Língua Portuguesa: Compreensão de textos. Ortografia oficial. Mecanismos de coesão textual. Significação das palavras. Emprego de tempos e modos verbais. Emprego das classes de palavras. Coordenação e de subordinação. Emprego dos sinais de pontuação. Concordância verbal e nominal. Regência verbal e nominal. Emprego do sinal indicativo de crase. Colocação dos pronomes átonos.

Língua Inglesa: Compreensão de texto escrito em língua inglesa. Itens gramaticais relevantes para a compreensão dos conteúdos semânticos

Conhecimentos Especifícos: MATEMÁTICA: Cálculo Básico: funções; limites; derivadas; derivadas parciais; máximos e mínimos; integrais. Álgebra Linear: vetores e matrizes; operações com vetores e matrizes; tipos de matrizes; transformações lineares; espaços e subespaços vetoriais de Rn; sistemas de equações lineares; normas (L1, L2, infinita, p-generalizada, Minkowski e Chebyshev); autovalores e autovetores; decomposição matricial (Cholesky e Singular Value Decomposition – SVD). PROBABILIDADE E ESTATÍSTICA: Fundamentos de probabilidade: definições básicas de probabilidade; axiomas; probabilidade condicional. Variáveis aleatórias e distribuições de probabilidades: variáveis aleatórias; funções de probabilidade; principais distribuições discretas e contínuas (Uniforme, Binomial, Normal, Poisson, Bernoulli e Exponencial). Estatísticas Descritivas: medidas de tendência central (média, mediana e moda); medidas de dispersão (variância, desvio padrão e amplitude); medidas de posição (percentis e quartis). Teoremas fundamentais da probabilidade: independência de eventos; teorema de Bayes; teorema da probabilidade total; lei dos grandes números; teorema central do limite. Distribuições amostrais: distribuição amostral da média; distribuição amostral da proporção; distribuição qui-quadrado; distribuição t de Student; distribuição F. Inferência estatística: estimação pontual e intervalar; intervalos de confiança; testes de hipóteses (formulação, tipos de erros e poder do teste); testes z e t para médias; testes de proporções; testes qui-quadrado para independência e ajuste de Goodness-of-Fit; teste A/B. Correlação: correlação e causalidade; correlação de Pearson; correlação de Spearman; correlação parcial. DADOS E BASES DE DADOS: Conceitos fundamentais de dados, informação e conhecimento; dados qualitativos (nominal, ordinal) e quantitativos (discretos, contínuos); tidy data; formatos de arquivos de dados comuns (txt, csv, xlsx, xml e json). Introdução a Bases de Dados: o que são bases de dados; metadados. Introdução ao armazenamento de dados: armazenamento de arquivos; principais estruturas de armazenamento de dados analíticos (data warehouse, data mart, data lake, data lakehouse), suas diferenças conceituais e casos de uso; armazenamento na nuvem. Sistemas Gerenciadores de Base de Dados (SGBDs): definição de SGBD; principais funções; principais tipos de SGBDs (SQL e NoSQL) e suas diferenças; transações e índices; controle de acesso; regras de integridade. Modelo de dados: modelo de entidade-relacionamento (ER); modelo relacional: tabelas, esquemas, chaves (primária e estrangeira), consultas; dados estruturados, semiestruturados e não estruturados; modelo chave-valor; modelo colunar; modelo orientado a documentos; modelo orientado a grafos. Big Data: conceito de big data; conceitos gerais sobre técnicas e ferramentas para lidar com grandes volumes de dados (Spark, Hadoop, Parquet, HDFS e MapReduce). GESTÃO DE PROJETOS DE CIÊNCIA DE DADOS: Ciclo de vida de projetos de ciência de dados. Metodologias de gestão de projetos de ciência de dados: CRISP-DM, Microsoft Team Data Science Process (TDSP), OSEMN; princípios de métodos ágeis (Scrum/Kanban). QUALIDADE E PREPARAÇÃO DE DADOS: Metadados: a sua importância para avaliação da qualidade de dados; linhagem de dados. Coleta de dados: fontes comuns de dados (internas e externas); técnicas de web scraping. Problemas comuns de qualidade de dados: valores ausentes; duplicatas; outliers; desbalanceamento; erros de imputação. Preparação de dados: técnicas de tratamento e limpeza de dados; técnicas de detecção de vieses; data profiling. Pré-processamento de dados: técnicas de normalização e padronização; discretização; metodologias de codificação de variáveis categóricas (encoding). Feature engineering: processos para enriquecimento de dados, com criação e seleção de features relevantes; transformações matemáticas e estatísticas comuns em variáveis. Divisão de dados: técnicas de amostragem; divisão entre treinamento, validação e teste; abordagens para cross-validation. MODELAGEM: Pipeline de treinamento de modelos e suas etapas. Otimização de hiperparâmetros: grid search; random search; algoritmos de otimização avançados; AutoML; autotuning; autofeature engineering. Métricas para avaliação e seleção de modelos: métricas para regressão (MSE, RMSE, MAE, R², R² ajustado); métricas para classificação (accuracy, precision, recall, F1-score e ROC-AUC); análise de matriz de confusão; trade-off entre viés e variância; detecção de overfitting e underfitting. Técnicas de regularização: lasso; ridge; elastic net; dropout; early stopping; batch normalization. Dados desbalanceados: técnicas para lidar com dados desbalanceados; oversampling; undersampling; dados sintéticos; ajuste de pesos. Validação de Modelos: K-fold cross-validation; leave-one-out cross-validation; bootstrap. Modelagem de IA centrada em dados (data-centric). CLASSES DE MODELOS: Redução de dimensionalidade: Principal Component Analysis (PCA); LDA; ICA; T-SNE; uso de autoencoders. Técnicas de clusterização: K-Means; agrupamento hierárquico; Gaussian Mixture Models; DBSCAN. Técnicas de classificação: Regressão logística; K-Nearest Neighbors (KNN); Support Vector Machines (SVM); Decision Trees (CART); classificadores Naive-Bayes (Binomial-Beta, Poisson-Gama, Normal-Normal); Florestas Aleatórias (Random Forest). Introdução à regressão: regressão linear simples e múltipla; hipóteses clássicas, método dos mínimos quadrados, diagnóstico e avaliação de modelos de regressão (F-test, coeficiente de determinação, análise de resíduos e demais), testes de significância, intervalos de confiança, análise ANOVA, modelos não lineares (log-log, lin-log, log-lin e inverso). Ensembling de modelos: bagging; boosting (AdaBoost, Gradient Boosting, XGBoost, LightGBM e CatBoost); stacking. Sistemas de recomendação: filtragem colaborativa (baseadas em usuários ou itens); filtragem baseada em conteúdo; sistemas híbridos; problemas comuns (cold start, escalabilidade, data sparsity). Modelos de séries temporais: definição; componentes (tendência, sazonalidade, ciclos e ruído); autocorrelação e autocorrelação parcial; conceito e testes de estacionaridade; cointegração; modelos AR, ARMA e ARIMA; modelos de suavização exponencial; modelos de decomposição; modelos de regressão com variáveis temporais (ARIMAX). Tópicos em regressão: modelos de dados em painel; GLM; regressão espacial; regressão quantílica; regressão de Poisson; modelos VAR; ECM e GARCH. Introdução a modelos causais: fundamentos de causalidade estatística, experimentos e quase-experimentos, desenho de descontinuidade de regressão, modelos de variáveis instrumentais, diferenças em diferenças, métodos de pareamento. Redes neurais: introdução a Redes Neurais Artificiais (arquitetura, funções de ativação, treinamento, forward pass, backpropagation, loss functions, algoritmos de otimização, épocas, batch size e demais); embeddings; redes profundas (deep learning); Redes Neurais Convolucionais (CNNs) e Recorrentes (RNNs); LSTM; GRU; GAN; modelos multimodais. PROCESSAMENTO DE LINGUAGEM NATURAL (NLP): Técnicas de pré-processamento de texto: limpeza; normalização; remoção de stop words; stemming; lematização e demais. Representação de texto: N-grams; CBoW; TF-IDF; word embeddings (Word2Vec, GloVe e demais) e document embeddings (Doc2Vec, BERT, ELMo e demais). Modelagem de tópicos: latent dirichlet allocation (LDA); non-negative matrix factorization (NMF). Modelos de linguagem: modelos de linguagem tradicionais; redes neurais recorrentes; redes neurais convolucionais; transformers. Tarefas básicas em NLP: classificação de texto; análise de sentimento; extração de informação (NER; REL); similaridade textual; sumarização de texto; rotulação de partes do discurso (POS-tagging) e tradução automática. PROGRAMAÇÃO E FERRAMENTAS: Linguagem de programação Python: sintaxe básica; operadores; variáveis; estruturas de dados (dataframes, listas, matrizes, dicionários e conjuntos); estruturas de controle de fluxo; funções; escopo; método; paralelização de rotinas; serialização e desserialização. Bibliotecas Python: Pandas (manipulação, limpeza, transformação e pré-processamento de dados); NumPy (operações de arrays); Matplotlib e Seaborn (visualização de dados); TensorFlow, Keras e PyTorch (redes neurais); Scikit-learn e XGBoost (aprendizado de máquina); NLTK e spaCy (processamento de linguagem natural); Hugging Face (LLM); PySpark (Big Data); Beautiful Soup (web scraping); Streamlit (data apps). Linguagem SQL (Structured Query Language): conceitos introdutórios; comandos básicos para consultas (inserção, atualização e exclusão de dados) e para análise de dados (como funções de agregação, filtros, joins, subconsultas e demais). Microsoft Power BI: conexão e importação de dados; modelagem de dados; criação de medidas e colunas calculadas; visualizações e gráficos; interações entre visualizações; criação de relatórios e painéis. VISUALIZAÇÃO, STORYTELLING E COMUNICAÇÃO CORPORATIVA: Principais tipos de visualizações e gráficos: tabela; gráfico de barras; linhas; pizza; dispersão; histograma; área; boxplot; bolhas; radar; mapas cartográficos; mapa de calor. Visualização de dados: princípios de design de gráficos efetivos; principais conceitos de codificação visual; interatividade; acessibilidade em gráficos. Dashboards: técnicas para construção de interfaces e layout; abordagens para escolha de designs; organização de elementos visuais e gráficos; seleção de gráficos e visualizações; interatividades e drill-downs; acessibilidade. Storytelling com dados: construção de narrativas visuais e contextualizações; componentes de um storytelling efetivo. GOVERNANÇA E SEGURANÇA DE DADOS: Noções de governança de dados (DMBOK): conceitos e objetivos da governança de dados; principais técnicas de qualidade e integridade de dados; princípios de privacidade e proteção a dados. GOVERNANÇA, SEGURANÇA E APLICAÇÃO RESPONSÁVEL DE IA: Noções de governança de IA: conceitos e objetivos da governança de IA; gestão de riscos em IA. Principais riscos e vulnerabilidades relacionados à IA: viés algorítmico; exposição de dados sensíveis; envenenamento de dados de treinamento; ataques adversariais; ataques de manipulação de modelos; roubo de modelos; ataque de inferência; alucinações. Aplicação de IA responsável: definição; ética; transparência; justiça e equidade; responsabilização; segurança cibernética; compliance regulatório.