Conteúdo Programático

Conhecimentos Básicos

(Conforme solicitado pelo Edital 2025)
Língua Portuguesa: Uso, descrição e análise de estruturas da Língua Portuguesa: Fonética e Fonologia; Morfossintaxe; Semântica; Léxico; Ortografia; Pontuação. Leitura, análise, compreensão e interpretação de texto.
Tecnologia da Informação: Software. Word (versão 365): digitação de documentos, edição de documentos, salvamento de documentos e impressão de documentos. Internet e navegadores de internet; BNCC e tecnologia; Inteligência artificial.
Conhecimentos Regionais do Piauí: O território do Piauí: características gerais e socioeconômicas, formação histórica e dinâmicas recentes. Regionalização e divisão político-administrativa. O espaço piauiense: população, economia, urbanização. Aspectos naturais do Piauí: relevo, clima, vegetação e hidrografia. Exploração e usos dos recursos naturais no Piauí. Questão ambiental no Piauí: problemas ambientais, degradação e conservação. Riscos e desastres ambientais.

Conhecimentos Específicos

(Conforme solicitado pelo Edital 2025)
ANÁLISE DE DADOS E INFORMAÇÕES – Dado, informação, conhecimento e inteligência; Dados estruturados e não estruturados; Dados abertos; Coleta, tratamento, armazenamento, integração e recuperação de dados; Banco de dados relacionais; Conceitos e características; Metadados; Tabelas, visões (views) e índices; Chaves e relacionamentos. ARMAZENAMENTO DE DADOS – Sistemas de arquivos distribuídos: HDFS; Armazenamento orientado a objeto (object store): S3, CEPH; Banco de dados NoSQL orientado a colunas: HBase; Banco de dados NoSQL orientado a grafos: Neo4J; Banco de dados NoSQL orientado a documentos: MongoDB; Sistemas de indexação: ElasticSearch. Estatística Descritiva e Inferencial: Conceitos básicos de estatística descritiva (média, mediana, moda, desvio padrão, etc.). Distribuições de probabilidade (normal, binomial, Poisson, etc.). Testes de hipóteses e intervalos de confiança. Mineração de Dados: Pré-processamento de dados (limpeza, transformação, redução e integração de dados). Técnicas de mineração de dados (clusterização, classificação, associação, etc.). Avaliação de modelos de mineração de dados. Análise Exploratória de Dados: Gráficos e visualizações de dados. Análise de tendências e padrões. Identificação de outliers e dados faltantes. Modelagem Preditiva: Modelos de regressão (linear, logística, etc.). Métodos de árvores de decisão e florestas aleatórias. Métricas de avaliação de modelos (AUC-ROC, precisão, recall, F1- score, etc.). Aprendizado de Máquina: Conceitos básicos de aprendizado supervisionado e não supervisionado. Algoritmos de aprendizado de máquina (kNN, SVM, redes neurais, etc.). Tuning de hiperparâmetros e validação cruzada. Visualização de Dados: Ferramentas e técnicas de visualização de dados (Matplotlib, Seaborn, ggplot2, etc.). Escolha adequada de gráficos para diferentes tipos de dados e contextos. Ferramentas e Linguagens de Programação: Python para análise de dados (pandas, numpy, scikit-learn, etc.). Linguagem R e suas bibliotecas para estatística e análise de dados. Consultas SQL para manipulação de bancos de dados. MODELAGEM DE DADOS – Modelo entidade-relacionamento; Linguagem de implementação banco de dados: banco físico, lógico e conceitual; Modelagem conceitual de dados; Modelagem lógica de dados; Data Warehouse. TRATAMENTO DE DADOS – Normalização numérica; Discretização; Tratamento de dados ausentes; Tratamento de outliers e agregações. LINGUAGENS DE PROGRAMAÇÃO E FRAMEWORKS – Python Pandas; Linguagem de programação R. BIG DATA: Fundamentos; Tipos de dados: estruturados, semiestruturados e não estruturados; Conceitos dos três Vs; Fluxo de big data: ingestão, processamento e disponibilização; Armazenamento de big data; Pipeline de dados; Processamento distribuído; Conceitos de data lake; ETL X ELT; Apache Airflow; Arquitetura de cloud computing para dados (GCP, AWS, Huawei). LEGISLAÇÃO E ÉTICA EM ANÁLISE DE DADOS – Legislação relacionada à privacidade e proteção de dados: LGPD (Lei Geral de Proteção de Dados) no Brasil. GDPR (Regulamento Geral sobre a Proteção de Dados) na União Europeia. Ética na Análise de Dados e Inteligência Artificial: Princípios éticos na coleta, processamento e uso de dados. Viés algorítmico e equidade na análise de dados.