5% OFF cupom
10% de volta em toda compra de curso Acesso em 24h Questões Minha conta Suporte
Garanta sua vaga
5% OFF
Acesso em 24h
Pós-Edital

Petrobras Transporte S.A Transpetro Profissional Transpetro de Nível Superior Ênfase 8: Ciência de Dados

Videoaulas e PDF Edital 2026 Gran Cursos (G)
Inscrições encerradas Prova em 43 dias · 06/12/2026
Curso Preparatório Completo
100% online
30
Módulos
224
PDFs
598
Vídeos
Prova
06/12/2026
43 dias

Conteúdo Programático

30 módulos · 296h
Sobre este curso▼

Veja o que este curso tem para oferecer:

Prepare-se com quem mais aprova nas Carreiras de Tecnologia da Informação.

Se o seu objetivo é conquistar uma das carreiras mais valorizadas, estáveis e disputadas da área de Tecnologia da Informação, este curso foi desenvolvido exatamente para você.

O Gran Concursos, referência nacional em preparação para concursos públicos, reuniu um time de professores consagrados, experientes e atuantes nas Carreiras de Tecnologia da Informação para oferecer uma preparação atualizada e totalmente focada em aprovação para o cargo de Análise de Sistemas - Ciência de Dados da Petrobras Transporte S.A.

O maior diferencial do Gran Concursos está no seu corpo docente altamente qualificado.

Você aprenderá com professores que, além de serem especialistas, mestres e doutores, ocupam ou já ocuparam cargos estratégicos nas Carreiras de Tecnologia da Informação, trazendo para o curso uma visão prática e alinhada à realidade das provas.

Isso significa:

Visão de prova

Foco absoluto no que realmente cai

Conteúdo técnico no nível de exigência da banca

Aqui, você estuda com quem já percorreu o caminho da aprovação e sabe exatamente como conduzir você até a sua vaga.

Informações importantes

Curso baseado no Edital nº 4 TRANSPETRO/PSP/TERRA/NÍVEL SUPERIOR/2026.4.

Serão abordados os tópicos mais relevantes de cada disciplina, conforme critério pedagógico dos professores (não necessariamente todos os itens do edital).

As videoaulas ainda não disponibilizadas serão incluídas gradualmente, conforme o cronograma de gravações, divulgado periodicamente.

A coordenação pedagógica e o corpo docente atuam com total dedicação para garantir uma preparação completa, eficiente e direcionada.

Não serão ministrados os seguintes tópicos do Edital: Matemática: 2. Álgebra Linear: vetores e matrizes; operações com vetores e matrizes; tipos de matrizes; transformações lineares; espaços e subespaços vetoriais de Rn ; sistemas de equações lineares; normas (L1, L2, infinita, p-generalizada, Minkowksi e Chebyshev), autovalores e autovetores; decomposição matricial (Cholesky e Singular Value Decomposition (SVD)). Gestão de Projetos de Ciência de Dados: Microsoft Team Data Science Process (TDSP), OSEMN. Programação e Ferramentas: 2. Bibliotecas Python: 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).

A organização das aulas pode seguir a lógica didática do professor, e não necessariamente a ordem do edital.

O corpo docente poderá sofrer acréscimos ou substituições por motivos de força maior, a critério do curso Concursos.

AULAS EM PDF:

  • O curso conta com PDFs autossuficientes, ideais para quem busca objetividade e alto rendimento:
  • Conteúdo produzido por mestres especializados, com leitura como recurso didático completo e linguagem clara.
  • Material prático que acelera a aprendizagem e facilita revisões.
  • Exercícios comentados, focados no padrão da banca.
Não serão ministrados os seguintes tópicos do Edital em PDF: Gestão de Projetos de Ciência de Dados: Qualidade e Preparação de Dados: 7. Divisão de dados: técnicas de amostragem; divisão entre treinamento, validação e teste; abordagens para cross-validation. 2. Microsoft Team Data Science Process (TDSP), OSEMN.

Qualidade e Preparação de Dados:1. Metadados: a sua importância para avaliação da qualidade de dados; linhagem de dados; 2. Coleta de dados: fontes comuns de dados (internas e externas); técnicas de web scraping. 4. Preparação de dados: técnicas de tratamento e limpeza de dados; técnicas detecção de vieses; data profiling. 5. Pré-processamento de dados: técnicas de normalização e padronização; discretização; metodologias de codificação de variáveis categóricas (encoding).

Visualização, Storytelling e Comunicação Corporativa: 4. Storytelling com dados: construção de narrativas visuais e contextualizações; componentes de um storytelling efetivo.

Governança e Degurança de dados: (DMBOK).

Classes e modelos: Regressão: regressão linear simples; regressão linear múltipla; hipóteses clássicas; método dos mínimos quadrados; diagnóstico e avaliação de modelos de regressão; F-test; coeficiente de determinação; análise de resíduos; testes de significância; intervalos de confiança; análise ANOVA; modelos não lineares (log-log, lin-log, log-lin e inverso). Séries temporais: definição; tendência; sazonalidade; ciclos; ruído; autocorrelação; autocorrelação parcial; estacionaridade; testes de estacionaridade; cointegração; modelos AR; ARMA; ARIMA; suavização exponencial; modelos de decomposição; modelos de regressão com variáveis temporais; ARIMAX. Tópicos em regressão: modelos de dados em painel; GLM; regressão espacial; regressão quantílica; regressão de Poisson; modelos VAR; ECM; GARCH. Modelos causais: fundamentos de causalidade estatística; experimentos; quase-experimentos; desenho de descontinuidade de regressão; modelos de variáveis instrumentais; diferenças em diferenças; métodos de pareamento.

Sistemas de recomendação: filtragem colaborativa baseada em usuários; filtragem colaborativa baseada em itens; filtragem baseada em conteúdo; sistemas híbridos; cold start; escalabilidade; data sparsity.

Modelagem: Métricas de regressão (MSE, RMSE, MAE, R² e R² ajustado); regularização Lasso; regularização Ridge; Elastic Net; K-fold cross-validation; Leave-One-Out Cross-Validation; Bootstrap.

Serão ministrados, exclusivamente, os PDFs sintéticos disponibilizados no curso, desenvolvidos para otimizar o tempo e maximizar os resultados.

