SEFAZ-MG (Auditor Fiscal - Tecnologia da Informação) Passo de Ciências de Dados

Aula demonstrativa disponível
Download liberado

Na hora da prova, um dos principais motivos de não lembrarmos do que foi estudado é a falta de revisões do conteúdo. Deixamos de acertar várias questões por ter dado "branco" no momento do exame.

O Passo Estratégico é um MÉTODO PODEROSO DE REVISÃO E TREINO DE SIMULADOS

Benefícios:

  1. Ajudar na memorização do conteúdo
  2. Eventualmente ajudar a compreender melhor alguns pontos da matéria
  3. Priorizar os assuntos mais cobrados pela banca

Os PDFs do Passo Estratégico são enxutos, com poucas páginas, contendo:

  1. orientações de estudo e exposição dos pontos mais importantes do conteúdo
  2. questões comentadas da banca específica do concurso
  3. análise estatística dos assuntos
  4. simulados de questões inéditas no estilo da banca

ATENÇÃO: é possível que alguma matéria não seja abordada no pacote do PassoEstratégico, em razão de ser um produto novo. Mesmo assim, serão envidados todos os esforços para incluir eventuais matérias faltantes, sem qualquer ônus aos alunos.

Tal observação diz respeito apenas ao Passo Estratégico, não aos Pacotes Completos, que incluem sim todas as matérias.

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$ 147,00
ou 12x de R$ 12,25
Certificado
Ao final do curso receba um certificado de conclusão
Cronograma
Vendas até: 15/12/2024
Acesso até o dia da prova.
Carga Horária
46 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

1. Aprendizado de máquina supervisionado (técnicas de classificação e técnicas de regressão)
Disponível
Análise Estatística.
Disponível
2. Aprendizado não supervisionado (técnicas de agrupamento, redução de dimensionalidade, técnicas de associação)
Disponível
Simulado.
Disponível
3. Sistemas de recomendação.
Disponível
4. Processamento de linguagem natural (PLN).
Disponível
Simulado.
Disponível
5. Visão computacional e Deep Learning.
Disponível
Big Data. Fundamentos. Tipos de dados: estruturados, semiestruturados e não estruturados. Conceito dos cinco Vs. Fluxo de big data: ingestão, processamento e disponibilização. Armazenamento de big data. Pipeline de dados.
Disponível
Simulado.
Disponível
7. Conceito de data lake. ETL X ELT. Soluções de big data. Arquiteturas de big data.
Disponível
8. Tratamento de dados. Normalização numérica. Discretização. Tratamento de dados ausentes. Tratamento de outliers e agregações.
Disponível
Simulado.
Disponível
9. Ingestão de dados. Conceito de ingestão de dados. Ingestão de dados estruturados, semiestruturados e não estruturados. Ingestão de dados em lote (batch). Ingestão de dados em streaming. Ingestão de dados full × incremental. Ingestão de dados CDC (change data capture).
Disponível
10. Processamento de dados. Conceitos de processamento massivo e paralelo. Processamento em lote (batch). Processamento em tempo real (real time). Processamento MapReduce.
Disponível
Simulado.
Disponível
11. Linguagens de programação: R.
Disponível
12. Linguagens de programação Python.
Disponível
Simulado.
Disponível
13. Frameworks: Scala. Java. Spark (PySpark, Scala e Java). Pandas. Scikit-learn. TensorFlow. PyTorch. Keras. NLTK.
Disponível
14. Qualidade de dados. Conceitos e definições. Dimensões da qualidade de dados (visão DMBOK). Principais técnicas em qualidade de dados. Profiling. Matching. Deduplicação. Data cleansing. Enriquecimento. Boas práticas para adoção da qualidade de dados. Processos de qualidade para modelos de dados.
Disponível
Simulado.
Disponível
Simulado final.

Aulas demonstrativas