TJ RJ - Tribunal de Justiça do Estado do Rio de Janeiro - Conhecimentos Específicos para o Cargo de Analista Judiciário - Grupo: Tecnologia da Informação - Especialidade: Analista de Inteligência Artificial (Pós-Edital)

A fim de preparar os candidatos para o concurso público do TJ RJ - Tribunal de Justiça do Estado do Rio de Janeiro, o Gran Concursos escalou a equipe de professores mais experiente e renomada em preparatórios. Além das tradicionais videoaulas, com a mais alta qualidade audiovisual do mercado, você também contará com materiais de apoio em PDF. Dessa forma, o alinhamento e o compromisso com o que há de mais técnico e fundamental para seus estudos estarão sempre à sua disposição no curso que oferecemos.
Mais detalhes:

1. Curso baseado no Edital nº 01/2025.
2. Serão abordados os tópicos mais relevantes de cada disciplina (não necessariamente todos), conforme critério dos respectivos professores.
3. Informamos que, para facilitar a compreensão e a absorção dos conteúdos previstos no edital, as videoaulas de determinadas disciplinas foram organizadas com base na lógica didática proposta pelo(a) docente responsável, e não de acordo com a ordem dos tópicos do conteúdo programático do certame.
4. Não serão ministrados os seguintes tópicos do Edital: Conhecimentos Específicos: Princípio do menor privilégio, defesa em profundidade. Lakehouse (arquitetura lakehouse). Aplicação dos princípios do COBIT 2019 na governança de sistemas de IA e auditoria de modelos. Integração de práticas do ITIL 4 para gestão de ciclo de vida de modelos e serviços de IA. Aplicação de princípios do PMBOK 7ª edição na gestão de projetos de IA e automação inteligente, com foco em valor e entrega iterativa. Conformidade com a LGPD e diretrizes de IA responsável e explicável. Legislação: Portaria CNJ nº 162/2021.
5. As videoaulas ainda não disponibilizadas serão acrescidas de forma gradual, conforme o cronograma de gravação dos professores. Divulgaremos o cronograma com os novos vídeos a serem disponibilizados.

O rol de professores poderá sofrer acréscimos ou supressões por motivo de força maior, ficando a cargo do Gran as devidas modificações.

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 serão ministrados em PDF: Conhecimentos Específicos: 2. Compensações viés-variância (bias- variance), técnicas de regularização. 2.1 Pipelines de Machine Learning: arquitetura ponta a ponta (end-to-end), engenharia de características (feature engineering), estratégias de implantação (deployment), monitoramento de modelos em produção, data drift e concept drift (deriva de dados e deriva de conceito 2.2 Avaliação de modelos: métricas para classificação e regressão, validação cruzada, interpretação de resultados, análise de erros. Teorema CAP. 2.4 Lakehouse (arquitetura lakehouse), 3 Fundamentos de Aprendizado de Máquina. 7.2 Agentes de IA: fluxos de raciocínio, uso de ferramentas e execução em múltiplas etapas. 7.3 Modelos multimodais: integração texto-imagem, texto-áudio e geração de imagens.8.3 Ataques adversariais e mitigação. 9 MLOps e Monitoramento. 9.1 Integração e entrega contínua (CI/CD) para ML. 9.2 Versionamento de modelos e dados. 9.3 Monitoramento de deriva de conceito e desempenho. 10 Aplicações no Judiciário. 10.1 Classificação de documentos e OCR. 10.2 Sumarização automática e recomendação. 10.3 Automação de processos judiciais e assistentes jurídicos inteligentes. 11 Aplicação dos princípios do COBIT 2019 na governança de sistemas de IA e auditoria de modelos. 11.1 Integração de práticas do ITIL 4 para gestão de ciclo de vida de modelos e serviços de IA. 11.2 Aplicação de princípios do PMBOK 7ª edição na gestão de projetos de IA e automação inteligente, com foco em valor e entrega iterativa. 11.3 Conformidade com a LGPD e diretrizes de IA responsável e explicável.
5.Não serão ministrados PDFs Sintéticos.