Conteúdo Programático
Língua Portuguesa3 Aulas · 88 vídeos
▼
Aula 12- Ortografia oficial. 5- Emprego de tempos e modos verbais. 6- Emprego das classes de palavras. 7- Coordenação e de subordinação. 8- Emprego dos sinais de pontuação. 9- Concordância verbal e nominal. 10- Regência verbal e nominal. 11- Emprego do sinal indicativo de crase. 12- Colocação dos pronomes átonos.▼
  1. Aula de Apresentação - Língua Portuguesa
  2. Funcionamento da Gramática (Introdução)
  3. Classes de Palavras I (Área dos Nomes)
  4. Classes de Palavras II (Área dos Verbos)
  5. Classes de Palavras III
  6. Classes de Palavras IV
  7. Classes de Palavras V
  8. Classes de Palavra VI
  9. Classes de Palavra VII
  10. Classes de Palavra VIII
  11. Classes de Palavras IX
  12. Classes de Palavras X
  13. Período Composto (Introdução)
  14. Orações Subordinadas Adjetivas
  15. Orações Subordinadas Adjetivas II
  16. Pronome Relativo "Que"
  17. Pronome Relativo "Que" II
  18. Pronome Relativo "Que" III
  19. Orações Subordinadas Substantivas
  20. Orações Subordinadas Substantivas II
  21. Exercícios (Pronome Relativo Que, Conjunção Integrante e Expletivo)
  22. Vocábulos "Onde e Aonde"
  23. Vocábulos "Onde e Aonde" II
  24. Pronome Relativo Cujo
  25. Orações Subordinadas Adverbiais
  26. Orações Subordinadas Adverbiais II
  27. Orações Subordinadas Adverbiais III
  28. Orações Coordenadas "Introdução"
  29. Orações Adversativas (Estudos das Conjunções)
  30. Orações Adversativas (Estudos das Conjunções) II
  31. Adversativas X Concessivas (Conjunções)
  32. Explicativas X Causais (Conjunções)
  33. Orações Ordenadas (Aspectos Estilísticos da Pontuação)
  34. Pontuação
  35. Pontuação II
  36. Pontuação III
  37. Regência
  38. Regência II
  39. Regência III
  40. Regência IV
  41. Crase
  42. Crase II
  43. Crase III
  44. Crase IV
  45. Concordância
  46. Concordância II
  47. Concordância III
  48. Verbos - Modos Verbais
  49. Tempos verbais
  50. Tempos verbais II
  51. Tempos verbais III
  52. Tempos verbais IV
  53. Colocação Pronominal
  54. Colocação Pronominal II
  55. Acentuação Gráfica
  56. Acentuação Gráfica II
  57. Acentuação Gráfica III
  58. Questões Ortográficas
  59. Questões Ortográficas II
  60. Questões Ortográficas III
Aula 21- Compreensão de textos. 3- Mecanismos de coesão textual. 4- Significação das palavras.▼
  1. Resolução de Prova - Cesgranrio - CEF 2026
  2. Resolução de Prova - Cesgranrio - CEF 2026 II
  3. Resolução de Prova - Cesgranrio - BNDS - Analista - 2024
  4. Resolução de Prova - Cesgranrio - BNDS - Analista - 2024 II
  5. Resolução de Prova - Cesgranrio - Banese/técnico Bancário/2025
  6. Resolução de Prova - Cesgranrio - Banese/técnico Bancário/2025 II
Aula 3Cesgranrio na Prática▼
  1. Classes de Palavras
  2. Classes de Palavras II
  3. Morfossintaxe
  4. Regência
  5. Cesgranrio na Prática - Regência
  6. Cesgranrio na Prática - Crase
  7. Cesgranrio na Prática - Crase
  8. Cesgranrio na Prática - Crase e Período Composto
  9. Cesgranrio na Prática - Pronome Relativo "QUE"
  10. Cesgranrio na Prática - Orações Subordinadas (Pronomes Relativos)
  11. Cesgranrio na Prática - Orações Subordinadas (Pronomes Relativos) II
  12. Cesgranrio na Prática - Pronome Relativo e Conjunções Subordinativas
  13. Cesgranrio na Prática - Conjunções Subordinativas/Coordenativas
  14. Cesgranrio na Prática - Conjunções Subordinativas/Coordenativas II
  15. Cesgranrio na Prática - Conjunções Subordinativas e Coordenativas/Colocação Pronominal
  16. Cesgranrio na Prática - Colocação Pronominal
  17. Cesgranrio na Prática - Vozes Verbais
  18. Cesgranrio na Prática - Concordância
  19. Cesgranrio na Prática - Concordância II
  20. Cesgranrio na Prática - Interpretação de Texto (Exercícios)
  21. Cesgranrio na Prática - Interpretação de Texto (Exercícios)
  22. Cesgranrio na Prática - Interpretação de Texto - Exercícios
Língua Inglesa2 Aulas · 105 vídeos
▼
Aula 11. Compreensão de texto escrito em língua inglesa.▼
  1. Atualidade - Andragogia
  2. Atualidade - Interlanguage
  3. Atualidade - Learning a Second Language
  4. Atualidade - Offshore Englishi
  5. Atualidade - The Microchip Revolution
  6. Atualidade - Translation Pros And Cons
  7. Atualidade - Windows XP
  8. A Coup In Paraguay
  9. Augmentation Of Brain Function Facts
  10. Brazilian Rate Cut Catches Markets Off Guard
  11. Brazilian Rate Cut Catches Markets Off Guard II
  12. Conversations And Focus On Sustainability - Part A
  13. Conversations And Focus On Sustainability - Part B
  14. Cyber - Cafés
  15. Cyber - Ethics
  16. Despite Being The Eighth Largest Economy
  17. Despite Technology Advancements
  18. Election Fears Harm Brazilian Economy
  19. Eu Law Taxes Overseas Net Firms
  20. Food Control Systems
  21. German Counter - intelligence
  22. Have You Been Greenwashed
  23. Law Has Always Worked With Technology
  24. Metro Releases Preliminary Findings
  25. Virtues Of Vice
  26. Fed’s Jefferson...
  27. Fed’s Jefferson... II
  28. Hagar - The Horrible
  29. Half The Nation
  30. Managing Government
  31. Multiliteracies
  32. Of Course They’re Fake Videos
  33. Politics Of The Police
  34. Private Zero
  35. Puno District
  36. For The First Time...
  37. Over The Past Three Decades
  38. Real Medicine
  39. Tackling Corruption For Growth
  40. The Tech Product Network
  41. The Use Of Music And Songs In The Efl Classroom
  42. The Use Of Music And Songs In The Efl Classroom II
  43. Trust And Audit
  44. Virtues Of Vice – The Rewards From Investing In Politically Incorrect Companies
  45. Wallerstein
  46. We’re So Well Educated
  47. With The Exception Of Business Owners
  48. Geopolitical Tensions And Resource Nationalism
  49. Niobium
  50. Rare Earths
  51. Transition To Renewable Energy
Aula 22. Itens gramaticais relevantes para a compreensão dos conteúdos semânticos.▼
  1. Língua Inglesa - Alma e Perfil da Prova de Inglês
  2. Língua Inglesa - Como Estudar Inglês e Resolver a Prova
  3. Língua Inglesa - Inglês não é de trás para frente
  4. Língua Inglesa - Conceito de Lista de Verbos
  5. Língua Inglesa - O Famoso Verbo To Be
  6. Língua Inglesa - Comparativos e Superlativos de Igualdade e Inferioridade
  7. Língua Inglesa - Comparativos e Superlativos de Superioridade
  8. Língua Inglesa - Advérbios
  9. Língua Inglesa - Preposições IN, AT e ON
  10. Língua Inglesa - Conjunções And, But, So, Or, Because
  11. Língua Inglesa - Subject and Object Pronouns
  12. Língua Inglesa - Pronomes Possessivos e Adjetivos
  13. Língua Inglesa - Genitive Case
  14. Língua Inglesa - Quantifiers
  15. Língua Inglesa - Sinonímia
  16. Língua Inglesa - O Segredo do Pronome IT
  17. Língua Inglesa - Simple Present
  18. Língua Inglesa - Simple Present - Modern Sentences
  19. Língua Inglesa - Simple Future and Going To Future
  20. Língua Inglesa - Simple Past
  21. Língua Inglesa - Verbos Auxiliares - Perguntas
  22. Língua Inglesa - Verbos Auxiliares - Negativas
  23. Língua Inglesa - Continuous Tenses
  24. ING
  25. ING II
  26. Forma Verbal Enfática
  27. Pronomes Reflexivos
  28. If Sentences
  29. If Sentences II
  30. Can, Could, Able
  31. May - Might
  32. Should - Ought to
  33. Must - Must Not
  34. Ilusão de Óptica
  35. Present Perfect
  36. Present Perfect Continuous
  37. Pronomes Relativos
  38. Pronomes Relativos II
  39. Question Tag
  40. Past Perfect - Continuous
  41. Discurso Direto X Indireto
  42. Voz Passiva (Obj. Direto)
  43. Voz Passiva (Obj. Indireto)
  44. Voz Passiva - Exercícios
  45. Marcadores de Discurso
  46. Recurring Words and Expressions
  47. Conjunções
  48. Determiners
  49. Direct and Indirect Speech
  50. Orações coordenadas
  51. Orações subordinadas: nominais, relativas e adverbiais (de tempo, lugar, maneira, condição, resultado, explicação, propósito, contraste)
  52. Orações subordinadas: nominais, relativas e adverbiais (de tempo, lugar, maneira, condição, resultado, explicação, propósito, contraste) II
  53. Zero Article
  54. Future continuous, Future perfect simple, Future perfect continuous; Past perfect continuous.
Matemática1 Aula · 16 vídeos
▼
Aula 11. Cálculo Básico: funções; limites; derivadas; derivadas parciais; máximos e mínimos; integrais.▼
  1. Limites
  2. Limites II
  3. Limites III
  4. Limites Propriedades - Exercícios
  5. Limites Propriedades
  6. Limites - Funções Trigonométricas
  7. Limites - Funções Trigonométricas II
  8. Derivadas
  9. Derivadas - Funções Exponenciais e Logaritmicas
  10. Derivadas - Funções Trigonométricas
  11. Derivada - Máximo, Mínimo e Ponto de Inflexão
  12. Derivada - Máximo, Mínimo e Ponto de Inflexão II
  13. Integrais
  14. Integrais II
  15. Integrais III
  16. Integral Por Partes
Probabilidade e Estatística5 Aulas · 72 vídeos
