Mais Detalhes:

1. Curso baseado na Edital nº 1/2024;

2. Serão abordados os tópicos mais relevantes de cada disciplina (não necessariamente todos), a critério de cada um dos professores;

3. As videoaulas eventualmente ainda não disponibilizadas serão acrescidas de modo gradativo e em conformidade com o cronograma de gravação dos respectivos professores. Periodicamente, divulgamos o cronograma referente aos novos vídeos a serem disponibilizados;

4. Não serão ministrados os seguintes tópicos do Edital: Fiscalização de contratos de TI: 2.3 Instrução Normativa SEGES/ME 65/2021. Armazenamento de Dados: 7 Conceitos de Base de dados de Vetores (Vector databases) e busca por similaridade (Hierarchical Navigable Small World - HNSW). 2 Armazenamento orientado a objeto: S3, CEPH. Análise de Dados e Informações: 1 Dado, informação, conhecimento e inteligência: Conceitos e definições. Hierarquia da informação. 6 Storytelling. Aprendizagem de Máquina: 7 Sistemas de Recomendação: Filtragem Colaborativa, Filtragem Baseada em Conteúdo e Singular Value Decomposition (SVD). Large Language Models (LLMs): 1 Arquitetura de modelos LLMs: Transformers, BERT, GPT, T5; 2 Treinamento e Fine-tuning de LLMs. 3 Aplicações de LLMs: Geração de Texto, Resposta a Perguntas, Compreensão de Texto, Retrieval-Augmented Generation (RAG) e construção de Agentes. Governança e Gestão de TI: 2 Governança e gestão de TI com base no COBIT 5. 3 Gestão e Planejamento Estratégico. 3.1 O ciclo do planejamento em organizações (PDCA). 3.2 Balanced Scorecard (BSC): principais conceitos, aplicações, mapa estratégico, referencial estratégico das organizações. 3.3 Análise de ambiente interno e externo. 3.5 Negócio, missão, visão de futuro, valores. 3.6 Indicadores de desempenho. 3.7 Plano Estratégico Institucional. Tratamento de Dados: 1 Normalização numérica: Padronização, z-score, min-max scaling. 2 Discretização: Equal width, equal frequency, k-means. 3 Tratamento de dados ausentes: Imputation: média, mediana, KNN. Remoção de dados inconsistentes. 4 Tratamento de outliers e agregações: Detecção de outliers: IQR, boxplot. Métodos de agregação: média, mediana, quartis.

5.  Informamos que, visando à melhor compreensão e absorção dos conteúdos previstos no seu Edital, as videoaulas referentes a determinadas disciplinas foram organizadas com base na lógica didática proposta pelo(a) docente responsável e não de acordo com a ordem dos tópicos apresentada no conteúdo programático do certame.

O rol de professores poderá sofrer acréscimos ou substituições por motivos de força maior, ficando a cargo do Gran Cursos Online as devidas modificações.

AULAS EM PDF AUTOSSUFICIENTES:

1. Conteúdo produzido por mestres especializados na leitura como recurso didático completo.
2. Material prático que facilita a aprendizagem de maneira acelerada.
3. Exercícios comentados.
4. Não serão ministrados em PDF: Em Governança, Aquisição de Bens e Serviços, Gestão e Fiscalização de TI: Negócio, missão, visão de futuro, valores. Indicadores de desempenho. Plano Estratégico Institucional. Aquisições de bens e serviços de TI: 1 Legislação aplicável a contratações de TI. Sistema de Registro de Preços. Fiscalização de contratos de TI: Gestão de contratação de soluções de TI. Legislação aplicável à contratação de bens e serviços de TI e suas alterações: Instrução Normativa SGD/ME 01/2019; Instrução Normativa SEGES/ME 65/2021. Elaboração e fiscalização de contratos de Tecnologia da Informação: Critérios de remuneração por esforço versus produto; Cláusulas e indicadores de nível de serviço; Papel do fiscalizador do contrato; Papel do preposto da contratada; Acompanhamento da execução contratual; Registro e notificação de irregularidades; Definição e aplicação de penalidades e sanções administrativas; Contratações de serviços de TI baseadas em Unidade de Serviço Técnico – UST, em Pontos de Função – PF, e em postos de trabalho com níveis de serviço.
Em Noções de Segurança da Informação: controle de acesso; autenticação; segurança física e lógica; identificação, autorização e autenticação; gestão de identidades; métricas e indicadores em segurança da informação. Principais algoritmos. Conceitos de hardening. Políticas de senhas, patches, vulnerabilidades em serviços. Lei nº 12.965/2014 (Marco Civil da Internet).
Em Teoria e Prática de Banco de Dados: Instalação, administração e configuração; Transações de bancos de dados.
Em Conhecimentos Específicos Avançados: Imputation: média, mediana, KNN. Remoção de dados inconsistentes. Detecção de outliers: IQR, boxplot. Métodos de agregação: média, mediana, quartis. Armazenamento de Dados: Sistemas de arquivos distribuídos: HDFS. Armazenamento orientado a objeto: S3, CEPH. Banco de dados NoSQL orientado a grafos: Neo4J. Banco de dados NoSQL orientado a documentos: MongoDB. Bancos de dados relacionais: Microsoft SQL Server, MySQL e PostgreSQL. Sistemas de indexação: ElasticSearch. Conceitos de Base de dados de Vetores (Vector databases) e busca por similaridade (Hierarchical Navigable Small World - HNSW). Conceitos da governança de dados: Accountability, transparency, quality, integrity. Visão geral do guia DAMA-DMBOK: Áreas de conhecimento, elementos ambientais, atividades da gestão de dados. Documentos da governança de dados: Políticas, normas, procedimentos. Qualidade de Dados: Acurácia, completude, consistência, integridade, validade. Catálogo de dados e gerenciamento de metadados. Linhagem de dados. Aplicação da ABNT NBR ISO/IEC 38500 à governança de dados. Ingestão de Dados: Ingestão de Dados: Estruturados, Semiestruturados e Não Estruturados; em Lote (Batch); Streaming; Full x Incremental; CDC (Change Data Capture) e MapReduce. Fluxo de Big Data. Pipeline de Dados. Processamento Distribuído. Probabilidade e Estatística: Probabilidade e Probabilidade Condicional. Independência de Eventos, Regra de Bayes e Teorema da Probabilidade Total. Variáveis Aleatórias e Funções de Probabilidade. Principais Distribuições de Probabilidade Discretas e Contínuas: distribuição uniforme, distribuição de Bernoulli, distribuição binomial, distribuição multinomial e distribuição normal. Medidas de Tendência Central: média (aritmética, ponderada, geométrica e harmônica), mediana e moda. Medidas de Dispersão: amplitude, variância, desvio padrão e coeficiente de variação. Coeficiente de Correlação de Pearson. Teorema Central do Limite. Distribuição Normal. Modelos Probabilísticos: modelos de Markov, filtros de Kalman e redes bayesianas. Testes de Hipóteses: teste-z, teste-t, valor-p, testes para uma amostra, testes de comparação de duas amostras, ANOVA, teste de normalidade (chi square) e intervalos de confiança. Histogramas e Curvas de Frequência. Avaliação de Outliers. Amostragem Aleatória simples, estratificada, sistemática e por conglomerados. Visualização e Análise Exploratória de Dados. Ferramentas de Criação de Dashboards (PowerBI). Storytelling. Técnicas de Classificação: Naive Bayes, Regressão logística, Árvores de decisão e florestas aleatórias (random forest), Máquinas de vetores de suporte (SVM – support vector machines), K vizinhos mais próximos (KNN – K-nearest neighbours) e Redes neurais artificiais. Técnicas de Regressão: Regressão Linear Simples, Regressão Linear Múltipla, Regressão Polinomial, Regressão Ridge (Ridge Regression), Regressão Lasso (Lasso Regression), Elastic Net Regression, Regressão Logística. Avaliação e métricas de modelos de classificação e regressão. Técnicas de Agrupamento: K-Means, DBSCAN (Density-Based Spatial Clustering of Applications with Noise). Técnicas de Redução de Dimensionalidade: Análise de Componentes Principais (PCA – Principal Component Analysis), Análise de Discriminante Linear (LDA – Linear Discriminant Analysis), Decomposição de Valor Singular (SVD - Singular Value Decomposition). Técnicas de Associação: Apriori e FP-Growth (Frequent Pattern Growth). Sistemas de Recomendação: Filtragem Colaborativa, Filtragem Baseada em Conteúdo e Singular Value Decomposition (SVD). Redes Neurais Artificiais (ANN). Large Language Models (LLMs): Arquitetura de modelos LLMs: Transformers, BERT, GPT, T5; Treinamento e Fine-tuning de LLMs. Aplicações de LLMs: Geração de Texto, Resposta a Perguntas, Compreensão de Texto, Retrieval-Augmented Generation (RAG) e construção de Agentes. Linguagens de Programação e Frameworks: Pandas. Scikit-learn, TensorFlow e PyTorch. LangChain. Spacy e NLTK. FastAPI. Pytest. AsyncIO.