PF - Polícia Federal - Cargo 3: Perito Criminal Federal – Área 2: Engenharia Elétrica/Eletrônica

Concurso: Polícia Federal!

Mais Detalhes:
1. Curso baseado no Edital nº 1 – PF – Policial, de 20 de Maio de 2025.
2. Carga horária prevista: de 500 a 730 videoaulas, aproximadamente.
3. Serão abordados os tópicos relevantes (não necessariamente todos) a critério dos professores.
4. Material de apoio:
- Slides para acompanhamento das videoaulas
- Audioaulas e Degravações produzidas e organizadas para cada videoaula (principais).

VIDEOAULAS AUTOSSUFICIENTES:
1. Aulas com abordagem dos tópicos previstos no edital, após minuciosa análise realizada pelo professor de cada matéria.
2. Conteúdo abordado de modo objetivo, com ênfase nos aspectos mais cobrados nas provas.
3. Aulas ministradas por professores especialistas, com larga experiência na atividade docente.
4. Disponibilização de aulas de exercícios, voltadas para a análise da especificidade da banca examinadora.
5. Qualidade técnica de gravação de altíssimo padrão (imagem e áudio).
5.1 O Curso não contemplará em Conhecimentos Específicos: 2.3 Transformada wavelet: análise multiresolução, bases wavelets. 3 Processamento digital de imagens e vídeo. 3.1 Formação e aquisição de imagens: percepção visual, sensores CCD e CMOS, sistemas ópticos, amostragem e quantização. 3.2 Transformadas 2D: Fourier, DCT, wavelets. 3.3 Realce de imagens: contraste, equalização de histograma, filtragem. 3.4 Restauração: modelos de degradação, deconvolução, estimação de ruído. 3.5 Segmentação: detecção de bordas, regiões, textura. 3.6 Compressão de imagens: JPEG, JPEG2000, padrões modernos. 3.7 Processamento de vídeo: movimento, compressão temporal. 3.8 Codificação de vídeo: padrões MPEG, H.264/AVC, HEVC. 4 Processamento de sinais de áudio e voz. 4.1 Fundamentos acústicos: propagação, reflexão, absorção. 4.2 Percepção auditiva: psicoacústica, bandas críticas. 4.3 Análise de sinais de voz: modelo fonte-filtro, formantes. 4.4 Características espectrais: MFCC, LPC, análise cepstral. 4.5 Redução de ruído: subtração espectral, filtragem adaptativa. 4.6 Codificação perceptual: modelos psicoacústicos, mascaramento. 4.7 Compressão de áudio: MP3, AAC, Opus, padrões modernos. 4.8 Análise tempofrequência: espectrograma, wavelets. 5 Aprendizagem de máquina e reconhecimento de padrões. 5.1 Fundamentos estatísticos: probabilidade, inferência bayesiana. 5.2 Teoria da decisão: risco, custo, classificadores ótimos. 5.3 Aprendizado supervisionado: classificação, regressão. 5.4 Métodos lineares: discriminantes, SVM, regressão logística. 5.5 Métodos não-lineares: árvores, random forests, boosting. 5.6 Redes neurais: arquiteturas, otimização, regularização. 5.7 Deep learning: CNN, RNN, LSTM. 5.8 Arquiteturas generativas: autoencoders, GANs. 5.9 Aprendizado não-supervisionado: clustering e agrupamento. 5.10 Técnicas de redução dimensional: PCA, LDA, seleção de características. 5.11 Validação e avaliação de modelos de aprendizagem: cross-validation, métricas. 5.12 Aplicações: classificação de sinais, sistemas de reconhecimento facial, geração de imagens e áudio por inteligência artificial. 6.5 Teoria da detecção em comunicações. 6.6 Equalização e sincronização de canais. 6.7 Sistemas multiportadora. 6.8 Espalhamento espectral. 6.9 Sistemas MIMO. 8 Estruturas de dados multimídia e noções de programação. 8.1 Estruturas de dados fundamentais. 8.2 Algoritmos de ordenação e busca. 8.3 Complexidade de algoritmos (notação Big-O). 8.4 Programação em Python para processamento de sinais. 8.5 Bibliotecas científicas: NumPy, SciPy, OpenCV. 8.6 Estruturas de arquivos multimídia: RIFF, ISO base media, JPEG, MP3, Ogg, PDF.
5.1 O curso está em processo de desenvolvimento podendo ter aulas incluídas ou retiradas para melhor aproveitamento do Aluno.