▼
Aula 11. Fundamentos de probabilidade: definições básicas de probabilidade; axiomas; probabilidade condicional. 2. Variáveis aleatórias e distribuições de probabilidades: variáveis aleatórias; funções de probabilidade; principais distribuições discretas e contínuas (Uniforme, Binomial, Normal, Poisson, Bernoulli e Exponencial).▼
  1. Probabilidade - Definições, Axiomas e Propriedades
  2. Probabilidade - Definições, Axiomas e Propriedades - Exercícios
  3. Probabilidade - Definições, Axiomas e Propriedades
  4. Probabilidade - Definições, Axiomas e Propriedades II
  5. Probabilidade - Definições, Axiomas e Propriedades III
  6. Probabilidade - Definições, Axiomas e Propriedades IV
  7. Distribuição de Probabilidade - Variáveis Aleatórias
  8. Distribuição de Probabilidade - Variáveis Aleatórias II
  9. Distribuição de Probabilidade - Variáveis Aleatórias III
  10. Distribuição de Probabilidade - Variáveis Aleatórias IV
  11. Distribuição Binomial
  12. Distribuição Binomial II
  13. Distribuição Binomial III
  14. Distribuição Binomial IV
  15. Distribuição de Poisson
  16. Distribuição de Poisson II
  17. Distribuição Normal
  18. Distribuição Normal II
  19. Distribuição Normal III
  20. Distribuição Normal IV
  21. Distribuição Normal V
  22. Distribuição Normal VI
  23. Função de Densidade de Probabilidade
  24. Função de Densidade de Probabilidade II
  25. Função de Densidade de Probabilidade III
  26. Função de Densidade de Probabilidade IV
  27. Função de Densidade de Probabilidade V
  28. Função de Densidade de Probabilidade VI
  29. Distribuição Exponencial
  30. Distribuição Exponencial II
  31. Distribuição de Stundent
Aula 23. Estatísticas Descritivas: medidas de tendência central (média, mediana e moda); medidas de dispersão (variância, desvio padrão e amplitude); medidas de posição (percentis e quartis).▼
  1. Estatística Descritiva - Conceitos Iniciais, População, Amostra, Tipos de Dados e Distribuição de Frequência
  2. Estatística Descritiva - Conceitos Iniciais, População, Amostra, Tipos de Dados e Distribuição de Frequência II
  3. Estatística Descritiva - Conceitos Iniciais, População, Amostra, Tipos de Dados e Distribuição de Frequência III
  4. Estatística Descritiva - Medida de Tendência Central - Valores Discretos
  5. Estatística Descritiva - Medida de Tendência Central - Valores Discretos II
  6. Estatística Descritiva - Média, Mediana e Moda em Valores Agrupados
  7. Estatística Descritiva - Média, Mediana e Moda em Valores Agrupados II
  8. Estatística Descritiva - Medidas de Dispersão
  9. Estatística Descritiva - Medidas de Dispersão II
  10. Estatística Descritiva - Medidas de Dispersão III
  11. Estatística Descritiva - Medidas de Dispersão IV
  12. Quartis e Percentis
  13. Quartis e Percentis II
Aula 34. Teoremas fundamentais da probabilidade: independência de eventos; teorema de Bayes; teorema da probabilidade total; lei dos grandes números; teorema central do limite.▼
  1. Estatística Inferencial - Teorema da Probabilidade Total e Bayes
  2. Estatística Inferencial - Teorema da Probabilidade Total e Bayes II
  3. Estatística Inferencial - Teorema da Probabilidade Total e Bayes III
Aula 45. Distribuições amostrais: distribuição amostral da média; distribuição amostral da proporção; distribuição qui-quadrado; distribuição t de Student; distribuição F. 6. Inferência estatística: estimação pontual e intervalar; intervalos de confiança; testes de hipóteses (formulação, tipos de erros, e poder do teste); testes z e t para médias; testes de proporções; testes qui-quadrado para independência e ajuste de Goodness-of-Fit; teste A/B.▼
  1. Noções de Inferência Estatística: População e Amostra, Seleção de amostra, Estatística e Parâmetro, Distribuições amostrais
  2. Noções de Inferência Estatística: População e Amostra, Seleção de amostra, Estatística e Parâmetro, Distribuições amostrais II
  3. Noções de Inferência Estatística: População e Amostra, Seleção de amostra, Estatística e Parâmetro, Distribuições amostrais III
  4. Intervalo de Confiança Para uma Média Populacional
  5. Intervalo de Confiança Para uma Média Populacional II
  6. Intervalo de Confiança Para uma Média Populacional III
  7. Intervalo de Confiança Para uma Média Populacional IV
  8. Intervalo de Confiança Para uma Média Populacional V
  9. Intervalo de Confiança Para uma Média Populacional VI
  10. Teste de Hipótese Para Uma Média Populacional
  11. Teste de Hipótese Para Uma Média Populacional II
  12. Teste de Hipótese Para Uma Média Populacional III
  13. Teste de Hipótese Para Uma Média Populacional IV
  14. Teste de Hipótese Para Uma Média Populacional V
  15. Teste de Hipótese Para Uma Média Populacional VI
  16. Distribuição e Teste de Hipóteses Qui - Quadrado
  17. Distribuição e Teste de Hipóteses Qui - Quadrado II
  18. Distribuição e Teste de Hipóteses Qui - Quadrado III
  19. Distribuição e Teste de Hipóteses Qui - Quadrado IV
Aula 57. Correlação: correlação e causalidade; correlação de Pearson; correlação de Spearman; correlação parcial.▼
  1. Correlação Linear
  2. Correlação Linear II
  3. Correlação Linear III
  4. Regressão Linear Simples
  5. Regressão Linear Simples II
  6. Regressão Linear
Dados e Bases de Dados7 Aulas · 85 vídeos
▼
Aula 14. Sistemas Gerenciadores de Base de Dados (SGBDs): definição de SGBD; principais funções; principais tipos de SGBDs (SQL) e suas diferenças; transações e índices; controle de acesso; regras de integridade. 5. Modelo de dados: modelo de entidade-relacionamento (ER); modelo relacional: tabelas, esquemas, chaves (primária e estrangeira), consultas.▼
  1. Banco de Dados - Conceitos Iniciais
  2. Banco de Dados - Tipos de Usuários Linguagem e Arquitetura SGBDS
  3. Banco de Dados - Projeto de BD
  4. Banco de Dados - Evolução dos BDS
  5. Banco de Dados - MER (Modelo Entidade Relacionamento)
  6. Banco de Dados - MER: Relacionamento
  7. Banco de Dados - Modelo Entidade Relacionamento Estendido (ERE)
  8. Banco de Dados - Modelo Relacional
  9. Banco de Dados - Mapeamento ER Relacional
  10. Banco de Dados - Mapeamento ER Relacional II
  11. Banco de Dados - Normalização
  12. Banco de Dados - Normalização II
  13. Banco de Dados - Normalização - Exercícios
  14. Banco de Dados - Normalização 4FN e 5FN
  15. Banco de Dados - Linguagem SQL
  16. Banco de Dados - Linguagem SQL II
  17. Banco de Dados - Linguagem SQL III
  18. Banco de Dados - Linguagem SQL IV
  19. Banco de Dados - Linguagem SQL - V
  20. Banco de Dados - Linguagem SQL - VI
  21. Banco de Dados - Linguagem SQL - VII
  22. Banco de Dados - Linguagem SQL - VIII
  23. Inteligência artificial
  24. Inteligência de dados
Aula 2Conceitos fundamentais de dados, informação e conhecimento; dados qualitativos (nominal, ordinal) e quantitativos (discretos, contínuos); tidy data; formatos de arquivos de dados comuns (txt, csv, xlsx, xml e json).▼
  1. Dado, Informação, Conhecimento e Inteligência
  2. Conceitos Fundamentais de Dados
  3. Conceitos Fundamentais de Dados II
  4. Tipos de Análises de Dados
  5. Tratamento de Dados
  6. Tratamento de Dados II
  7. Tratamento de Dados III
  8. Tratamento de Dados IV
  9. Coleta, Tratamento, Armazenamento, Integração e Recuperação de Dados
  10. CSV
Aula 32. Introdução a Bases de Dados: o que são bases de dados; metadados. 3. Introdução ao armazenamento de dados: armazenamento de arquivos; principais estruturas de armazenamento de dados analíticos (data warehouse, data mart), suas diferenças conceituais e casos de uso.▼
  1. Banco de Dados - Metadados
  2. Banco de Dados - Metadados II
  3. Business Intelligence - Introdução
  4. Business Intelligence - Componentes
  5. Business Intelligence - Data Warehouse
  6. Business Intelligence - Data Mart e Olap
  7. Business Intelligence - ETL
  8. Business Intelligence - ETL II
  9. Business Intelligence - Modelo Dimensional - Teoria
  10. Business Intelligence - Modelo Dimensional - Questões de concurso
  11. Business Intelligence - Modelo Dimensional - Questões de concurso II
  12. Business Intelligence - Operações OLAP
  13. Business Intelligence - Tomada de Decisão Baseada em Dados Introdução
  14. Business Intelligence - BI e SSD
  15. Business Intelligence - BI 3.0
Aula 42. Data lake, data lakehouse. 6. Big Data: conceito de big data; conceitos gerais sobre técnicas e ferramentas para lidar com grandes volumes de dados (Spark, Hadoop, Parquet, HDFS e MapReduce).▼
  1. Introdução
  2. Tipos de Dados
  3. VS de Big Data
  4. VS de Big Data II
  5. Data Lake
  6. Data Lakehouse
  7. ETL x ELT
  8. Ingestão de Dados e Pipeline
  9. Arquitetura de Big Data
  10. DataMesh
  11. HADOOP
  12. HADOOP II
  13. Apache Spark
  14. Apache Spark II
  15. Apache Kafka
