SEFAZ GO - Secretaria da Economia do Estado de Goiás - Tecnologia da Informação para o cargo de Auditor-Fiscal da Receita Estadual - Professores Equipe Gran (Pós-Edital)

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. As videoaulas ainda não disponibilizadas serão acrescidas de forma gradual, conforme o cronograma de gravação dos professores. Periodicamente, divulgaremos o cronograma com os novos vídeos a serem disponibilizados.
4. Não serão ministrados os seguintes tópicos do Edital: Tecnologia da Informação: 16. Modelos de Regressão Logística. 16.1. Regressão Logística Binária. 16.2. Regressão Logística Multinomial. 17. Modelos de Regressão para Dados de Contagem. 17.1. Modelo de Regressão de Poisson. 17.2. Modelo de Regressão Binomial Negativa. 21. ARIMA Ee ETS. 21.4. Avaliação de modelos de previsão. 21.5. Aplicações de séries temporais na previsão de arrecadação dos entes públicos. 18.3. TensorFlow.
5. A coordenação pedagógica, juntamente com toda a equipe de professores, está trabalhando com total dedicação para uma preparação verdadeiramente completa e eficaz.
6. 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.

AULAS EM PDF AUTOSSUFICIENTES:

1. Conteúdo produzido por docentes especializados e com amplos recursos didáticos.(Com Adaptações)
2. Material prático que facilita a aprendizagem de maneira acelerada.
3. Exercícios comentados.
4. Não será ministrado em PDF: T- SQL, PL/pgSQL, PL/SQL). 1.3. Administração de banco de dados relacionais. 1.3.1. Projeto e implantação de SGBDs relacionais. 1.3.2. Administração de usuários e perfis de acesso. 1.3.3. Controle de proteção, integridade e concorrência. 1.3.4. Backup e restauração de dados. 1.3.5. Monitoramento e otimização de desempenho. 2. Pipeline de Dados. administração, desempenho e configuração. 12.1. Medidas de distância ou de semelhança. 12.2. Esquemas de aglomeração (hierárquicos e não hierárquicos). 13. Análise Fatorial por Componentes Principais. 14. Análise de Correspondência. 14.1. Análise de Correspondência Simples. 14.2. Análise de Correspondência Múltipla. 16. Modelos de Regressão Logística. 16.1. Regressão Logística Binária. 16.2. Regressão Logística Multinomial. 17. Modelos de Regressão para Dados de Contagem. 17.1. Modelo de Regressão de Poisson. 17.2. Modelo de Regressão Binomial Negativa. 18. Redes Neurais Artificiais e Machine Learning. 18.1. Noções de Redes Neurais Artificiais. TensorFlow e PyTorch. 20.1. Processo de coleta, organização, análise e compartilhamento de informações. 20.3. Elaboração de relatórios analíticos.
5. Não será ministrado PDF Sintético.