AULAS EM PDF AUTOSSUFICIENTES:

1. Conteúdo produzido por docentes especializados e com amplos recursos didáticos.
2. Material prático que facilita a aprendizagem de maneira acelerada.
3. Exercícios comentados.
4. Não será ministrado em PDF: Informática: 8.2 Low-Code/No-Code. Criminalística: 1.7 Fotografia Pericial. 1.7.1 Legislação aplicada às fotografias periciais oficiais. 1.7.2 Princípios e técnicas de fotografia na Criminalística.5 Princípios e elementos de um Laudo Pericial. 5.1 Objetivos principais a buscar. 6 Avanços e perspectivas de futuro em Ciências Forenses. 6.1 Rastreabilidade de metais preciosos. 6.2 Análise de isótopos como ferramenta para resposta a questões forenses. 6.3 Banco de dados em Criminalística. 6.3.1 Banco de Perfis Genéticos 6.3.2 Banco de Perfis Balísticos. Conhecimentos Específicos:1 Fundamentos de sinais e sistemas. 1.1 Sinais contínuos e discretos: energia, potência, periodicidade. 1.2 Sistemas lineares invariantes no tempo: causalidade, estabilidade, resposta ao impulso. 1.3 Análise no domínio do tempo: convolução, correlação, autocorrelação. 1.4 Análise espectral: transformada de Fourier, propriedades, dualidade tempo-frequência. 1.5 Amostragem e reconstrução: teorema de Nyquist, quantização, interpolação, aliasing. 1.6 Processos aleatórios: estacionariedade, ergodicidade, densidade espectral. 1.7 Representação em espaços vetoriais: ortogonalidade, projeção, bases de funções. 1.8 Teoria da detecção de sinais: critérios de decisão, ROC, filtro casado. 1.9 Estimação de parâmetros: máxima verossimilhança, estimadores bayesianos. 1.10 Teoria da informação: entropia, informação mútua, capacidade de canal. 2 Processamento digital de sinais.2.3 Transformada wavelet: análise multiresolução, bases wavelets. 2.4 Filtros FIR: projeto, implementação, análise de resposta. 2.5 Filtros IIR: aproximações clássicas, transformações, estabilidade. 2.6 Técnicas de interpolação e reconstrução de sinais. 2.7 Representações tempo-frequência e aplicações. 3 Processamento digital de imagens e vídeo. 3.1 Formação e aquisição de imagens: percepção visual, sensores CCD e CMOS, sistemas ópticos, amostragem e quantização. 3.2 Transformadas 2D: Fourier, DCT, wavelets. 3.3 Realce de imagens: contraste, equalização de histograma, filtragem. 3.4 Restauração: modelos de degradação, deconvolução, estimação de ruído. 3.5 Segmentação: detecção de bordas, regiões, textura. 3.6 Compressão de imagens: JPEG, JPEG2000, padrões modernos. 3.7 Processamento de vídeo: movimento, compressão temporal. 3.8 Codificação de vídeo: padrões MPEG, H.264/AVC, HEVC. 4 Processamento de sinais de áudio e voz. 4.1 Fundamentos acústicos: propagação, reflexão, absorção. 4.2 Percepção auditiva: psicoacústica, bandas críticas. 4.3 Análise de sinais de voz: modelo fonte-filtro, formantes. 4.4 Características espectrais: MFCC, LPC, análise cepstral. 4.5 Redução de ruído: subtração espectral, filtragem adaptativa. 4.6 Codificação perceptual: modelos psicoacústicos, mascaramento. 4.7 Compressão de áudio: MP3, AAC, Opus, padrões modernos. 4.8 Análise tempofrequência: espectrograma, wavelets. 5.1 Fundamentos estatísticos: probabilidade, inferência bayesiana. 5.2 Teoria da decisão: risco, custo, classificadores ótimos.   6 Sistemas de comunicação. 6.1 Análise de sinais em comunicações. 6.2 Modulação analógica e digital. 6.3 Técnicas de múltiplo acesso (FDMA, TDMA, CDMA). 6.4 Modulação e codificação digitais.6.5 Teoria da detecção em comunicações. 6.6 Equalização e sincronização de canais. 6.7 Sistemas multiportadora. 6.8 Espalhamento espectral. 6.9 Sistemas MIMO. 7 Fundamentos de eletrônica e circuitos. 7.1 Leis de Kirchhoff e métodos de análise nodal e de malhas. 7.2 Teoremas fundamentais: superposição, Thevenin e Norton. 7.3 Análise de circuitos em regime permanente CC e CA. 7.4 Análise transitória e resposta em frequência. 7.5 Diodos e transistores: características e aplicações básicas. 7.6 Filtros passivos e ativos: análise e projeto básico. 7.8 Microprocessadores e microcontroladores. 7.9 Memórias. 8 Estruturas de dados multimídia e noções de programação. 8.2 Algoritmos de ordenação e busca. 8.3 Complexidade de algoritmos (notação Big-O). 8.5 Bibliotecas científicas: NumPy, SciPy, OpenCV. 8.6 Estruturas de arquivos multimídia: RIFF, ISO base média, JPEG, MP3, Ogg, PDF.
5.Serão ministrados exclusivamente os PDFs Sintéticos já disponibilizados no curso.