Ciência de Dados para Auditor Federal de Finanças e Controle da Controladoria Geral da União - CGU: Tecnologia da Informação
Controladoria-Geral da União
Auditor Federal de Finanças e Controle - AFFC (Tecnologia da Informação)
Prepare-se para o Concurso da Controladoria Geral da União (CGU)!
Se você está aguardando o próximo edital para o Concurso da Controladoria Geral da União (CGU), agora é o momento perfeito para começar sua preparação e garantir uma vantagem competitiva. Este é o concurso ideal para quem busca estabilidade, excelente remuneração e a chance de contribuir diretamente para a fiscalização e a transparência no setor público.
Sabemos que a antecipação é a chave para o sucesso. Enquanto o novo edital está no horizonte, aproveite para consolidar seus estudos com um material de alta qualidade. Nosso objetivo é claro: a sua aprovação!
O Direção Concursos é referência quando se trata de preparação para os concursos da área de controle. Nossa equipe de professores especializados, somada a materiais didáticos objetivos e completos, faz toda a diferença. Aqui, você encontra a segurança de estudar com quem realmente entende do assunto.
Não deixe para a última hora. Estude com antecedência e saia na frente! O futuro começa agora, e com o Direção Concursos ao seu lado, o caminho para a CGU estará mais próximo do que nunca. 🚀
Confira os professores
Os professores do Direção são aprovados nos concursos mais difíceis do país.
Material do curso
| Aulas |
|---|
1 Aprendizado de máquina. 1.1 Técnicas de classificação. 1.2 Técnicas de regressão. 1.3 Técnicas de agrupamento. 1.4 Técnicas de redução de dimensionalidade. 1.5 Técnicas de associação. 1.6 Sistemas de recomendação. 1.7 Processamento de linguagem natural (PLN). 1.8 Visão computacional. 1.9 Deep learning. |
2 Big Data. 2.1 Fundamentos. 2.2 Tipos de dados: estruturados, semiestruturados e não estruturados. 2.3 Conceito dos cinco Vs. 2.4 Fluxo de big data: ingestão, processamento e disponibilização. 2.5 Armazenamento de big data. 2.6 Pipeline de dados. 2.7 Processamento distribuído. 2.8 Conceito de data lake. 2.9 ETL X ELT. 2.10 Soluções de big data. 2.11 Arquiteturas de big data. 3 Tratamento de dados. 3.1 Normalização numérica. 3.2 Discretização. 3.3 Tratamento de dados ausentes. 3.4 Tratamento de outliers e agregações. 5 Processamento de dados. 5.1 Conceitos de processamento massivo e paralelo - Parte 1/2 |
2 Big Data. 2.1 Fundamentos. 2.2 Tipos de dados: estruturados, semiestruturados e não estruturados. 2.3 Conceito dos cinco Vs. 2.4 Fluxo de big data: ingestão, processamento e disponibilização. 2.5 Armazenamento de big data. 2.6 Pipeline de dados. 2.7 Processamento distribuído. 2.8 Conceito de data lake. 2.9 ETL X ELT. 2.10 Soluções de big data. 2.11 Arquiteturas de big data. 3 Tratamento de dados. 3.1 Normalização numérica. 3.2 Discretização. 3.3 Tratamento de dados ausentes. 3.4 Tratamento de outliers e agregações. 5 Processamento de dados. 5.1 Conceitos de processamento massivo e paralelo - Parte 2/2 |
Lógica de Programação |
Python Básico |
Linguagem R (Básico) |
Bibliotecas Python: Numpy e Pandas |
NLTK |
Machine Learning supervisionado (Python) |
Python - machine learning aula 2 |
Tidyverse |
Tópicos Avançados de Python |
7 Qualidade de dados. 7.1 Conceitos e definições. 7.2 Dimensões da qualidade de dados (visão DMBOK). 7.3 Principais técnicas em qualidade de dados. 7.3.1 Profiling. 7.3.2 Matching. 7.3.3 Deduplicação. 7.3.4 Data cleansing. 7.3.5 Enriquecimento. 7.4 Boas práticas para adoção da qualidade de dados. 7.5 Processos de qualidade para modelos de dados. |
Total R$ 251,10 |
Tenha acesso completo a todo o conteúdo do Direção Concursos
Acesse todas as aulas e cursos do site em um único lugar
Depoimentos

Maísa
Assistente em Administração na UFPB

Henrique Napoleão
Aprovado no Concurso TCU

Armando Garcia
Aprovado para Auditor Fiscal da Receita Federal

Daniel de Holanda
Auditor Fiscal da Receita Federal

Maria Luiza Kunert
Conselheiro-Substituto para TCE PB, TCE MG, TCE ES e TCDF

Laura Costa
9° Lugar Banco do Brasil


