Ainda que o t\u00f3pico seja extremamente t\u00e9cnico e concernente aos concurseiros de TI, as bancas n\u00e3o querem saber disso e est\u00e3o cobrando-o de forma recorrente nas provas de \u00e1reas gerais, especialmente as que exigem alto grau de desempenho.<\/p>\n\n\n\n
Dessa forma, esse artigo \u00e9 recomendado aos concurseiros das \u00e1reas Fiscal e Controle, al\u00e9m de cargos espec\u00edficos de TI. No entanto, se voc\u00ea estuda para carreiras Policiais e Tribunais, fique atento porque esse conte\u00fado pode eventualmente aparecer tamb\u00e9m. Segue o nosso roteiro:<\/p>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Defini\u00e7\u00e3o de Minera\u00e7\u00e3o de Dados<\/strong><\/li>\n\n\n\n
- Objetivos da Minera\u00e7\u00e3o de Dados<\/strong><\/li>\n\n\n\n
- Aprendizado de M\u00e1quina<\/strong><\/li>\n\n\n\n
- T\u00e9cnicas de Minera\u00e7\u00e3o de Dados<\/strong><\/li>\n\n\n\n
- Modelagem para Minera\u00e7\u00e3o dos Dados<\/strong><\/li>\n\n\n\n
- CRISP-DM<\/strong><\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
Sem mais delongas, vamos partir para o conte\u00fado porque hoje \u00e9 dia de \u201carrancar o couro\u201d. Esperamos sinceramente que voc\u00ea consiga aproveitar o artigo e ter um excelente desempenho na prova. Vamos l\u00e1? <\/p>\n\n\n\n
<\/p>\n\n\n\n
Tempo de leitura aproximada: 15 a 20 minutos<\/mark><\/strong><\/p>\n\n\n\n
<\/p>\n\n\n\n
Defini\u00e7\u00e3o de Minera\u00e7\u00e3o de Dados<\/h2>\n\n\n\n
<\/p>\n\n\n\n
Antes de mais nada, minera\u00e7\u00e3o de dados \u00e9 o processo de encontrar anomalias, padr\u00f5es e correla\u00e7\u00f5es em conjuntos de dados. As descobertas permitem que sejam feitas an\u00e1lises sobre os resultados, incluindo previs\u00f5es. <\/p>\n\n\n\n
Se voc\u00ea n\u00e3o conhece ainda o conceito de dado, vamos aproveitar a oportunidade para explic\u00e1-lo tamb\u00e9m. Dados podem ser definidos como sucess\u00f5es de fatos brutos, que n\u00e3o foram organizados, processados, relacionados, avaliados ou interpretados. <\/p>\n\n\n\n
Observando apenas o dado, voc\u00ea vai perceber que ele n\u00e3o faz sentido algum; entretanto, ele constitui a unidade b\u00e1sica para elaborar ou obter informa\u00e7\u00f5es (que far\u00e3o algum sentido posteriormente).<\/p>\n\n\n\n
<\/p>\n\n\n\n
Ex:<\/strong> 57, casaco, 1.54, Rio de Janeiro etc.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Minerar lembra garimpar, correto? Perfeito, \u00e9 isso mesmo. De forma clara, o processo de minera\u00e7\u00e3o \u00e9 um garimpo dos dados, a fim de analisar seu comportamento. De acordo com essa an\u00e1lise, s\u00e3o extra\u00eddos padr\u00f5es, tend\u00eancias etc.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Objetivos da Minera\u00e7\u00e3o de Dados<\/h2>\n\n\n\n
<\/p>\n\n\n\n
A minera\u00e7\u00e3o de dados tornou-se a \u201cqueridinha\u201d das empresas e do com\u00e9rcio digital nos \u00faltimos anos, principalmente das equipes de marketing e vendas. Com suas t\u00e9cnicas, \u00e9 poss\u00edvel identificar tend\u00eancias de compra de produtos pelos clientes, lojas que n\u00e3o atingem a expectativa das metas etc.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Principal Exemplo <\/h3>\n\n\n\n
