MP-ES (Agente Especializado - Cientista de Dados e Inteligência de Negócios) Banco de Dados e Ciência de dados - 2026 (Pós-Edital)

Aula demonstrativa disponível
Download liberado

NÃO SERÁ ABORDADO:

  • 4. Probabilidade e Álgebra Linear para Ciência de Dados. Variáveis aleatórias, distribuições (Normal, Poisson, Binomial), autovalores e autovetores, decomposição SVD, operações com vetores e matrizes, normas L1/L2. 5. Análise Estatística e Inferência. Teste de hipótese, intervalos de confiança, correlação, análise de variância, estatística descritiva e inferência Bayesiana. 9. Geoprocessamento e Análise Espacial. Análise espacial com coordenadas, camadas vetoriais e raster, geocodificação, mapas temáticos, uso de QGIS, geopandas. Shiny. uso de ferramentas como  Metabase, Superset; integração com data lakes. gráficos com ggplot2, Superset ou Metabase.
     
Garantia de Satisfação OU SEU DINHEIRO DE VOLTA
Se você, dentro do período de 30 dias não estiver satisfeito, nós devolveremos seu dinheiro
Veja as regras
R$ 374,00
ou 12x de R$ 31,17
Certificado
Ao final do curso receba um certificado de conclusão
Cronograma
Vendas até: 07/06/2026
Acesso até o dia da prova.
Carga Horária
126 horas
Garantia de Satisfação OU SEU DINHEIRO DE VOLTA
Se você, dentro do período de 30 dias não estiver satisfeito, nós devolveremos seu dinheiro
Veja as regras

Conteúdo do curso

Disponível
Banco de Dados Relacionais. Modelagem ER, normalização, triggers, procedures, views.
Baixar
Disponível
Data Warehousing e Business Intelligence. ETL/ELT.
Baixar
Disponível
Modelagem dimensional, OLAP
Baixar
Disponível
Visualização e Storytelling com Dados. Dashboards interativos (Power BI), narrativa baseada em dados e relatórios executivos.
Baixar
Disponível
Aprendizado de Máquina
Baixar
Disponível
Aprendizado de Máquina Supervisionado. Validação cruzada, overfitting e underfitting, otimização de hiperparâmetros.
Baixar
Disponível
Aprendizado de Máquina Supervisionado. Regressão linear/logística, árvores de decisão, Random Forest, SVM, Naive Bayes, K-NN, ensembles;
Baixar
Disponível
Aprendizado de Máquina Não Supervisionado. PCA, clustering (K-means, hierárquico), regras de associação, análise de similaridade; técnicas de redução de dimensionalidade.
Baixar
Disponível
Métricas de avaliação.
Disponível
Redes Neurais e Deep Learning. Perceptron, redes multicamadas (MLP), técnicas de regularização (dropout, batch norm), funções de ativação, retropropagação.
Baixar
Disponível
Otimização com TensorFlow, Keras e PyTorch.

Aulas demonstrativas