Aula 53. Armazenamento na nuvem.▼
  1. Computação em Nuvem - Introdução
  2. Computação em Nuvem - Características Essenciais
  3. Computação em Nuvem - Modelos de Negócio
  4. Computação em Nuvem - Modelos de Negócio - Questões
  5. Computação em Nuvem - Modelos de Implantação
  6. Computação em Nuvem - Modelos de Pagamento e Componentes da Arquitetura Em Nuvem
  7. Computação em Nuvem - Modelos de Pagamento e Componentes da Arquitetura Em Nuvem
  8. Computação em Nuvem - AWS I
  9. Computação em Nuvem - AWS II
  10. Computação em Nuvem - Microsoft Azure
  11. Computação em Nuvem - Google Cloud Platform
  12. Computação em Nuvem - Governança e Custos (tagueamento, cotas, limites)
Aula 65. Dados estruturados, semiestruturados e não estruturados.▼
  1. Dados Estruturados e Não Estruturados
Aula 74. NoSQL. 5. Modelo chave-valor; modelo colunar; modelo orientado a documentos; modelo orientado a grafos.▼
  1. Banco de Dados NoSQL - Conceitos Básicos
  2. Banco de Dados NoSQL - Questões de Concursos sobre Conceitos Básicos I
  3. Banco de Dados NoSQL - Questões de Concursos sobre Conceitos Básicos II
  4. Banco de Dados NoSQL - NoSQL Orientados a Grafos
  5. Banco de Dados NoSQL - NoSQL Orientados a Colunas e a Chaves - Valor
  6. Banco de Dados NoSQL - NoSQL Orientados a Documentos
  7. Banco de Dados NoSQL - MongoDB
  8. Banco de Dados NoSQL - Redis
Gestão de Projetos de Ciência de Dados3 Aulas · 28 vídeos
▼
Aula 11. Ciclo de vida de projetos de ciência de dados.▼
  1. Ciência de Dados
Aula 22. Metodologias de gestão de projetos de ciência de dados: CRISP-DM.▼
  1. CRISP - DM
  2. CRISP - DM II
Aula 32. Princípios de métodos ágeis (Scrum/Kanban).▼
  1. Manifesto Ágil
  2. Manifesto Ágil - Exercícios
  3. Scrum - Conceitos Iniciais e Pilares do Scrum
  4. Scrum - Papéis do Scrum I
  5. Scrum - Papéis do Scrum II
  6. Scrum - Eventos - P1
  7. Scrum - Eventos - P2
  8. Artefatos do Scrum
  9. Artefatos do Scrum II
  10. Scrum - Exercícios Complementares
  11. Kanban
  12. Kanban II
  13. Kanban III
  14. Kanban - Exercícios Complementares
  15. Lean - Pensamento Enxuto
  16. Lean - Pensamento Enxuto II
  17. Lean - Pensamento Enxuto III
  18. Extreme Programming XP
  19. Extreme Programming XP II
  20. Extreme Programming XP III
  21. Extreme Programming XP IV
  22. Práticas Ágeis Em Escala - SAFE
  23. Práticas Ágeis Em Escala - SAFE II
  24. Prática Ágeis em Escala - LeSS (Large-Scale Scrum) e Nexus
  25. Técnicas de Estimativa e Priorização
Qualidade e Preparação de Dados3 Aulas · 64 vídeos
▼
Aula 11. Metadados: a sua importância para avaliação da qualidade de dados; linhagem de dados.▼
  1. Introdução
  2. Dimensões da Qualidade de Dados
  3. Técnicas e Boas Práticas
Aula 22. Coleta de dados: fontes comuns de dados (internas e externas); técnicas de web scraping. 3. Problemas comuns de qualidade de dados: valores ausentes; duplicatas; outliers; desbalanceamento; erros de imputação. 4. Preparação de dados: técnicas de tratamento e limpeza de dados; técnicas detecção de vieses; data profiling. 5. Pré-processamento de dados: técnicas de normalização e padronização; discretização; metodologias de codificação de variáveis categóricas (encoding).▼
  1. ATENÇÃO! Assunto abordado na disciplina Dados e Bases de Dados no Tópico
Aula 36. Feature engineering: processos para enriquecimento de dados, com criação e seleção de features relevantes; transformações matemáticas e estatísticas comuns em variáveis. 7. Divisão de dados: técnicas de amostragem; divisão entre treinamento, validação e teste; abordagens para cross-validation.▼
  1. Assistentes para planilhas e análise de dados; organização e gestão de tempo; IA na segurança da Informação II
  2. Assistentes para planilhas e análise de dados; organização e gestão de tempo; IA na segurança da Informação III
  3. Assistentes para planilhas e análise de dados; organização e gestão de tempo; IA na segurança da Informação;
  4. Introdução
  5. Teste de Turing e Tipos de IA
  6. Áreas da IA
  7. Sistemas de IA
  8. Introdução
  9. Introdução II
  10. Tipos de Aprendizado
  11. Tipos de Aprendizado II
  12. Tipos de Aprendizado III
  13. Undertitting e Overfitting
  14. Classificação de Modelos
  15. Classificação de Modelos II
  16. Árvore de Decisão
  17. Random Forest
  18. Regressão Logistica
  19. K - NN
  20. Naive Bayes
  21. SVM
  22. Redes Neurais Artificiais
  23. Regressão Linear
  24. K - Means
  25. Algoritmos Hierárquicos e DBSCAN
  26. Redução de Dimensionalidade
  27. Regras de associação
  28. Regras de associação II
  29. Detecção de anomalias
  30. Aprendizado por reforço
  31. Deep Learning - Introdução
  32. Redes Neurais Convolucionais
  33. RNN e LSTM
  34. PLN - Introdução
  35. PLN - Pré - Processamento
  36. PLN - Vetorização
  37. Governança e Ética na IA
  38. Grandes Modelos de Linguagem (LLM) e IA Generativa
  39. Grandes Modelos de Linguagem (LLM) e IA Generativa II
  40. Grandes Modelos de Linguagem (LLM) e IA Generativa III
  41. LLM
  42. LLM II
  43. Riscos e Desafios da IA Generativa
  44. Principais Ferramentas de Mercado (Copilot, ChatGPT, META)
  45. Deepfakes
  46. Modelos Modais
  47. Pipeline de Machine Learnig
  48. Pipeline de Machine Learnig II
  49. Avaliação dos Modelos de Regressão
  50. Otimização de Hiperparâmetros
  51. Dados Desbalanceados
  52. Regularização de Modelos
  53. Validação Cruzada
  54. Interpretabilidade de Modelos
  55. Ensembling de Modelos
  56. Monitoramento de Modelos
  57. Sistemas de Recomendação
  58. Visão Computacional
  59. Visão Computacional II
  60. Mineração de texto
Modelagem1 Aula · 1 vídeos
▼
Aula 11. Pipeline de treinamento de modelos e suas etapas. 2. Otimização de hiperparâmetros: grid search; random search; algoritmos de otimização avançados; automl; autotuning; autofeature engineering. 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. 4. Técnicas de regularização: lasso; ridge; elastic net; dropout; early stopping; batch normalization. 5. Dados desbalanceados: técnicas para lidar com dados desbalanceados; oversampling; undersampling; dados sintéticos; ajuste de pesos. 6. Validação de Modelos: Kfold cross-validation; leave-one-out cross-validation; bootstrap. 7. Modelagem de IA centrada em dados (data-centric).▼
  1. ATENÇÃO! Assunto abordado na disciplina Qualidade e Preparação de Dados
Classes de Modelos1 Aula · 1 vídeos
▼
Aula 11. Redução de dimensionalidade: Principal Component Analysis (PCA); LDA; ICA; T-SNE; uso de autoencoders. 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). 4. Introdução à regressão: regressão linear simples e múltipla; hipóteses clássicas, método dos mínimos quadrados, diagnóstico e avaliação de modelos de regressão (F-test, coeficiente de determinação, análise de resíduos e demais), testes de significância, intervalos de confiança, análise ANOVA, modelos não lineares (log-log, lin-log, log-lin e inverso). 5. Ensembling de modelos: Bagging; boosting (AdaBoost, Gradient Boosting, XGBoost, LightGBM e CatBoost); stacking. 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). 8. Tópicos em regressão: modelos de dados em painel; GLM; regressão espacial; regressão quantílica; regressão de Poisson; modelos VAR; ECM e GARCH. 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, métodos de pareamento. 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.▼
  1. ATENÇÃO! Assunto abordado na disciplina Qualidade e Preparação de Dados
Processamento de Linguagem Natural (NLP)2 Aulas · 4 vídeos
▼
Aula 11. 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.▼
  1. ATENÇÃO! Assunto abordado na disciplina Qualidade e Preparação de Dados
Aula 24. Microsoft Power BI: conexão e importação de dados; modelagem de dados; criação de medidas e colunas calculadas; visualizações e gráficos; interações entre visualizações; criação de relatórios e painéis.▼
  1. Business Intelligence - Power BI
  2. Business Intelligence - Power BI - Desktop
  3. Business Intelligence - Power BI - Serviços
Programação e Ferramentas4 Aulas · 110 vídeos
▼
Aula 11. 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.▼
  1. Linguagem de Programação Python - Introdução e Conceituação - Questões
  2. Linguagem de Programação Python - Introdução e Conceituação - Questões II
  3. Linguagem de Programação Python - Introdução e Conceituação - Questões III
  4. Linguagem de Programação Python - Sintaxe - Teoria e Questões
  5. Linguagem de Programação Python - Expressões, Instruções e Blocos e Tipo da Linguagem
  6. Linguagem de Programação Python - Variáveis em Python
  7. Linguagem de Programação Python - Tipos de Dados
  8. Linguagem de Programação Python - Tipos de Dados II
  9. Linguagem de Programação Python - Strings
  10. Linguagem de Programação Python - Strings II