<\/p>\n\n\n\n
Um exemplo bem simples da minera\u00e7\u00e3o de dados pode ser visto em um site de compras. Suponha que voc\u00ea se mudou recentemente e resolveu fazer um churrasco open-house<\/em> para mostrar a casa nova a familiares e amigos (que del\u00edcia, heim).<\/p>\n\n\n\n
No entanto, voc\u00ea percebeu que perdeu algumas coisas na mudan\u00e7a, incluindo o seu tradicional jogo de churrasco. Diante desse fato, voc\u00ea resolve comprar um novo kit pela Internet<\/em>. Ao buscar pelo produto, voc\u00ea vai reparar que a loja oferece outras sugest\u00f5es:<\/p>\n\n\n\n
<\/p>\n\n\n\n
![\"Figura](\"https:\/\/dhg1h5j42swfq.cloudfront.net\/2022\/11\/30213439\/image-260.png\")
Figura 1 – Exemplo de associa\u00e7\u00e3o de produtos em um site de compras.<\/figcaption><\/figure>\n\n\n\n <\/p>\n\n\n\n
Veja que a loja sugeriu diversos utens\u00edlios, incluindo conjunto de copos, conjunto de talheres etc. Ok, se voc\u00ea perdeu alguns produtos na mudan\u00e7a e est\u00e1 fazendo um churrasco, talvez seja interessante comprar outras coisas tamb\u00e9m. A quest\u00e3o \u00e9 a seguinte: como a loja leu seu pensamento?<\/p>\n\n\n\n
<\/p>\n\n\n\n
Entendendo a Aplica\u00e7\u00e3o Pr\u00e1tica<\/h3>\n\n\n\n
<\/p>\n\n\n\n
Meu caro, isso \u00e9 minera\u00e7\u00e3o de dados pura. A loja tem um hist\u00f3rico dos clientes, incluindo os que compraram jogo de churrasco. Ou seja, ela sabe que os clientes que compram jogo de churrasco tamb\u00e9m se interessam por conjunto de copos, conjunto de talheres etc.<\/p>\n\n\n\n
Como outras pessoas que compraram a mesma coisa se interessam por outros produtos, a loja tenta oferec\u00ea-los a voc\u00ea. Talvez voc\u00ea n\u00e3o compre, mas possivelmente muitos ir\u00e3o adquirir. Desta forma, a empresa aumenta suas vendas de acordo com perfil tra\u00e7ado dos clientes. <\/p>\n\n\n\n
Em outras palavras, a minera\u00e7\u00e3o de dados \u00e9 capaz de influenciar indiretamente no faturamento das companhias, haja vista que suas t\u00e9cnicas empregadas aumentam o lucro. Por este motivo, atualmente \u00e9 uma \u00e1rea bastante visada e estrat\u00e9gica nas corpora\u00e7\u00f5es.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Momento Curiosidade:<\/strong> A minera\u00e7\u00e3o de dados \u00e9 um campo interdisciplinar, envolvendo \u00e1reas como Estat\u00edstica, Banco de Dados etc. Em raz\u00e3o da alta demanda e dos poucos profissionais que atuam na atividade, \u00e9 uma das carreiras mais promissoras no mercado.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Aprendizado de M\u00e1quina<\/h2>\n\n\n\n
<\/p>\n\n\n\n
Certamente voc\u00ea j\u00e1 deve ter visto algum desenho ou filme com um roteiro futurista, em que um rob\u00f4 aprende informa\u00e7\u00f5es e acumula conhecimento como se fosse um ser humano.<\/p>\n\n\n\n
Saiba que aquele futuro chegou ao presente e o aprendizado pelas m\u00e1quinas (tamb\u00e9m chamado de machine learning<\/em>) j\u00e1 est\u00e1 ocorrendo. Para facilitar, as m\u00e1quinas a que nos referimos s\u00e3o equipamentos que disp\u00f5em de intelig\u00eancia computacional, capaz de compreender e assimilar os dados.<\/p>\n\n\n\n
