
- Carreiras Policiais
- Carreira Judiciária
- Carreiras Administrativas
- Carreiras em Tribunais
- Carreiras Fiscais
- Cursos para Vestibular e ENEM
- Exame da OAB (primeira e segunda fase)
Se você não encontrar o curso que está buscando, pode solicitar diretamente à nossa equipe através do formulário disponível no site ou via e-mail e WhatsApp; faremos o possível para adicioná-lo à nossa biblioteca!
No Cursos Rateio, ajudamos você a se preparar com cursos de alta qualidade, preços acessíveis e acesso rápido. E não esqueça: na sua primeira compra, utilize o cupom curso15% e ganhe 15% de desconto!
INSTITUCIONAL
