TRF 1ª Região - Tribunal Regional Federal da 1ª Região - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados (Pós-Edital)

Proposta

Ocupar um cargo público de Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados, sem dúvidas, não é uma tarefa fácil. Alcançar a aprovação demanda muito tempo, estudo e esforço pessoal. E é por ter ciência da grandeza de tal desafio que o Gran Cursos Online estará sempre ao seu lado nessa caminhada.

No curso TRF 1ª Região - Tribunal Regional Federal da 1ª Região - Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados, além das nossas já tradicionais videoaulas, com a mais alta qualidade audiovisual do mercado, você contará também com materiais de apoio em PDF das aulas ministradas pelos professores. De se ver, assim, que este é um produto idealizado para de fato concretizar o sonho de muitos profissionais da área de Analista Processual de pertencerem a tal carreira, tão respeitada e cobiçada.

No que se refere ao corpo docente, há de se ressaltar que a grande maioria dos professores que compõem o curso, além de especialistas, mestres e doutores, experientes em suas áreas de conhecimento, fazem parte de cargos próprios das carreiras de Analista Judiciário - Área Apoio Especializado - Especialidade: Análise de Dados.

Dessa forma, o alinhamento e o compromisso com o que há de mais técnico e fundamental para o seu estudo de Pós-Edital estará sempre à sua disposição a partir do curso que ora oferecemos:

✅Nova Plataforma 9.0: inclui muitas inovações, como a escolha entre os modos claro ou escuro, menu simplificado e reestruturação da página de “Meus Cursos”, facilitando o acesso aos cursos salvos.
✅ Abordagem teórica ampla, densa e atualizada de todas disciplinas previstas no Edital;
✅ Organização das videoaulas em estrita obediência aos tópicos do conteúdo programático do Edital;
✅ Seleção minuciosa de professores e conteúdos didáticos;
✅ Gran Questões - vasto banco de questões de concursos públicos de todo o país e Comentários por IA (*exclusivo na Assinatura Ilimitada 9.0);
✅ Gran Audiobooks (* exclusivo na Assinatura Ilimitada);
✅ Novo Cronograma de Estudos: integra videoaulas e PDFs no mesmo cronograma (*exclusivo na Assinatura Ilimitada 9.0);
✅ MAIA - a Inteligência Artificial do Gran (*exclusivo na Assinatura Ilimitada 9.0);
✅ Abordagem teórica ampla, aprofundada e atualizada de todas as disciplinas previstas no Edital de referência
✅ Organização das videoaulas em estrita obediência aos tópicos do conteúdo programático do Edital de referência (conteúdo verticalizado), acompanhadas das respectivas degravações
✅ Seleção minuciosa de professores e conteúdos didático-pedagógicos que aceleram a aprovação
✅ Corpo docente respeitado e experiente
✅Módulo adicional de Aulas Extras e Bônus, composto por reprises de lives do Youtube sobre temas atuais, especialmente selecionados para complementar a sua preparação (*se e quando houver)
✅ Fórum de dúvidas (durante a validade do acesso ao curso)
✅ Apoio pedagógico constante e permanente (durante a validade do acesso ao curso)
✅ Gran Questões – vasto banco de questões de concursos públicos de todo o país.

Mais Detalhes:

1. Curso baseado no EDITAL Nº 1, DE 12 DE JUNHO DE 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. O curso está em fase de estruturação. A coordenação pedagógica, juntamente com toda a equipe de professores, está trabalhando com foco total para uma preparação verdadeiramente completa e efetiva;

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.