  11. Linguagem de Programação Python - Strings III
  12. Linguagem de Programação Python - Strings IV
  13. Linguagem de Programação Python - Strings V
  14. Linguagem de Programação Python - Operadores
  15. Linguagem de Programação Python - Operadores II
  16. Linguagem de Programação Python - Operadores III
  17. Linguagem de Programação Python - Operadores IV
  18. Linguagem de Programação Python - Estruturas de Controle de Fluxo
  19. Linguagem de Programação Python - Estruturas de Controle de Fluxo II
  20. Linguagem de Programação Python - Estruturas de Controle de Fluxo III
  21. Linguagem de Programação Python - Estruturas de Controle de Fluxo IV
  22. Linguagem de Programação Python - Estruturas de Controle de Fluxo V
  23. Linguagem de Programação Python - Coleções
  24. Linguagem de Programação Python - Coleções II
  25. Linguagem de Programação Python - Coleções III
  26. Linguagem de Programação Python - Listas
  27. Linguagem de Programação Python - Listas II
  28. Linguagem de Programação Python - Listas III
  29. Linguagem de Programação Python - Listas IV
  30. Linguagem de Programação Python - Listas V
  31. Linguagem de Programação Python - Listas VI
  32. Linguagem de Programação Python - Listas VII
  33. Linguagem de Programação Python - Listas VIII
  34. Linguagem de Programação Python - Listas IX
  35. Linguagem de Programação Python - Tuplas
  36. Linguagem de Programação Python - Tuplas II
  37. Linguagem de Programação Python - Tuplas III
  38. Linguagem de Programação Python - Conjuntos
  39. Linguagem de Programação Python - Conjuntos II
  40. Linguagem de Programação Python - Conjuntos III
  41. Linguagem de Programação Python - Conjuntos IV
  42. Linguagem de Programação Python - Conjuntos V
  43. Linguagem de Programação Python - Dicionários
  44. Linguagem de Programação Python - Dicionários II
  45. Linguagem de Programação Python - Dicionários III
  46. Linguagem de Programação Python - Dicionários IV
  47. Linguagem de Programação Python - Dicionários V
  48. Linguagem de Programação Python - Dicionários VI
  49. Linguagem de Programação Python - Funções
  50. Linguagem de Programação Python - Funções II
  51. Linguagem de Programação Python - Funções III
  52. Linguagem de Programação Python - Funções IV
  53. Linguagem de Programação Python - Funções V
  54. Linguagem de Programação Python - Funções VI
  55. Linguagem de Programação Python - Funções VII
  56. Linguagem de Programação Python - Funções VIII
  57. Linguagem de Programação Python - Funções IX
  58. Linguagem de Programação Python - Funções X
  59. Linguagem de Programação Python - Funções XI
  60. Linguagem de Programação Python - Funções XII
  61. Linguagem de Programação Python - Funções XIII
  62. Linguagem de Programação Python - Funções XIV
  63. Linguagem de Programação Python - Funcão Range
  64. Linguagem de Programação Python - Funcão Range II
  65. Linguagem de Programação Python - Funcão Range III
  66. Linguagem de Programação Python - Funcão Range IV
  67. Linguagem de Programação Python - Funções Range V
  68. Linguagem de Programação Python - Funções Range VI
  69. Linguagem de Programação Python - Funções Range VII
  70. Linguagem de Programação Python - Funções Range VIII
  71. Linguagem de Programação Python - POO - Classes e Objetos
  72. Linguagem de Programação Python - POO - Classes e Objetos II
  73. Linguagem de Programação Python - POO - Classes e Objetos III
  74. Linguagem de Programação Python - POO - Classes e Objetos IV
  75. Linguagem de Programação Python - POO - Classes e Objetos V
  76. Linguagem de Programação Python - POO - Classes e Objetos VI
  77. Linguagem de Programação Python - POO - Classes e Objetos VII
  78. Linguagem de Programação Python - POO - Classes e Objetos VIII
  79. Linguagem de Programação Python - POO - Herança
  80. Linguagem de Programação Python - POO - Herança II
  81. Linguagem de Programação Python - POO - Herança III
  82. Linguagem de Programação Python - POO - Polimorfismo
  83. Linguagem de Programação Python - POO - Polimorfismo II
Aula 22. Bibliotecas Python: Pandas (manipulação; limpeza; transformação e pré-processamento de dado); NumPy (operações de arrays); Matplotlib e Seaborn (visualização de dados).▼
  1. Python para Análise de Dados/IA - NumPy
  2. Python para Análise de Dados/IA - NumPy II
  3. Python para Análise de Dados/IA - NumPy III
  4. Python para Análise de Dados/IA - NumPy IV
  5. Python para Análise de Dados/IA - NumPy V
  6. Python para Análise de Dados/IA - NumPy VI
  7. Python para Análise de Dados/IA - NumPy VII
  8. Python para Análise de Dados/IA - NumPy VIII
  9. Python para Análise de Dados/IA - NumPy IX
  10. Python para Análise de Dados/IA - NumPy X
  11. Python para Análise de Dados/IA - NumPy XI
  12. Python para Análise de Dados/IA - NumPy XII
  13. Python para Análise de Dados/IA - NumPy XIII
  14. Python para Análise de Dados/IA - NumPy XIV
  15. Python para Análise de Dados/IA - NumPy XV
  16. Python para Análise de Dados/IA - NumPy XVI
  17. Python para Análise de Dados/IA - NumPy XVII
  18. Python para Análise de Dados/IA - NumPy XVIII
  19. Python para Análise de Dados/IA: Pandas
  20. Python para Análise de Dados/IA: Pandas II
  21. Python para Análise de Dados/IA: Pandas III
  22. Python para Análise de Dados/IA: Pandas IV
  23. Python para Análise de Dados/IA: Pandas V
  24. Python para Análise de Dados/IA: Pandas VI
  25. Python para Análise de Dados/IA: Pandas VII
Aula 33. 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).▼
  1. Em breve! (Conteúdo em análise / definição)
Aula 44. Microsoft Power BI: conexão e importação de dados; modelagem de dados; criação de medidas e colunas calculadas; visualizações e gráficos; interações entre visualizações; criação de relatórios e painéis.▼
  1. ATENÇÃO! Assunto abordado na disciplina Processamento de Linguagem Natural (NLP)
Visualização, Storytelling e Comunicação Corporativa2 Aulas · 13 vídeos
▼
Aula 11. 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.▼
  1. Visualização de Dados - Introdução
  2. Visualização de Dados II
  3. Visualização de Dados III
  4. Visualização de Dados IV
  5. Visualização de Dados V
Aula 24. Storytelling com dados: construção de narrativas visuais e contextualizações; componentes de um storytelling efetivo.▼
  1. Storytelling - Introdução
  2. Storytelling - Processo de Construção da História
  3. Storytelling - Narrativas
  4. Storytelling - Análises e Visuais
  5. Storytelling - Polimento da História
  6. Storytelling - Visuais
  7. Storytelling - Visuais II
  8. Storytelling - Visuais III
Governança e Segurança De Dados1 Aula · 4 vídeos
▼
Aula 11. 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.▼
  1. Introdução
  2. Tipos de Governança
  3. Áreas de Conhecimento
  4. Papéis
Governança, Segurança e Aplicação Responsável de IA1 Aula · 1 vídeos
▼
Aula 11. Noções de governança de IA: conceitos e objetivos da governança de IA; gestão de riscos em IA. 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.▼
  1. ATENÇÃO! Assunto abordado na disciplina Qualidade e Preparação de Dados
Bônus - Inteligência e Equilíbrio Emocional1 Aula · 6 vídeos
▼
Aula 1Inteligência e Equilíbrio Emocional.▼
  1. Os 50 Fundamentos Emocionais do Concurseiro
  2. Protagonista, Coadjuvante e Antagonista - Quem é Você?
  3. Os 50 Fundamentos Emocionais
  4. Autossabotagem
  5. Procrastinação
  6. Procrastinação II
Língua Portuguesa2 Aulas · 27 PDFs
▼
Aula 11. Compreensão de textos. 3. Mecanismos de coesão textual. 4. Significação das palavras.▼
  1. Aula de Apresentação - Compreensão e Interpretação de Textos
  2. Compreensão e Interpretação de Textos
  3. Tipologias e Gêneros Textuais
  4. Tipologias e Gêneros Textuais
  5. Coesão e Coerência, Semântica, Figuras e Vícios de Linguagem, Reescrita
  6. Coesão e Coerência
  7. Semântica
  8. Figuras e Vícios de Linguagem
  9. Reescrita
Aula 22. Ortografia oficial. 5. Emprego de tempos e modos verbais. 6. Emprego das classes de palavras. 7. Coordenação e de subordinação. 8. Emprego dos sinais de pontuação. 9. Concordância verbal e nominal. 10. Regência verbal e nominal. 11. Emprego do sinal indicativo de crase. 12. Colocação dos pronomes átonos.▼
  1. Noções de Fonética, Acentuação Gráfica e Ortografia Oficial
  2. Ortografia Oficial e Acentuação Gráfica
  3. Estrutura e Processos de Formação de Palavras
  4. Estrutura e Formação de Palavras
  5. Emprego e Sentido das Classes Gramaticais - Parte I
  6. Emprego e Sentido das Classes Gramaticais - Parte II
  7. Emprego das Classes de Palavras
  8. A Sintaxe do Período Simples - Parte I
  9. A Sintaxe do Período Simples - Parte II
  10. Domínio da Estrutura Morfossintática do Período