Ser\u00e1 que as m\u00e1quinas precisam de algu\u00e9m que as ensine ou elas s\u00e3o autodidatas e aprendem sozinhas? Ambos s\u00e3o poss\u00edveis. Os dados podem ser previamente apresentados a essas m\u00e1quinas, como uma esp\u00e9cie de hist\u00f3rico, ou elas podem formar sozinhas a sua base de conhecimento.<\/p>\n\n\n\n
No jarg\u00e3o computacional, a apresenta\u00e7\u00e3o dos dados \u00e9 uma supervis\u00e3o. Quando a m\u00e1quina aprende com esse apoio, estamos diante de um aprendizado supervisionado.<\/p>\n\n\n\n
Por outro lado, caso n\u00e3o haja \u201cajuda\u201d externa, o aprendizado \u00e9 n\u00e3o supervisionado. Ressaltamos que as bancas cobram tamb\u00e9m o conceito de aprendizado semissupervisionado, que \u00e9 um intermedi\u00e1rio entre os dois.<\/p>\n\n\n\n
O aprendizado de m\u00e1quina est\u00e1 diretamente atrelado \u00e0 minera\u00e7\u00e3o de dados. Para minerar, \u00e9 necess\u00e1ria a aplica\u00e7\u00e3o de algumas t\u00e9cnicas. Falaremos sobre isso na pr\u00f3xima se\u00e7\u00e3o. <\/p>\n\n\n\n
<\/p>\n\n\n\n
T\u00e9cnicas de Minera\u00e7\u00e3o de Dados<\/h2>\n\n\n\n
<\/p>\n\n\n\n
As t\u00e9cnicas de minera\u00e7\u00e3o de dados variam de acordo com o tipo de supervis\u00e3o. A decis\u00e3o a respeito da escolha da t\u00e9cnica deve estar embasada nas necessidades do neg\u00f3cio. Neste artigo, vamos “dar uma pincelada” das principais t\u00e9cnicas cobradas em prova.<\/p>\n\n\n\n
Consideramos este t\u00f3pico um pouco mais avan\u00e7ado. Como costuma dizer um professor famoso de Tecnologia da Informa\u00e7\u00e3o, \u201cvamos ter que mergulhar mais fundo na piscina\u201d.<\/p>\n\n\n\n
Deixando as brincadeiras de lado, parab\u00e9ns por ter chegado at\u00e9 aqui. Independentemente se \u00e9 da \u00e1rea de TI ou n\u00e3o, demonstra ser persistente e focado em seus objetivos. Bom, chega de enrola\u00e7\u00e3o e vamos l\u00e1.<\/p>\n\n\n\n
<\/p>\n\n\n\n
T\u00e9cnicas de Minera\u00e7\u00e3o de Dados com Aprendizado Supervisionado<\/h3>\n\n\n\n
<\/p>\n\n\n\n
CLASSIFICA\u00c7\u00c3O<\/h4>\n\n\n\n
<\/p>\n\n\n\n
Nesta t\u00e9cnica, os r\u00f3tulos s\u00e3o definidos previamente. Pense em r\u00f3tulos como se fossem legendas, pois ficar\u00e1 f\u00e1cil de entender. Os dados s\u00e3o classificados de acordo com os r\u00f3tulos.<\/p>\n\n\n\n
A base \u00e9 dividida em testes (1\/3 do total) e treinamento (2\/3 do total). Enquanto a base de treinamento \u00e9 utilizada para construir um modelo de classifica\u00e7\u00e3o dos dados a partir dos r\u00f3tulos, a base de teste \u00e9 utilizada para validar o modelo.<\/p>\n\n\n\n
Vamos pensar em um exemplo juntos. Suponha que temos a base de treinamento abaixo, para definir qual disciplina um professor do Estrat\u00e9gia Concursos ir\u00e1 ministrar, de acordo com o perfil. Os r\u00f3tulos ent\u00e3o seriam Tecnologia da Informa\u00e7\u00e3o<\/strong>, L\u00edngua Portuguesa<\/strong> e Racioc\u00ednio-L\u00f3gico<\/strong>.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Forma\u00e7\u00e3o<\/th> Disciplina<\/th><\/tr><\/thead> Ci\u00eancia da Computa\u00e7\u00e3o<\/td> Tecnologia da Informa\u00e7\u00e3o<\/td><\/tr> Letras<\/td> L\u00edngua Portuguesa<\/td><\/tr> Matem\u00e1tica<\/td> Racioc\u00ednio-L\u00f3gico<\/td><\/tr><\/tbody><\/table> Tabela 1 – Exemplo de classifica\u00e7\u00e3o em minera\u00e7\u00e3o de dados.<\/figcaption><\/figure>\n\n\n\n <\/p>\n\n\n\n
