{"id":1140239,"date":"2022-12-19T07:30:00","date_gmt":"2022-12-19T10:30:00","guid":{"rendered":"https:\/\/www.estrategiaconcursos.com.br\/blog\/?p=1140239"},"modified":"2022-12-30T15:58:30","modified_gmt":"2022-12-30T18:58:30","slug":"concurso-receita-federal-curso-de-fluencia-de-dados","status":"publish","type":"post","link":"https:\/\/www.estrategiaconcursos.com.br\/blog\/concurso-receita-federal-curso-de-fluencia-de-dados\/","title":{"rendered":"Concurso Receita Federal: curso de Flu\u00eancia de Dados!"},"content":{"rendered":"\n

O Concurso Receita Federal, um dos certames mais aguardados dos \u00faltimos anos, j\u00e1 teve seu edital publicado e est\u00e1 com as inscri\u00e7\u00f5es abertas!<\/p>\n\n\n\n

Vale lembrar que S\u00e3o 699 vagas imediatas<\/strong> ofertadas para n\u00edvel de forma\u00e7\u00e3o superior com sal\u00e1rios iniciais que chegam a R$ 21 mil<\/strong>! . Os cargos em disputa s\u00e3o Auditor Fiscal<\/strong> e Analista Tribut\u00e1rio<\/strong>.<\/p>\n\n\n\n

Pensando na sua prepara\u00e7\u00e3o, montamos um curso exclusivo sobre um dos assuntos do Concurso Receita Federal, a Flu\u00eancia de Dados. Ser\u00e3o 13 aulas sobre os mais diversos t\u00f3picos para deixar voc\u00ea bem informado!<\/p>\n\n\n\n

O evento Curso Exclusivo de Flu\u00eancia em Dados para a Receita Federal \u2013 Prof. Erick Muzart<\/strong><\/em> come\u00e7a nessa segunda-feira, 19 de dezembro, \u00e0s 8h30<\/strong> e segue at\u00e9 fevereiro de 2023. Confira a programa\u00e7\u00e3o completa:<\/p>\n\n\n\n

AULAS<\/strong><\/td>T\u00d3PICOS ABORDADOS<\/strong><\/td>DATA<\/strong><\/td><\/tr>
Aula 00<\/strong><\/td>\u201cFlu\u00eancia em Dados\u201d no concurso da Receita
Ci\u00eancia de Dados em concursos recentes (TCU, CGU, Petrobras, TJDFT, Serpro, SEFAZ-MG).
Conte\u00fado b\u00e1sico: Machine Learning (ML), Processamento de Liguagem Natural (PLN) e tratamento de dados para ML.
 