  11. A Sintaxe do Período Composto
  12. Relações de Coordenação entre Orações e entre Termos da Oração
  13. Relações de Subordinação entre Orações e entre Termos da Oração
  14. Funções do QUE e do SE
  15. Concordância, Regência, Colocação, Crase e Pontuação
  16. Sintaxe de Concordância, de Regência e de Colocação
  17. Emprego do Sinal Indicativo de Crase
  18. Emprego dos Sinais de Pontuação
Língua Inglesa1 Aula · 9 PDFs
▼
Aula 11. Compreensão de texto escrito em língua inglesa. 2. Itens gramaticais relevantes para a compreensão dos conteúdos semânticos▼
  1. Aula de Apresentação - Vocabulário e Gramática - Parte I
  2. Vocabulário e Gramática - Parte I
  3. Vocabulário e Gramática - Parte II
  4. Vocabulário e Gramática - Parte II
  5. Vocabulário e Gramática - Parte III
  6. Vocabulário e Gramática - Parte III
  7. Leitura e Interpretação de Texto
  8. Leitura e Compreensão de Texto
  9. Lista de Exercícios - Fundação Cesgranrio
Matemática1 Aula · 5 PDFs
▼
Aula 11. Cálculo Básico: funções; limites; derivadas; derivadas parciais; máximos e mínimos; integrais. 2. Álgebra Linear: vetores e matrizes; operações com vetores e matrizes; tipos de matrizes; transformações lineares; espaços e subespaços vetoriais de Rn ; sistemas de equações lineares; normas (L1, L2, infinita, p-generalizada, Minkowksi e Chebyshev), autovalores e autovetores; decomposição matricial (Cholesky e Singular Value Decomposition (SVD)).▼
  1. Funções e Gráficos do 1º Grau
  2. Funções e Gráficos do 2º Grau
  3. Funções Exponencial e Logarítmica
  4. Limites e Derivadas
  5. Matrizes, Determinantes e Sistemas Lineares
Probabilidade e Estatística1 Aula · 10 PDFs
▼
Aula 11. Fundamentos de probabilidade: definições básicas de probabilidade; axiomas; probabilidade condicional. 2. Variáveis aleatórias e distribuições de probabilidades: variáveis aleatórias; funções de probabilidade; principais distribuições discretas e contínuas (Uniforme, Binomial, Normal, Poisson, Bernoulli e Exponencial). 3. Estatísticas Descritivas: medidas de tendência central (média, mediana e moda); medidas de dispersão (variância, desvio padrão e amplitude); medidas de posição (percentis e quartis). 4. Teoremas fundamentais da probabilidade: independência de eventos; teorema de Bayes; teorema da probabilidade total; lei dos grandes números; teorema central do limite. 5. Distribuições amostrais: distribuição amostral da média; distribuição amostral da proporção; distribuição qui-quadrado; distribuição t de Student; distribuição F. 6. Inferência estatística: estimação pontual e intervalar; intervalos de confiança; testes de hipóteses (formulação, tipos de erros, e poder do teste); testes z e t para médias; testes de proporções; testes qui-quadrado para independência e ajuste de Goodness-of-Fit; teste A/B. 7. Correlação: correlação e causalidade; correlação de Pearson; correlação de Spearman; correlação parcial.▼
  1. Apresentação das Variáveis Estatísticas
  2. Probabilidades
  3. Distribuição de Probabilidade
  4. Distribuições Conjuntas de Probabilidade
  5. Outras Distribuições de Probabilidade
  6. Distribuição Normal e Binomial
  7. Regressão Linear
  8. Momentos de Variáveis Aleatórias
  9. Testes de Hipóteses e Estatística Inferencial
  10. Variância e Desvio-Padrão
Dados e Bases de Dados5 Aulas · 13 PDFs
▼
Aula 11. Conceitos fundamentais de dados, informação e conhecimento; dados qualitativos (nominal, ordinal) e quantitativos (discretos, contínuos); tidy data; formatos de arquivos de dados comuns (txt, csv, xlsx, xml e json). 2. Introdução a Bases de Dados: o que são bases de dados; metadados.▼
  1. Tratamento de Dados
  2. Governança de Dados
Aula 23. Introdução ao armazenamento de dados: armazenamento de arquivos; principais estruturas de armazenamento de dados analíticos (data warehouse, data mart, data lake, data lakehouse), suas diferenças conceituais e casos de uso; armazenamento na nuvem. 6. Big Data: conceito de big data; conceitos gerais sobre técnicas e ferramentas para lidar com grandes volumes de dados (Spark, Hadoop, Parquet, HDFS e MapReduce).▼
  1. Big Data - Parte I
  2. Big Data - Parte II
Aula 3Data Warehouse; Data Mart.▼
  1. Data Warehouse e Data Mart
  2. Data Warehouse e Data Mart
Aula 44. Sistemas Gerenciadores de Base de Dados (SGBDs): definição de SGBD; principais funções; principais tipos de SGBDs (SQL e NoSQL) e suas diferenças; transações e índices; controle de acesso; regras de integridade. 5. Modelo de dados: modelo de entidade-relacionamento (ER); modelo relacional: tabelas, esquemas, chaves (primária e estrangeira), consultas; dados estruturados, semiestruturados e não estruturados; modelo chave-valor; modelo colunar; modelo orientado a documentos; modelo orientado a grafos.▼
  1. Banco de Dados - Parte I
  2. Banco de Dados - Parte II
  3. Banco de Dados - Parte III
  4. Banco de Dados - Parte IV
  5. Banco de Dados - Parte V
Aula 5Armazenamento na nuvem.▼
  1. Armazenamento na Nuvem
  2. Armazenamento na Nuvem
Gestão de Projetos de Ciência de Dados3 Aulas · 7 PDFs
▼
Aula 11. Ciclo de vida de projetos de ciência de dados.▼
  1. Ciência de Dados
Aula 22. Metodologias de gestão de projetos de ciência de dados: CRISP-DM.▼
  1. CRISP-DM
  2. CRISP-DM
Aula 33. princípios de métodos ágeis (Scrum/Kanban).▼
  1. Processos Ágeis - Scrum - Parte I
  2. Processos Ágeis - Scrum - Parte II
  3. Metodologias de Desenvolvimento Ágil - Kanban
  4. Metodologias de Desenvolvimento Ágil - Kanban
Qualidade e Preparação de Dados1 Aula · 1 PDFs
▼
Aula 13. Problemas comuns de qualidade de dados: valores ausentes; duplicatas; outliers; desbalanceamento; erros de imputação. 6. Feature engineering: processos para enriquecimento de dados, com criação e seleção de features relevantes; transformações matemáticas e estatísticas comuns em variáveis.▼
  1. Descoberta de Conhecimento e Mineração de Dados
Modelagem1 Aula · 8 PDFs
▼
Aula 1V – Qualidade e Preparação de Dados divisão entre treinamento, validação e teste; cross-validation. VI – Modelagem Pipeline de treinamento de modelos e suas etapas; otimização de hiperparâmetros; grid search; random search; algoritmos de otimização avançados; AutoML; autotuning; autofeature engineering; métricas de classificação (accuracy, precision, recall, F1-score e ROC-AUC); matriz de confusão; trade-off entre viés e variância; overfitting; underfitting; Dropout; Early Stopping; Batch Normalization; técnicas para lidar com dados desbalanceados; oversampling; undersampling; dados sintéticos; ajuste de pesos; modelagem de IA centrada em dados (data-centric). VII – Classes de Modelos Redução de dimensionalidade: Principal Component Analysis (PCA); LDA; ICA; T-SNE; autoencoders. Clusterização: K-Means; agrupamento hierárquico; Gaussian Mixture Models; DBSCAN. Classificação: regressão logística; K-Nearest Neighbors (KNN); Support Vector Machines (SVM); Decision Trees (CART); classificadores Naive-Bayes (Binomial-Beta, Poisson-Gama e Normal-Normal); Florestas Aleatórias (Random Forest). Ensembling de modelos: Bagging; Boosting; AdaBoost; Gradient Boosting; XGBoost; LightGBM; CatBoost; Stacking. Redes neurais: Redes Neurais Artificiais; arquitetura; funções de ativação; treinamento; forward pass; backpropagation; loss functions; algoritmos de otimização; épocas; batch size; embeddings; redes profundas (deep learning); Redes Neurais Convolucionais (CNNs); Redes Neurais Recorrentes (RNNs); LSTM; GRU; GAN; modelos multimodais. VIII – Processamento de Linguagem Natural (NLP) Técnicas de pré-processamento de texto; limpeza; normalização; remoção de stop words; stemming; lematização; N-grams; CBoW; TF-IDF; word embeddings; Word2Vec; GloVe; document embeddings; Doc2Vec; BERT; ELMo; modelagem de tópicos; Latent Dirichlet Allocation (LDA); Non-Negative Matrix Factorization (NMF); modelos de linguagem tradicionais; redes neurais recorrentes; redes neurais convolucionais; Transformers; classificação de texto; análise de sentimento; extração de informação; NER; REL; similaridade textual; sumarização de texto; rotulação de partes do discurso (POS-tagging); tradução automática.▼
  1. Inteligência Artificial - Introdução
  2. Inteligência Artificial - Aprendizado de Máquina Supervisionado - Parte I
  3. Inteligência Artificial - Aprendizado de Máquina Supervisionado - Parte II
  4. Inteligência Artificial - Aprendizado de Máquina Não Supervisionado
  5. Redes Neurais, Regressão e Aprendizado por Reforço
  6. PNL e Visão Computacional
  7. Deep Learnig, Mineração de Texto, Chatbots e Assistentes Virtuais
  8. IA Generativa
Classes de Modelos1 Aula · 1 PDFs
▼
