PETROBRAS (Ênfase 7 – Ciência de Dados) Pacote Completo

Conteúdo Programático

PETROBRAS (Nível Superior) Português 15 aulas

Aula	Conteúdo
Aula demo	Ortografia oficial. Acentuação gráfica.
Aula 01	Classes de palavras I: substantivo, adjetivo, advérbios, artigo, numeral, interjeição.
Aula 02	Classes de palavras II: preposição e conjunção.
Aula 03	Classes de palavras III: pronomes. Colocação pronominal
Aula 04	Classes de palavras IV: verbos
Aula 05	Correlação e vozes verbais
Aula 06	Sintaxe da oração: termos da oração
Aula 07	Relações de coordenação entre orações e entre termos da oração
Aula 08	Pontuação.
Aula 09	Concordância Verbal e Nominal.
Aula 10	Regência verbal e nominal. Emprego do sinal indicativo de crase.
Aula 11	Semântica. Significação das palavras.
Aula 12	Domínio dos mecanismos de coesão textual.
Aula 13	Compreensão e interpretação de textos. Tipologia textual. Reescrita de frases e parágrafos do texto.
Aula 14	- Exclusivamente PDF Resumo

PETROBRAS (Nível Superior) Inglês 8 aulas

Aula	Conteúdo
Aula demo	Interpretação de textos, Cognatos e Resolução de Provas
Aula 01	Substantivos, Artigos, Pronomes, Preposições e Resolução de Provas
Aula 02	Adjetivos, Advérbios, Afixos e Resolução de Provas
Aula 03	Verbos Frasais e Resolução de provas
Aula 04	Tempos Verbais (Parte 1) e Resolução de Provas
Aula 05	Tempos Verbais (Parte 2) e Resolução Provas
Aula 06	Expressões (Idioms) e Resolução de Provas
Aula 07	Questões Comentadas e Textos Traduzidos CESGRANRIO Interpretação de Textos CESGRANRIO

PETROBRAS (Ciência de Dados) Conhecimentos Específicos 16 aulas

Aula	Conteúdo
Aula demo	Conceitos básicos de banco de dados: 3 Banco de dados
Aula 01	3.1 Modelo entidade-relacionamento.
Aula 02	3.2 Mapeamento lógico relacional. 3.3 Normalização.
Aula 03	3.4 Linguagem de definição e manipulação de dados (SQL).
Aula 04	3.5 Conceitos de data warehousing e modelagem multidimensional (esquema estrela).
Aula 05	Big Data - 3.6 Conceitos gerais de Hadoop: HDFS, MapReduce, YARN e Spark. 3.7 Conceitos de Bancos NoSQL e Armazenamento orientado a objeto (object store).
Aula 06	- Somente em PDF 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.
Aula 07	- Somente em PDF 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.
Aula 08	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. 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.
Aula 09	- Somente em PDF 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.
Aula 10	- Somente em PDF 1.10 Conceitos Básicos em Séries Temporais.
Aula 11	- Somente em PDF 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.
Aula Extra	4 Algoritmos e estrutura de dados. 4.1 Complexidade de algoritmos e notação assintótica (Big O).
Aula Extra	2 5.1 Conceitos Nuvem: IaaS, PaaS e SaaS.
Aula Extra	3 5.2 Conceitos de Containers: construção, registro, execução e orquestração.
Aula Extra	4 5.3 Conceitos básicos de DevOps: versionamento com git, pipeline e CI/CD.

PETROBRAS (Ciência de Dados) Conhecimentos Específicos (Parte de Estatística e Probabilidade) 13 aulas

Aula	Conteúdo
Aula demo	Apresentação de dados
Aula 01	Médias
Aula 02	Medidas Separatrizes ou Quantis
Aula 03	Moda
Aula 04	Medidas de Variabilidade ou Dispersão
Aula 05	Análise Combinatória
Aula 06	Probabilidade
Aula 07	Variáveis Aleatórias Discretas
Aula 08	Distribuições Discretas de Probabilidade
Aula 09	Variáveis Aleatórias Contínuas + Distribuições Contínuas de Probabilidade
Aula 10	Estimação Pontual. Distribuições Amostrais. + Estimação Intervalar (intervalo de confiança).
Aula 11	Testes de Hipóteses (Testes paramétricos + Testes não paramétricos)
Aula 12	Noções Básicas de Cálculo

4 módulos · 52 aulas

Central de ajuda

Acelerador de Estudos

Acelere vídeos, converta PDFs e otimize seus estudos

Como Baixar o Material

Baixe pelo celular, navegador ou app do Google Drive

Como Funciona

Entenda o passo a passo completo do site

Aviso Importante

Este material é para uso pessoal e intransferível. A revenda ou compartilhamento é estritamente proibida.

🎯 Carreiras 9.590 cursos

📊 Por Situação

🏆 Top Editoras

✨ Destaque

🎁 Indique e Ganhe 10%

Prepare-se para o Sucesso em Concursos Públicos e OAB com Cursos Atualizados e Baratos