Description
Cursos do Pacote
- Aula demo Ortografia oficial. Acentuação gráfica.
- Aula 01 Classes de palavras: substantivo, adjetivo, advérbios, artigo, numeral, interjeição.
- Aula 02 Classes de palavras: preposição e conjunção.
- Aula 03 Classes de palavras: pronomes. Colocação pronominal.
- Aula 04 Classes de palavras: verbos. Tempos e modos verbais.
- Aula 05 Classes de palavras: verbos. Correlação e vozes verbais.
- Aula 06 Sintaxe da oração (termos da oração).
- Aula 07 Sintaxe do período (processos de coordenação e subordinação).
- Aula 08 Pontuação.
- Aula 09 Concordância verbal e nominal.
- Aula 10 Regência verbal e nominal. Emprego do sinal indicativo de crase.
- Aula 11 Semântica. Significação de palavras.
- Aula 12 Compreensão e interpretação de textos. Tipologia textual.
- Aula 13 – Exclusivamente PDF Resumo
- Aula demo Teoria e Prática de Tradução Língua Inglesa.
- Aula 01: Reading Techniques, Cognates and Idioms Scanning; Skimming; Cognates (Cognatos), False Cognates (Falsos Cognatos) Idioms (expressões idiomáticas).
- Aula 02: Verbs in texts Verb To be (Verbo To be); Simple Present (Presente Simples); Simple Past (Passado Simples); Future Will x Going to (Futuro com Will x Going to); Gerund (Gerúndio); Present Continuous (Presente Contínuo); Past Continuous (Passado Contínuo); Present Perfect (Presente Perfeito); Past Perfect (Passado Perfeito); Future Perfect (Futuro Perfeito); Present Perfect Continuous (Presente Perfeito Contínuo); Past Perfect Continuous (Passado Perfeito Contínuo); Future Perfect Continuous (Futuro Perfeito Contínuo); Modal Verbs (Verbos Modais); Imperative Tenses (Imperativo) e Phrasal Verbs (Verbos Frasais).
- Aula 03: Articles and Nouns in the texts Definite Articles (Artigos definidos); Indefinite Articles (Artigos indefinidos); Nouns (Substantivos); Common Noun (Substantivo Comum); Proper Noun (Substantivo Próprio) Compound Noun (Substantivo Composto); Abstract and Concrete Nouns (Substantivos Abstratos e Concretos); Collective Nouns. (Substantivos Coletivos); Countable and Uncountable Nouns (Substantivos Contáveis e Incontáveis); Plural (Regular e Irregular); Numbers (Números); Prefixes (Prefixos) e Sufixes (Sufixos)
- Aula 04: Adjectives and Adverbs in the texts Adjectives (Adjetivos); Comparative (Grau Comparativo); Superlative (Grau Superlativo); Adverbs (Advérbios); Adverbs of Manner (Advérbios de Modo); Adverbs of Frequency (Advérbios de Frequência); Adverbs of Time (Advérbios de Tempo); Adverbs of Place (Advérbios de Lugar) e Adverbs of Intensity (Advérbios de Intensidade).
- Aula 05: Pronouns, Prepositions and Conjunctions in the texts Pronouns (Pronomes); Personal Pronouns (Pronomes Pessoais); Possessive Pronouns (Pronomes Possessivos); Subject Pronouns (Pronomes Sujeitos); Object Pronouns (Pronomes Objeto); Adjective Pronouns (Pronomes Adjetivos); Reflexive Pronouns (Pronomes Reflexivos); Demonstrative Pronouns (Pronomes Demonstrativos); Indefinite Pronouns (Pronomes Indefinidos); Interrogative Pronouns (Pronomes Interrogativos); Prepositions (Preposições) e Conjunctions (Conjunções).
- Aula 06: Direct Speech, Reported Speech and Passive Voice Direct Speech (Discurso Direto); Reported Speech (Discurso Indireto); Active Voice (Voz Ativa) e Passive Voice (Voz Passiva).
- Aula 07: If Clauses and Quantifiers Conditionals (Orações Condicionais); Zero Conditional; First Conditional; Second Conditional; Third Conditional e Quantifiers (Determinantes/Quantificadores).
- Aula demo Aplicabilidade das Normas Constitucionais.
- Aula 01 – Equipe Direito Constitucional Princípios Fundamentais. Teoria Geral dos Direitos Fundamentais.
- Aula 02 – Equipe Direito Constitucional Direitos e deveres individuais e coletivos – Parte I.
- Aula 03 – Equipe Direito Constitucional Direitos e deveres individuais e coletivos – Parte II.
- Aula 04 – Equipe Direito Constitucional Direitos sociais.
- Aula 05 – Equipe Direito Constitucional Nacionalidade
- Aula 06 – Equipe Direito Constitucional Direitos políticos.
- Aula 07 – Equipe Direito Constitucional Partidos políticos.
- Aula 08 – Equipe Direito Constitucional Organização do Estado (Art. 18 ao 36).
- Aula 09 – Equipe Direito Constitucional Administração Pública.
- Aula 10 – Equipe Direito Constitucional Poder Legislativo.
- Aula 11 – Equipe Direito Constitucional Processo Legislativo.
- Aula 12 – Equipe Direito Constitucional Poder Executivo.
- Aula 13 – Equipe Direito Constitucional Poder Judiciário.
- Aula 14 – Equipe Direito Constitucional Orçamento e Finanças.