Aula 1Redução de dimensionalidade: Principal Component Analysis (PCA); LDA; ICA; T-SNE; autoencoders. Clusterização: K-Means; agrupamento hierárquico; Gaussian Mixture Models; DBSCAN. Classificação: regressão logística; K-Nearest Neighbors (KNN); Support Vector Machines (SVM); Decision Trees (CART); classificadores Naive-Bayes (Binomial-Beta, Poisson-Gama e Normal-Normal); Florestas Aleatórias (Random Forest). Ensembling de modelos: Bagging; Boosting; AdaBoost; Gradient Boosting; XGBoost; LightGBM; CatBoost; Stacking. Redes neurais: Redes Neurais Artificiais; arquitetura; funções de ativação; treinamento; forward pass; backpropagation; loss functions; algoritmos de otimização; épocas; batch size; embeddings; redes profundas (deep learning); Redes Neurais Convolucionais (CNNs); Redes Neurais Recorrentes (RNNs); LSTM; GRU; GAN; modelos multimodais.▼
  1. Atenção!! Conteúdo Abordado em Outras Disciplina do Curso!
Processamento de Linguagem Natural (NLP)1 Aula · 2 PDFs
▼
Aula 11. 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.▼
  1. Atenção!! Conteúdo Abordado em Outras Disciplina do Curso!
  2. Processamento de Linguagem Natural
Programação e Ferramentas4 Aulas · 12 PDFs
▼
Aula 11. 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.▼
  1. Linguagem de Programação Python
  2. Python - Parte I
  3. Python - Parte II
  4. Python - Parte III
  5. Python - Parte IV
  6. Python - Parte V
  7. Python - Parte VI
Aula 22. 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).▼
  1. Bibliotecas do Python
Aula 33. 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).▼
  1. Consultas e Comandos em SQL
  2. Consultas e Comandos em SQL
  3. SQL Avançado
Aula 44. Microsoft Power BI: conexão e importação de dados; modelagem de dados; criação de medidas e colunas calculadas; visualizações e gráficos; interações entre visualizações; criação de relatórios e painéis.▼
  1. Power BI
Visualização, Storytelling e Comunicação Corporativa1 Aula · 2 PDFs
▼
Aula 11. 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.▼
  1. Visualização de Dados
  2. Big Data, Visualização e Análise Exploratória de Dados
Governança e Segurança De Dados1 Aula · 1 PDFs
▼
Aula 11. Noções de governança de dados : conceitos e objetivos da governança de dados; principais técnicas de qualidade e integridade de dados; princípios de privacidade e proteção a dados.▼
  1. Governança de Dados
Governança, Segurança e Aplicação Responsável de IA1 Aula · 1 PDFs
▼
Aula 11. Noções de governança de IA: conceitos e objetivos da governança de IA; gestão de riscos em IA. 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.▼
  1. Inteligência Artificial
Inteligência Emocional1 Aula · 125 PDFs
▼
Aula 1Inteligência Emocional▼
  1. ELO 1: O Refúgio Emocional do Concurseiro
  2. ELO 2: A Aprendizagem Depende das suas Emoções
  3. ELO 3: As Cinco Pontas da Estrela do Concurseiro Aprovado
  4. ELO 4: Ansiedade: o Maior Inimigo do Concurseiro
  5. ELO 5: Mindfulness: o Pequeno Grande Milagre
  6. ELO 6: Positividade Tóxica
  7. ELO 7: Pensamentos Negativos
  8. ELO 8: A Felicidade e o Concurseiro
  9. ELO 9: A Tristeza e o Concurseiro
  10. ELO 10: Sou Imperfeita, e Você? A Coragem de Ser Imperfeito
  11. ELO 11: A Resiliência
  12. ELO 12: Autoestima e seus 6 Pilares
  13. ELO 13: Os 6 Pilares da Autoestima
  14. ELO 14: Autocompaixão: a Valorização da Autoestima
  15. ELO 15: Traumas e Estudos
  16. ELO 16: Crenças Centrais e os Estudos
  17. ELO 17: A Comparação e o Concurseiro
  18. ELO 18: A Baixa Tolerância à Frustração
  19. ELO 19: Como a Impulsividade Pode te Atrapalhar nos Estudos
  20. ELO 20: As 5 Feridas Emocionais e suas Consequências
  21. ELO 21: Autossabotagem
  22. ELO 22: Os 18 Esquemas Mentais e o Concurseiro
  23. ELO 23: Dizer NÃO Poderá Mudar a sua Vida
  24. ELO 24: Estresse, Cansaço e Burnout nos Estudos
  25. ELO 25: Fracasso, Derrota e Fases das Perdas
  26. ELO 26: Família Disfuncional e o Concurseiro
  27. ELO 27: Perfeccionismo: o Equilíbrio Leva à Excelência?
  28. ELO 28: As Sombras e a Maldade Humana
  29. ELO 29: A Raiva e o Concurseiro
  30. ELO 30: A Culpa e o Concurseiro
  31. ELO 31: A Coragem e o Concurseiro
  32. ELO 32: O Concurseiro Protagonista
  33. ELO 33: A Mediocridade e os Estudos
  34. ELO 34: Os 7 Pecados Capitais
  35. ELO 35: Como se Blindar de Pessoas Tóxicas nos Estudos
  36. ELO 36: O Perfeccionismo e o Concurseiro
  37. ELO 37: A Autocobrança e o Concurseiro
  38. ELO 38: Neuromitos e Estudos para Concursos
  39. ELO 39: Os Recomeços do Concurseiro
  40. ELO 40: O Papel de Vítima e o Concurseiro
  41. ELO 41: Vício em Redes Sociais e Estudos
  42. ELO 42: A Procrastinação e os Estudos
  43. ELO 43: A Autoconsciência e o Concurseiro
  44. ELO 44: A Autorresponsabilidade e o Estudo para Concursos
  45. ELO 45: A Vida Intencional e o Concurseiro
  46. ELO 46: Positividade Tóxica e os Concurseiros
  47. ELO 47: Lei da Atração - Mágica ou Pseudociência
  48. ELO 48: Como Usar a Técnica da Pedra Cinza para Lidar com a Toxicidade
  49. ELO 49: A Baixa Autoestima e o Concurseiro
  50. ELO 50: A Garra e o Concurseiro
  51. ELO 51: A Síndrome do Impostor e o Concurseiro
  52. ELO 52: Efeito Dunning-Kruger e o Concurseiro
  53. ELO 53: O Concurseiro e a Mentalidade Forte
  54. ELO 54: Como Superar a Reprovação
  55. ELO 55: O Impacto do Uso das Telas na Produtividade
  56. ELO 56: Como Recomeçar depois do Caos
  57. ELO 57: a Importância da Espiritualidade nas Dificuldades
  58. ELO 58: os Benefícios do Mindfulness para a Aprendizagem
  59. ELO 59: o Demônio do Meio-Dia
  60. ELO 60: Dezembrite - o Peso Emocional do Fim de Ano
  61. ELO 61: as Fases do Estresse
  62. ELO 62: o Significado Real da Gratidão
  63. ELO 63: o que É Inteligência Emocional?
  64. ELO 64: a Teoria das Janelas Quebradas
  65. ELO 65: Jejum de Cortisol e os Benefícios para Concurseiros
  66. ELO 66: o Cansaço e o Concurseiro
  67. ELO 67: Brain Rot e o Concurseiro
  68. ELO 68: O Sono e Estudos
  69. ELO 69: A Raiva e o Concurseiro
  70. ELO 70: a Crise dos 30 das Concurseiras
  71. ELO 71: o Movimento Slow e o Concurseiro
  72. ELO 72: a Inteligência Social e o Concurseiro
  73. ELO 73: a carga Cognitiva e seus Efeitos nos Estudos
  74. ELO 74: como a Infância Será uma Estrada que nos Acompanhará para sempre
  75. ELO 75: Características de uma Pessoa com Maturidade Emocional
  76. ELO 76: Higiene do Sono e Estudos
  77. ELO 77: O Tropeço também é um Passo
  78. ELO 78: Como Estudar Desmotivado
  79. ELO 79: TDAH e Aprendizagem
  80. ELO 80: Adultização de Crianças: Aspectos Psicológicos
  81. ELO 81: Setembro Amarelo e o Concurseiro
  82. ELO 82: As Melhores Técnicas para Aumentar a sua Autoestima
  83. ELO 83: O Concurseiro e a Família Tóxica
  84. ELO 84: O Poder da Resiliência
  85. ELO 85: O Poder de ser Antifrágil
  86. ELO 86: O Umbiguismo
  87. ELO 87: O Silêncio Vale Ouro
  88. ELO 88: A Solidão do Concurseiro
  89. ELO 89: Quando o Seu Ego Grita
  90. ELO 90: Os Principais Mecanismos de Defesa do Concurseiro
  91. ELO 91:O Efeito Pigmaleão e o Concurseiro
  92. ELO 92: O Mito do Normal e o Concurseiro
  93. ELO 93: O Romo e o Concurseiro
  94. ELO 94: Como Fechar Ciclos
  95. ELO 95: Saindo Da Negação
  96. ELO 96: A Sensação do Tempo Correndo e o Concurseiro
  97. ELO 97: A Síndrome do Coração Partido nos Estudos
  98. ELO 98: Eu Não Cumpro Aquilo que Prometo
  99. ELO 99: A Síndrome da Velhice em Jovens
  100. ELO 100: Como Recomeçar do Zero
  101. ELO 101: Ciclo ou Caminho?
  102. ELO 102: A Desfusão Cognitiva e o Concurseiro
  103. ELO 103: Pessoas Narcisistas e o Concurseiro
  104. ELO 104: A Coragem como Ferramenta Poderosa nos Estudos
  105. ELO 105 : Porquê você começa e Depois Para de Estudar?
  106. ELO 106: Como os Amigos e a Família Podem Atrapalhar os Estudos
  107. ELO 107: Como Passar Rápido em um Concurso: a Fórmula Mágica
  108. ELO 108: Otrovertidos e Concurseiros
  109. ELO 109: Intensidade x Profundidade nos Estudos
  110. ELO 110: Como Identificar que a Falta de Sono tem Causa Emocional?
  111. ELO 111: A Mentalidade de Escassez e o Concurseiro
  112. ELO 112: Abuso Físico e Psicológico e Consequências para a Aprendizagem
  113. ELO 113: Manual para os Familiares dos Concurseiros
  114. ELO 114: Tipos de Concurseiros que Você não Deve Ser
  115. ELO 115: A Ansiedade de Planejamento e a Procrastinação
  116. ELO 116: Como Lidar com a Incerteza de Passar
  117. ELO 117: A Regulação de Expectativas
  118. ELO 118: Você se Avalia pelos Resultados? Isso Pode te Reprovar!
  119. ELO 119: Ilusão de Progresso: Planejamento ou Atraso?
  120. ELO 120: A Autoeficácia Percebida
  121. ELO 121: A Pressa Também é um Vício
  122. ELO 122: Qual o seu Cronotipo?
  123. ELO 123: O Vício em Pornografia e Estudos
  124. ELO 124: Estudar uma Matéria de Cada Vez Tem Eficácia para Ansiosos?
  125. ELO 125: Dependência Emocional nos Estudos