6. Não será ministrado: 

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. Os PDF ainda não disponíveis estarão acessíveis de modo gradativo.
5. Não serão ministrados em PDF: Em Linguagens de Programação: O Conhecimento das linguagens: JavaScript, TypeScript, Java NumPy. Pandas. SciPy. Conhecimento dos frameworks e toolkits: React, Angular, jQuery, Spring, Spring Boot, Hibernate e JPA API RESTful e HTTP. Scikit-learn, TensorFlow, PyTorch, NLTK, Matplotlib e Jupyter Notebook. Em Bancos de Dados: Modelo Entidade-Relacionamento Estendido (EER) projeto lógico de banco de dados e projeto físico de banco de dados. Oracle, PostgreSQL, SQL Server e MySQL. Instalação, operação, tunning, manutenção, gerenciamento, backup e restore. Criação e manutenção de views, funções, stored procedures, triggers, segurança. Conexões. Processamento e otimização de consultas. Processamento de transações, controle de concorrência e recuperação. Segurança em bancos de dados. Algoritmos de busca e indexação: sequenciais, árvores, hashing, bitmaps. PL/SQL. Conhecimento da ferramenta Flyway e Pentaho. Banco de dados Distribuídos. Conceitos e propriedades das transações (ACID e BASE). Conhecimento das plataformas MongoDB e ElasticSearch ODS Data Lake Criação, implantação e manutenção de rotinas de ETL. Conhecimento das ferramentas QlikSense e Power BI DAMA/DMBOK 2ª edição. Administração de dados e metadados: gestão, organização, coleta e manutenção. Base Nacional de Dados do Poder Judiciário (DATAJUD). Organização das Tabelas Processuais Unificadas do Poder Judiciário. Modelo Nacional de Interoperabilidade (MNI) Em Aprendizado de Máquina: Técnicas de classificação: NaiveBayes, regressão logística e redes neurais artificiais. Redes Neurais para classificação. Árvores de decisão: algoritmos ID3, C4.5 e florestas aleatórias (randomforest). Máquinas de vetores de suporte (SVM). K vizinhos mais próximos (KNN - K-nearestneighbors). Avaliação de modelos de classificação: treinamento, teste, validação; validação cruzada; métricas de avaliação; matriz de confusão, acurácia, precisão, revocação, F1-score e curva ROC. Técnicas de regressão: regressão linear e séries temporais. Redes neurais para regressão. Árvores de decisão para regressão. Máquinas de vetores de suporte para regressão. Intervalos de confiança em regressão. Avaliação de modelos de regressão: MAE, MSE, RMSE e coeficiente de determinação (R2). Técnicas de agrupamento: por partição, por densidade e hierárquico. Técnicas de redução de dimensionalidade: seleção de características e análise de componentes principais (PCA). Técnicas de associação: descoberta de conjuntos frequentes e descoberta de regras de associação. Sistemas de recomendação. Aprendizado profundo (Deep Learning): redes neurais convolucionais, redes neurais recorrentes. Redes de Hopfield. Redes Adaline. Long short-term memory (LSTM). Redes perceptron multicamadas recorrentes. Máquinas de Boltzmann. Deepbelief networks. Reconhecimento facial. Classificação de imagens. Detecção de objetos. Deeplearning para visão computacional. Pré-processamento de dados. . Diagrama boxplot . Em Processamento de Linguagem Natural: Conceitos básicos da morfologia. Processamento morfológico em PLN. Dataset e corpus: formação, codificação, características, anotação. Normalização textual (stop words, estemização, lematização e análise de frequência de termos). Reconhecimento de entidades nomeadas e rotulação. Extração de relações. Modelos de representação de texto: N-gramas, modelos vetoriais de palavras (CBOW, Skip-Gram e GloVe), modelos vetoriais de documentos (booleano, TF e TFIDF, média de vetores de palavras e Paragraph Vector). Métricas de similaridade textual (similaridade do cosseno, distância euclidiana, similaridade de Jaccard, distância de Manhattan e coeficiente de Dice). Aplicações de PLN: sumarização automática de texto (abordagens extrativa e abstrativa), modelagem de tópicos em texto (algoritmos LSI, LDA e NMF), classificação de texto, agrupamento de texto, tradução automática de texto, análise de sentimentos e emoções em texto, reconhecimento de voz (STT - speech-to-text). Visão computacional. Conceitos de representação de imagens. Métodos de filtragem de imagens. Conceitos gerais de reconhecimento de padrões. Detetores de bordas. Técnicas de convolução. Métodos de segmentação. Transformações de Fourier e Wavelets. Transformações de Hough, Snakes e outros métodos de reconhecimento de objetos baseados em modelos. Operadores morfológicos. Tratamento de Dados Pessoais no Poder Público, conforme orientação da ANPD. Princípios do Privacy by Design. mentos. Características. Modelos de Serviços. Modelos de implantação. NIST SP 800-145 controle de acesso, segurança física e lógica; identificação, autorização e autenticação. PORTARIA N. 257 DE 31/7/2022 Resolução CNJ no 91/2009 Portaria CNJ no 253/2020 Linguagem de programação Java; Arquitetura distribuída de microsserviços; API RESTful; JSON; Framework Spring; Spring Cloud; Spring Boot; Spring Eureka, Zuul; Map Struct; Swagger; Service Discovery; API Gateway; Persistência; JPA 2.0; Hibernate 4.3 ou superior; HibernateEnvers; Biblioteca Flyway; PostgreSQL; H2 Database; Serviços de autenticação; SSO Single Sign-On; Keycloak; Protocolo OAuth2 (RFC 6749); Mensageria e Webhooks; Message Broker; RabbitMQ; Evento negocial; Webhook; APIs reversas; Ferramenta de versionamento Git; Ambiente de clusters, Kubernetes; Ferramenta de orquestração de containeres, Rancher; Deploy de aplicações.

Informátivo Sintético: Em Noções de Direito Administrativo: Não será ministrado Processo administrativo disciplinar e sua revisão. Seguridade Social do Servidor: Benefícios. Regime de Previdência Complementar (Lei n. 12.618/2012). Em Linguagens de Programação,Banco De Dados, Aprendizado De Máquina e Processamento De Linguagem Natural não serão ministrados PDF sintéticos.