Polícia Federal (Perito Criminal - Área 1: Contábil-Financeira) Conhecimentos Específicos (item 19)

Aula demonstrativa disponível
Download liberado

O tópico a seguir já é abordado no curso de Informática:

Linguagem Python (Sintaxe, Variáveis, Tipos de dados e estruturas de controle de fluxo). Estruturas de dados (Funções e arquivos).

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$ 110,00
ou 12x de R$ 9,17
Certificado
Ao final do curso receba um certificado de conclusão
Cronograma
Vendas até: 15/12/2026
Acesso até o dia da prova.
Carga Horária
45 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

Análise de Dados. Dados estruturados e não estruturados (Dados abertos, Coleta, tratamento, armazenamento, integração e recuperação de dados). Processos de ETL.
Disponível em 25/03/2026
Representação de dados Numéricos, textuais e estruturados; aritmética computacional). Formatos e tecnologias: XML, JSON, CSV
Disponível em 01/04/2026
Exploração de dados (Conceituação e características). Técnicas para pré-processamento de dados. Técnicas e tarefas de mineração de dados. Classificação. Regras de associação. Análise de agrupamentos (clusterização). Detecção de anomalias. Modelagem preditiva. (Parte 1)
Baixar
Disponível em 08/04/2026
Exploração de dados (Conceituação e características). Técnicas para pré-processamento de dados. Técnicas e tarefas de mineração de dados. Classificação. Regras de associação. Análise de agrupamentos (clusterização). Detecção de anomalias. Modelagem preditiva. (Parte 2)
Disponível em 15/04/2026
Conceitos de PLN (Semântica vetorial, Redução de dimensionalidade, Modelagem de tópicos latentes, Classificação de textos, Análise de sentimentos, Representações com n-gramas).
Baixar
Disponível em 22/04/2026
Conceitos de ML (Fontes de erro em modelos preditivos, Validação e avaliação de modelos preditivos). Underfitting e overfitting (Técnicas de regularização, Otimização de hiperparâmetros, Separabilidade de dados, Redução da dimensionalidade). Modelos de Machine Learning (Modelos lineares, Árvores de decisão, Redes neurais feed-forward, Classificador Naive Bayes).
Baixar

Aulas demonstrativas