Dessa forma, caso Cristiane, formada em Ci\u00eancia da Computa\u00e7\u00e3o, resolvesse se candidatar a uma vaga de professora, ela seria classificada em Tecnologia da Informa\u00e7\u00e3o.<\/p>\n\n\n\n
<\/p>\n\n\n\n
REGRESS\u00c3O<\/h4>\n\n\n\n
<\/p>\n\n\n\n
A regress\u00e3o \u00e9 um m\u00e9todo mais matem\u00e1tico, utilizado para prever dados a partir de uma s\u00e9rie hist\u00f3rica. Para n\u00e3o ficar muito t\u00e9cnico e abstrato, vamos ilustrar novamente com um exemplo bem simples.<\/p>\n\n\n\n
Hipoteticamente, suponha que o Estrat\u00e9gia queira fazer uma previs\u00e3o a respeito do valor gasto pelos assinantes em 2023, para fazer um planejamento do caixa. Considerando uma ordem de grandeza dos dados hist\u00f3ricos, podemos usar a regress\u00e3o para prever:<\/p>\n\n\n\n
<\/p>\n\n\n\n
![\"Figura](\"https:\/\/dhg1h5j42swfq.cloudfront.net\/2022\/12\/02191541\/regressao.png\")
Figura 2 – Exemplo de regress\u00e3o em minera\u00e7\u00e3o de dados.<\/figcaption><\/figure>\n\n\n\n <\/p>\n\n\n\n
Observe que os pontos seguem uma tend\u00eancia e um alinhamento. Seria poss\u00edvel inclusive tra\u00e7ar uma reta no entorno dos pontos, de forma linear. Veja que a abordagem da classifica\u00e7\u00e3o \u00e9 totalmente diferente da regress\u00e3o, utilizada para problemas distintos.<\/p>\n\n\n\n
<\/p>\n\n\n\n
T\u00e9cnicas de Minera\u00e7\u00e3o de Dados com Aprendizado N\u00e3o Supervisionado<\/h3>\n\n\n\n
<\/p>\n\n\n\n
AGRUPAMENTO OU CLUSTERIZA\u00c7\u00c3O<\/h4>\n\n\n\n
<\/p>\n\n\n\n
Como o pr\u00f3prio nome diz, dados s\u00e3o separados em grupos que tenham caracter\u00edsticas similares ou homog\u00eaneas. Assim, dados do mesmo grupo s\u00e3o semelhantes uns aos outros e diferentes dos dados de outros grupos. O agrupamento n\u00e3o \u00e9 t\u00e3o dif\u00edcil, mas vamos ver melhor com um exemplo?<\/p>\n\n\n\n
Suponha agora que voc\u00ea foi finalmente aprovado e recebeu um convite para conhecer a sede do Estrat\u00e9gia, em S\u00e3o Paulo. No entanto, voc\u00ea n\u00e3o estar\u00e1 sozinho. Para facilitar a log\u00edstica, a equipe de Marketing agrupou voc\u00ea junto com os demais aprovados do seu concurso e outros semelhantes.<\/p>\n\n\n\n
<\/p>\n\n\n\n
![\"Figura](\"https:\/\/dhg1h5j42swfq.cloudfront.net\/2022\/12\/02192006\/agrupamento.png\")
Figura 3 – Exemplo de agrupamento em minera\u00e7\u00e3o de dados.<\/figcaption><\/figure>\n\n\n\n <\/p>\n\n\n\n
Consegue visualizar que os grupos n\u00e3o est\u00e3o predefinidos, como na classifica\u00e7\u00e3o? Eles s\u00e3o vari\u00e1veis de acordo com os concursos. Em outras palavras, esse agrupamento \u00e9 feito dinamicamente.<\/p>\n\n\n\n
<\/p>\n\n\n\n
ASSOCIA\u00c7\u00c3O<\/h4>\n\n\n\n
<\/p>\n\n\n\n
Esta \u00faltima t\u00e9cnica \u00e9 uma rela\u00e7\u00e3o de coocorr\u00eancia, considerando eventos que ocorrem simultaneamente. Baseia-se na regra X => Y (se X ocorre, ent\u00e3o Y tamb\u00e9m ocorre), onde X e Y s\u00e3o conjuntos de itens, sem hierarquia entre eles.<\/p>\n\n\n\n