Sobre o concurso TRANSPETRO - Transporte Petróleo BR

Informações gerais sobre o órgão e os cargos

O que é TRANSPETRO (Petrobras Transporte S.A.)

A TRANSPETRO, subsidiária integral da Petrobras, é a maior empresa de logística multimodal de petróleo, derivados, biocombustíveis e gás da América Latina. Criada em 1998, atua na logística de transporte e armazenamento desses produtos em território nacional, operando uma extensa malha de dutos, terminais (aquaviários e terrestres) e uma frota de navios. Sua missão é prover soluções logísticas para o segmento de óleo, gás e produtos de baixo carbono, contribuindo para o desenvolvimento humano e social de forma ética, justa, segura e competitiva. A empresa busca ser líder em transporte e logística, com foco em petróleo e seus derivados, gás e biocombustíveis no Brasil, de forma competitiva e rentável, evoluindo com a sociedade.

Como funciona o rateio

Simples, rápido e seguro — acesso em até 24h
1

Você paga

Pagamento seguro via Pix, cartão ou boleto. Confirmação imediata para Pix e cartão.

2

Você recebe

Em até 24h um e-mail com o link do Google Drive contendo todas as videoaulas e PDFs.

3

Você estuda

Acesso vitalício ao conteúdo baixado. Atualizações gratuitas durante a vigência do edital.

Avaliações dos compradores

Só quem comprou pode avaliar
Ainda sem avaliações
Seja o primeiro a avaliar este curso e ganhe R$ 5 de crédito.
Deixar minha avaliação + R$ 5 de crédito

Suas garantias conosco

Compra 100% segura, sem letras miúdas

7 dias de garantia

Nas primeiras 24 horas depois da compra, devolvemos o dinheiro. Do 2º ao 7º dia, devolvemos o valor em crédito na sua carteira, para usar em outro curso.

Pagamento seguro

Criptografia SSL e gateway Mercado Pago.

Acesso em 24h

Entrega automática após pagamento confirmado.

Atualização grátis

Novas aulas adicionadas? Você recebe de graça.

Outros cursos de TRANSPETRO - Transporte Petróleo BR

Prepare-se para outros cargos do mesmo concurso
Pós-Edital 2026
Gran Cursos (G)

Petrobras Transporte S.ATranspetroProfissional Transpetro de Nível TécnicoÊnfase 3: Contabilidade

A partir de
R$ 80
Pós-Edital 2026
Revisão Ensino Jurídico (REJ)

SprintFinal Advogado Transpetro

A partir de
R$ 89,70
Pós-Edital 2026
Estratégia C. (E)

TRANSPETROProfissional de Nível Superior - Ênfase 27: Engenharia Química

A partir de
R$ 131,88
Ver todos os 6 cursos de TRANSPETRO - Transporte Petróleo BR

Tutoriais e recursos

Tudo que você precisa pra aproveitar ao máximo seu curso

Como funciona

4 passos simples — da compra ao acesso ao curso. Entenda o que está incluído, formas de pagamento e quanto você economiza.

Ver guia completo

Como baixar o material

Tutorial passo a passo pra baixar no PC e no celular. Estude offline, em qualquer lugar, com apps recomendados.

Ver tutorial

Acelerador de estudos

Dicas para estudar 50% mais rápido: acelere vídeos no Google Drive, use extensões com atalhos e converta PDFs em editáveis.

Ver dicas
Aviso Importante

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

Comece sua preparação hoje mesmo

Acesso em até 24h · 7 dias de garantia

PAGUE COM Pix Boleto Cartão Bitcoin
Garantir por R$ 80
A partir de
R$ 80
Comprar Agora
Scan Me!
QR Code WhatsApp Cursos Rateio - Atendimento
Aponte a câmera do celular
×
Boa tarde! Sou o
Responde em breve
Deixe sua mensagem que responderemos em breve!
15:00
Iniciar conversa
1 Precisa de ajuda?