Conceitos fundamentais de ML. Intui\u00e7\u00e3o dos princ\u00edpios e vocabul\u00e1rio b\u00e1sico. Formas como o conhecimento de ML tende a ser cobrado em provas objetivas de concursos. Compreens\u00e3o aprofundada dos conceitos essenciais.
Elementos de python ser\u00e3o apresentados para apoiar a apresenta\u00e7\u00e3o das t\u00e9cnicas de ML<\/td>		Segunda, 19\/12, 8h30<\/td><\/tr>
Aula 01<\/strong><\/td>Tipos de Aprendizado: Supervisionado, N\u00e3o-Supervisionado, Por Refor\u00e7o
Aprendizado Supervisionado: classifica\u00e7\u00e3o e regress\u00e3o
Modelos preditivos mais comuns: lineares (regress\u00e3o linear e log\u00edstica, regulariza\u00e7\u00e3o Ridge e Lasso), K-NN, Naive Bayes, \u00e1rvores de decis\u00e3o (Random Forest e Gradient Boosting)
Redes neurais feed-forward: perceptron, fun\u00e7\u00f5es de ativa\u00e7\u00e3o, multi layer perceptron, otimiza\u00e7\u00e3o: gradiente descendente, backpropagation, inicializa\u00e7\u00e3o de pesos<\/td>		Quarta, 21\/12, 8h30<\/td><\/tr>
Aula 02<\/strong><\/td>Fontes de erro em modelos preditivos
M\u00e9tricas de avalia\u00e7\u00e3o. classifica\u00e7\u00e3o: matriz de confus\u00e3o, acur\u00e1cia, precis\u00e3o, revoca\u00e7\u00e3o, F1-score e curva ROC. regress\u00e3o: mean absolute error (MAE), mean square error (MSE), root mean square error (RMSE) e coeficiente de determina\u00e7\u00e3o (R2)
valida\u00e7\u00e3o e avalia\u00e7\u00e3o de modelos preditivos (treino\/valida\u00e7\u00e3o\/teste, valida\u00e7\u00e3o cruzada), vi\u00e9s e vari\u00e2ncia, underfitting e overfitting.
T\u00e9cnicas de regulariza\u00e7\u00e3o: penaliza\u00e7\u00e3o da complexidade, dropout, early stopping<\/td>		S\u00e1bado, 24\/12, 8h30<\/td><\/tr>
Aula 03<\/strong><\/td>Otimiza\u00e7\u00e3o de hiperpar\u00e2metros: grid, random, bayesian search
Separabilidade de dados; Ensemble
Tratamento de dados para ML: normaliza\u00e7\u00e3o num\u00e9rica, discretiza\u00e7\u00e3o (codifica\u00e7\u00e3o de dados categ\u00f3ricos), balanceamento de classes, dados ausentes, outliers<\/td>		S\u00e1bado 7\/1, 8h30<\/td><\/tr>
Aula 04<\/strong><\/td>Processamento de linguagem natural (PLN): tarefas t\u00edpicas, representa\u00e7\u00e3o de texto, bag-of-words, tf-idf.
Classifica\u00e7\u00e3o de textos, an\u00e1lise de sentimentos, representa\u00e7\u00f5es com n-gramas
Pr\u00e9-processamento: tokeniza\u00e7\u00e3o, stemiza\u00e7\u00e3o, lemmatiza\u00e7\u00e3o, remo\u00e7\u00e3o de stopwords<\/td>		Segunda, 9\/1, 8h30<\/td><\/tr>
Aula 05<\/strong><\/td>Sem\u00e2ntica vetorial: word embeddings (word2vec, GloVe, FastText), CBOW e skip gram.
Redu\u00e7\u00e3o de dimensionalidade
Modelagem de t\u00f3picos: LDA, NMF<\/td>		Quarta 11\/1, 8h30<\/td><\/tr>
Aula 06<\/strong><\/td>Aprendizado N\u00e3o Supervisionado
Redu\u00e7\u00e3o de Dimensionalidade: sele\u00e7\u00e3o de vari\u00e1veis, fatora\u00e7\u00e3o de matrizes, PCA
Agrupamento (clustering): K-Means, DBSCAN, (mistura de gaussianas)<\/td>		S\u00e1bado, 14\/1, 8h30<\/td><\/tr>
Aula 07<\/strong><\/td>Regras de associa\u00e7\u00e3o: Apriori
Sistemas de recomenda\u00e7\u00e3o
Detec\u00e7\u00e3o de anomalias<\/td>		Segunda, 16\/1, 8h30<\/td><\/tr>
Aula 08<\/strong><\/td>Deep Learning: defini\u00e7\u00f5es, arquiteturas, particularidades em rela\u00e7\u00e3o ao ML cl\u00e1ssico
Vis\u00e3o Computational com Deep Learning: convolu\u00e7\u00e3o, classifica\u00e7\u00e3o de imagens, detec\u00e7\u00e3o de objetos, segmenta\u00e7\u00e3o
PLN com Deep Learning: RNN, LSTM, Transformers<\/td>		Quarta 18\/1, 8h30<\/td><\/tr>
Aula 09<\/strong><\/td>Ciclo de vida de Minera\u00e7\u00e3o de Dados: CRISP-DM
Governan\u00e7a de Dados: conceito, tipos (centralizada, compartilhada e colegiada).
Pap\u00e9is dos envolvidos em projetos de Ci\u00eancia de dados
Stack de software: python, pandas, scikit-learn, Tensor Flow e Keras, PyTorch<\/td>		Quarta, 01.02, 8h30<\/td><\/tr>
Aula 10<\/strong><\/td>Linguagens de programa\u00e7\u00e3o para ci\u00eancia de dados: linguagens Python e R.
Similaridades e especificidades. Sintaxe. Principais comandos: utilizados x cobrados<\/td>		S\u00e1bado 04.02, 8h30<\/td><\/tr>
Aula 11<\/strong><\/td>Conceitos de Analytics
Computa\u00e7\u00e3o em nuvens e MLOps
Big Data: em rela\u00e7\u00e3o a outras disciplinas, papeis dos envolvidos em projetos, arquitetura, modelos de entrega e distribui\u00e7\u00e3o de servi\u00e7os, plataformas de computa\u00e7\u00e3o em nuvem<\/td>		S\u00e1bado 11.02, 8h30<\/td><\/tr>
Aula 12<\/strong><\/td>Bancos de dados n\u00e3o relacionais: bancos de dados NoSQL; Modelos Nosql. Principais SGBD\u2019s. Solu\u00e7\u00f5es para Big Data.
S\u00edntese dos Conceitos Fundamentais de Flu\u00eancia em Dados
An\u00e1lise do padr\u00e3o de cobran\u00e7a de conte\u00fado em concursos
[Ajuste em fun\u00e7\u00e3o do andamento]<\/td>		S\u00e1bado 18.02 25\/1, 8h30<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Para mais detalhes do concurso Receita<\/a> Federal, cujo <\/em>certame est\u00e1 com as inscri\u00e7\u00f5es abertas, acesse o link abaixo. Preparamos um artigo completo, separado por t\u00f3picos, para facilitar a sua compreens\u00e3o:<\/em><\/p>\n\n\n\n

Saiba mais: concurso Receita Federal<\/a><\/strong><\/p>\n\n\n\n

\n\n\n\n

Pacote completo, Passo Estrat\u00e9gico e Pacota\u00e7o com 30% de desconto at\u00e9 o dia 12 de dezembro de 2022<\/a>. N\u00e3o perca!<\/strong><\/p>\n\n\n\n

\n
\n\n
\n
\n

Receita Federal<\/h3>\n

Conhe\u00e7a os cursos<\/p>\n

\n Conhe\u00e7a mais<\/a>\n <\/div>\n <\/div>\n \n <\/div>\n\n <\/div>\n<\/div>\n\n\n\n

Quer saber tudo sobre concursos previstos?
Confira nossos artigos!<\/h2>\n\n\n\n