Al\u00e9m disso, a associa\u00e7\u00e3o trabalha com medidas de suporte e de confian\u00e7a. A medida de suporte considera as transa\u00e7\u00f5es que cont\u00eam os itens de X e Y, dividido pelas transa\u00e7\u00f5es totais.<\/p>\n\n\n\n
Por outro lado, a medida de confian\u00e7a considera as transa\u00e7\u00f5es que cont\u00eam os itens de X e Y, dividido pelas transa\u00e7\u00f5es que cont\u00eam os itens de X. Confuso? Ou esse assunto parece familiar?<\/p>\n\n\n\n
N\u00f3s j\u00e1 apresentamos um exemplo de associa\u00e7\u00e3o neste mesmo artigo. Lembra do churrasco open-house<\/em>? O site da loja associou o jogo de churrasco com conjunto de copos e conjunto de talheres. Veja que a associa\u00e7\u00e3o est\u00e1 mais presente na sua vida do que voc\u00ea imagina.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Mapa Mental Aprendizados X T\u00e9cnicas<\/h3>\n\n\n\n
<\/p>\n\n\n\n
Como sabemos que esse conte\u00fado n\u00e3o \u00e9 dos mais f\u00e1ceis, preparamos um resumo bem interessante para ajud\u00e1-lo a memorizar os conceitos. No artigo de hoje, voc\u00ea ir\u00e1 notar que optamos por esquematizar aos poucos, para facilitar o seu aprendizado. <\/p>\n\n\n\n
<\/p>\n\n\n\n
![\"Figura](\"https:\/\/dhg1h5j42swfq.cloudfront.net\/2022\/12\/05204942\/mapaaprendizadomaquina-1-1024x539.png\")
Figura 4 – Mapa mental com as principais t\u00e9cnicas do aprendizado de m\u00e1quina.<\/figcaption><\/figure>\n\n\n\n <\/p>\n\n\n\n
Se n\u00e3o conseguir entender tudo na primeira leitura, n\u00e3o fique desanimado. Veja o quanto voc\u00ea evoluiu at\u00e9 aqui. Ademais, o assunto \u00e9 complicado mesmo. D\u00ea tempo ao tempo, pois cada um tem uma maneira e o momento de absorver o conte\u00fado.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Modelagem para Minera\u00e7\u00e3o de Dados<\/h2>\n\n\n\n
<\/p>\n\n\n\n
Antes de mais nada, \u00e9 preciso criar um modelo para efetuar a minera\u00e7\u00e3o dos dados. Essa a\u00e7\u00e3o \u00e9 conhecida como modelagem. Destacamos que nem todas as minera\u00e7\u00f5es seguir\u00e3o a mesma modelagem. A escolha ir\u00e1 variar de acordo com a necessidade do neg\u00f3cio. <\/p>\n\n\n\n
As provas n\u00e3o pedem para voc\u00ea criar um modelo na pr\u00e1tica, mas cobram as defini\u00e7\u00f5es a respeito das modelagens. Dessa forma, segue um quadro esquematizado com os tipos mais cobrados em prova. Memorize-o e voc\u00ea acertar\u00e1 muitas quest\u00f5es.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Modelagem<\/th> Defini\u00e7\u00e3o<\/th><\/tr><\/thead> Descritiva<\/strong><\/td> Busca padr\u00f5es e correla\u00e7\u00f5es para descrever os dados atuais.<\/td><\/tr> Diagn\u00f3stica<\/strong><\/td> Busca padr\u00f5es e correla\u00e7\u00f5es existentes em um problema para encontrar suas causas. <\/td><\/tr> Preditiva<\/strong><\/td> Busca padr\u00f5es e correla\u00e7\u00f5es nos dados atuais para inferir\/deduzir a respeito dos dados futuros.<\/td><\/tr> Prescritiva<\/strong><\/td> Busca padr\u00f5es e correla\u00e7\u00f5es nos dados atuais para determinar o que deve ser feito.<\/td><\/tr><\/tbody><\/table> Tabela 2 – Tipos de modelagem para minera\u00e7\u00e3o de dados.<\/figcaption><\/figure>\n\n\n\n <\/p>\n\n\n\n
