O Concurso Receita Federal, um dos certames mais aguardados dos últimos anos, já teve seu edital publicado e está com as inscrições abertas!
Vale lembrar que São 699 vagas imediatas ofertadas para nível de formação superior com salários iniciais que chegam a R$ 21 mil! . Os cargos em disputa são Auditor Fiscal e Analista Tributário.
Pensando na sua preparação, montamos um curso exclusivo sobre um dos assuntos do Concurso Receita Federal, a Fluência de Dados. Serão 13 aulas sobre os mais diversos tópicos para deixar você bem informado!
O evento Curso Exclusivo de Fluência em Dados para a Receita Federal – Prof. Erick Muzart começa nessa segunda-feira, 19 de dezembro, às 8h30 e segue até fevereiro de 2023. Confira a programação completa:
| AULAS | TÓPICOS ABORDADOS | DATA |
| Aula 00 | “Fluência em Dados” no concurso da Receita Ciência de Dados em concursos recentes (TCU, CGU, Petrobras, TJDFT, Serpro, SEFAZ-MG). Conteúdo básico: Machine Learning (ML), Processamento de Liguagem Natural (PLN) e tratamento de dados para ML. Conceitos fundamentais de ML. Intuição dos princípios e vocabulário básico. Formas como o conhecimento de ML tende a ser cobrado em provas objetivas de concursos. Compreensão aprofundada dos conceitos essenciais. Elementos de python serão apresentados para apoiar a apresentação das técnicas de ML | Segunda, 19/12, 8h30 |
| Aula 01 | Tipos de Aprendizado: Supervisionado, Não-Supervisionado, Por Reforço Aprendizado Supervisionado: classificação e regressão Modelos preditivos mais comuns: lineares (regressão linear e logística, regularização Ridge e Lasso), K-NN, Naive Bayes, árvores de decisão (Random Forest e Gradient Boosting) Redes neurais feed-forward: perceptron, funções de ativação, multi layer perceptron, otimização: gradiente descendente, backpropagation, inicialização de pesos | Quarta, 21/12, 8h30 |
| Aula 02 | Fontes de erro em modelos preditivos Métricas de avaliação. classificação: matriz de confusão, acurácia, precisão, revocação, F1-score e curva ROC. regressão: mean absolute error (MAE), mean square error (MSE), root mean square error (RMSE) e coeficiente de determinação (R2) validação e avaliação de modelos preditivos (treino/validação/teste, validação cruzada), viés e variância, underfitting e overfitting. Técnicas de regularização: penalização da complexidade, dropout, early stopping | Sábado, 24/12, 8h30 |
| Aula 03 | Otimização de hiperparâmetros: grid, random, bayesian search Separabilidade de dados; Ensemble Tratamento de dados para ML: normalização numérica, discretização (codificação de dados categóricos), balanceamento de classes, dados ausentes, outliers | Sábado 7/1, 8h30 |
| Aula 04 | Processamento de linguagem natural (PLN): tarefas típicas, representação de texto, bag-of-words, tf-idf. Classificação de textos, análise de sentimentos, representações com n-gramas Pré-processamento: tokenização, stemização, lemmatização, remoção de stopwords | Segunda, 9/1, 8h30 |
| Aula 05 | Semântica vetorial: word embeddings (word2vec, GloVe, FastText), CBOW e skip gram. Redução de dimensionalidade Modelagem de tópicos: LDA, NMF | Quarta 11/1, 8h30 |
| Aula 06 | Aprendizado Não Supervisionado Redução de Dimensionalidade: seleção de variáveis, fatoração de matrizes, PCA Agrupamento (clustering): K-Means, DBSCAN, (mistura de gaussianas) | Sábado, 14/1, 8h30 |
| Aula 07 | Regras de associação: Apriori Sistemas de recomendação Detecção de anomalias | Segunda, 16/1, 8h30 |
| Aula 08 | Deep Learning: definições, arquiteturas, particularidades em relação ao ML clássico Visão Computational com Deep Learning: convolução, classificação de imagens, detecção de objetos, segmentação PLN com Deep Learning: RNN, LSTM, Transformers | Quarta 18/1, 8h30 |
| Aula 09 | Ciclo de vida de Mineração de Dados: CRISP-DM Governança de Dados: conceito, tipos (centralizada, compartilhada e colegiada). Papéis dos envolvidos em projetos de Ciência de dados Stack de software: python, pandas, scikit-learn, Tensor Flow e Keras, PyTorch | Quarta, 01.02, 8h30 |
| Aula 10 | Linguagens de programação para ciência de dados: linguagens Python e R. Similaridades e especificidades. Sintaxe. Principais comandos: utilizados x cobrados | Sábado 04.02, 8h30 |
| Aula 11 | Conceitos de Analytics Computação em nuvens e MLOps Big Data: em relação a outras disciplinas, papeis dos envolvidos em projetos, arquitetura, modelos de entrega e distribuição de serviços, plataformas de computação em nuvem | Sábado 11.02, 8h30 |
| Aula 12 | Bancos de dados não relacionais: bancos de dados NoSQL; Modelos Nosql. Principais SGBD’s. Soluções para Big Data. Síntese dos Conceitos Fundamentais de Fluência em Dados Análise do padrão de cobrança de conteúdo em concursos [Ajuste em função do andamento] | Sábado 18.02 25/1, 8h30 |
Para mais detalhes do concurso Receita Federal, cujo certame está com as inscrições abertas, acesse o link abaixo. Preparamos um artigo completo, separado por tópicos, para facilitar a sua compreensão:
Saiba mais: concurso Receita Federal
Pacote completo, Passo Estratégico e Pacotaço com 30% de desconto até o dia 12 de dezembro de 2022. Não perca!