CRISP-DM<\/h2>\n\n\n\n
<\/p>\n\n\n\n
J\u00e1 que estamos falando em modelagem para minera\u00e7\u00e3o de dados, n\u00e3o poder\u00edamos deixar de abordar neste artigo o CRISP-DM (Processo Padr\u00e3o entre Ind\u00fastrias para Minera\u00e7\u00e3o de Dados).<\/p>\n\n\n\n
Atualmente, ele \u00e9 o m\u00e9todo mais cobrado pelas bancas. Uma informa\u00e7\u00e3o importante \u00e9 que o CRISP-DM n\u00e3o \u00e9 uma metodologia propriet\u00e1ria, ou seja, n\u00e3o pertence a nenhuma empresa espec\u00edfica que cobra pela sua utiliza\u00e7\u00e3o. Fique atento, pois as provas sempre batem nesta tecla.<\/p>\n\n\n\n
Para n\u00e3o deixar o artigo muito extenso, vamos esquematizar as 6 etapas do CRISP-DM, contemplando uma descri\u00e7\u00e3o breve em t\u00f3picos a respeito de cada uma delas. Garantimos que isso far\u00e1 com que voc\u00ea acerte muitas quest\u00f5es:<\/p>\n\n\n\n
<\/p>\n\n\n\n
![\"Figura](\"https:\/\/dhg1h5j42swfq.cloudfront.net\/2022\/12\/02193803\/crispdm.png\")
Figura 5 – Etapas esquematizadas do CRISP-DM.<\/figcaption><\/figure>\n\n\n\n <\/p>\n\n\n\n
Conclus\u00e3o<\/h2>\n\n\n\n
<\/p>\n\n\n\n
No artigo de hoje, apresentamos um pouco sobre minera\u00e7\u00e3o de dados, um tema que despenca nas provas de Tecnologia da Informa\u00e7\u00e3o que exigem Ci\u00eancia de Dados. Assim, se voc\u00ea entendeu bem os conceitos, o pr\u00f3ximo passo agora ser\u00e1 realizar muitas quest\u00f5es para treinar.<\/p>\n\n\n\n
Alunos aprovados realizam centenas ou at\u00e9 milhares de quest\u00f5es para atingir seu objetivo. O acesso ao Sistema de Quest\u00f5es do Estrat\u00e9gia \u00e9 feito pelo link: https:\/\/concursos.estrategia.com\/<\/a>.<\/p>\n\n\n\n
N\u00e3o esque\u00e7a tamb\u00e9m de retornar ao t\u00f3pico periodicamente para fazer revis\u00f5es. Os esquemas disponibilizados ao longo do artigo ir\u00e3o ajud\u00e1-lo muito na memoriza\u00e7\u00e3o do conte\u00fado, juntamente com o material do Estrat\u00e9gia Concursos.<\/p>\n\n\n\n
Por fim, lembramos que o Estrat\u00e9gia oferece diversos cursos em pdf, videoaulas e \u00e1udios para voc\u00ea ouvir onde quiser.<\/p>\n\n\n\n
<\/p>\n\n\n\n
Bons estudos e at\u00e9 a pr\u00f3xima!<\/p>\n\n\n\n
<\/p>\n\n\n\n
Cristiane Selem Ferreira Neves \u00e9 Bacharel em Ci\u00eancia da Computa\u00e7\u00e3o e Mestre em Sistemas de Informa\u00e7\u00e3o pela Universidade Federal do Rio de Janeiro (UFRJ), al\u00e9m de possuir a certifica\u00e7\u00e3o Project Management Profissional pelo Project Management Institute (PMI). J\u00e1 foi aprovada nos seguintes concursos: ITERJ (2012), DATAPREV (2012), VALEC (2012), Rioprevid\u00eancia (2012\/2013), TJ-RJ (2022) e TCE-RJ (2022). Atualmente exerce o cargo efetivo de Especialista em Previd\u00eancia Social \u2013 Ci\u00eancia da Computa\u00e7\u00e3o no Rioprevid\u00eancia, al\u00e9m de ser colaboradora do Blog do Estrat\u00e9gia Concursos.<\/em><\/p>\n\n\n\n
<\/p>\n\n\n\n
Concursos Abertos<\/a><\/p>\n\n\n\n
Quer Saber Tudo de Concursos Previstos?<\/strong><\/h4>\n\n\n\n
Confira Nossos Artigos<\/strong><\/h4>\n\n\n\n
- Objetivos da Minera\u00e7\u00e3o de Dados<\/strong><\/li>\n\n\n\n