- Aula 15 – Equipe AFO O orçamento público no Brasil. Plano plurianual. Diretrizes orçamentárias. Orçamento anual. Outros planos e programas.
- Aula 16 – Prof. Stefan Fantini (Somente PDF) Apresentação do curso
- Aula 17 – Prof. Stefan Fantini Ciclo de políticas públicas: identificação de problemas; definição dos objetivos da intervenção; formação de agenda; formulação – diagnóstico e desenho de programas; processo decisório – deflnição de escopo, escala, atores envolvidos e públicos-alvo; implementação; monitoramento; avaliação (Parte I)
- Aula 18 – Prof. Stefan Fantini (Somente PDF) Ciclo de políticas públicas: identificação de problemas; definição dos objetivos da intervenção; formação de agenda; formulação – diagnóstico e desenho de programas; processo decisório – deflnição de escopo, escala, atores envolvidos e públicos-alvo; implementação; monitoramento; avaliação (Parte II)
- Aula 19 Ética e conduta do servidor público.
- Aula demo 1. Dinâmica e estrutura demográfica do Brasil.
- Aula 01 6. Desenvolvimento urbano brasileiro: o crescimento das cidades e os desafios urbanos.
- Aula 02 2. Desigualdades socioeconômicas e regionais.
- Aula 03 3. Direitos humanos, discriminação e exclusão social, com atenção aos direitos e à situação de mulheres, crianças, adolescentes e idosos, pessoas com deficiência, indígenas, negros, pessoas LGBTQIA+, e outros grupos minoritários ou vulneráveis.
- Aula 04 4. Novas tecnologias e transformações no mundo do trabalho. 5. Mudanças na estrutura produtiva brasileira.
- Aula 05 7. Meio ambiente e desenvolvimento sustentável.
- Aula demo Lógica de Programação [Não explícito no edital]
- Aula 01 – Profª. Paolla Ramos e Prof. Raphael Lacerda 5. Programação orientada a objetos.
- Aula 02 – Profª. Paolla Ramos e Prof. Raphael Lacerda 6. Classes de objetos e suas propriedades (vetores, listas). 4. Programação funcional.
- Aula 03 – Profª. Paolla Ramos e Prof. Raphael Lacerda IV. LINGUAGENS DE PROGRAMAÇÃO E FRAMEWORKS: 2. Linguagem de programação Python.
- Aula 04 – Profª. Paolla Ramos e Prof. Raphael Lacerda 7. Manipulação e tabulação de dados (numpy, pandas). 8. Visualização de dados – matplotlib. 9. Bibliotecas para machine learning: Scikit-learn; TensorFlow; PyTorch; Keras.
- Aula demo II. BANCOS DE DADOS: Conceitos Básicos
- Aula 01 – Prof. Thiago Cavalcanti Modelo Conceitual [Não explícito no edital]
- Aula 02 – Prof. Thiago Cavalcanti . Álgebra relacional
- Aula 03 – Prof. Thiago Cavalcanti SQL (padrão ANSI).
- Aula 04 – Prof. Thiago Cavalcanti 2. Banco de dados relacional: SQL Server;
- Aula 05 – Prof. Thiago Cavalcanti MySQL.
- Aula 06 – Prof. Thiago Cavalcanti PostgreSQL
- Aula 07 – Prof. Thiago Cavalcanti 3. Banco de dados NoSQL. 4. Armazenamento de big data. 7. Soluções de big data: Arquitetura do ecossistema Spark;
- Aula 08 – Prof. Thiago Cavalcanti I. INGESTÃO, PROCESSAMENTO E ARMAZENAMENTO DE DADOS: 1. Ingestão de dados estruturados, semiestruturados e não estruturados. 2. Ingestão de dados em lote (batch). 3. Ingestão de dados em streaming.
- Aula 09 – Prof. Thiago Cavalcanti 5. Conceitos de processamento massivo e paralelo. 6. Processamento distribuído.
- Aula 10 – Prof. Thiago Cavalcanti 11 Visualização e análise exploratória de dados.
- Aula 11 – Prof. Thiago Cavalcanti VI. APRENDIZADO DE MÁQUINA: 1. Técnicas de classificação: Naive Bayes; Regressão logística; Redes neurais artificiais; Árvores de decisão (algoritmos ID3 e C4.5); e florestas aleatórias (random forest); Máquinas de vetores de suporte (SVM – support vector machines); K vizinhos mais próximos (KNN – K-nearest neighbours). 2. Avaliação de modelos de classificação: treinamento, teste, validação; validação cruzada; métricas de avaliação – matriz de confusão, acurácia, precisão, revocação, F1-score e curva ROC. 3. Técnicas de regressão:Redes neurais para regressão; Árvores de decisão para regressão; Máquinas de vetores de suporte para regressão; 4. Ajuste de modelos dentro e fora de amostra e overfitting. 5. Técnicas de agrupamento: Agrupamento por partição, por densidade e hierárquico. 6. Técnicas de redução de dimensionalidade: Seleção de características (feature selection); Análise de componentes principais (PCA – principal component analysis). (Aprendizado Supervisionado)
- Aula 12 – Prof. Thiago Cavalcanti VI. APRENDIZADO DE MÁQUINA: 1. Técnicas de classificação: Naive Bayes; Regressão logística; Redes neurais artificiais; Árvores de decisão (algoritmos ID3 e C4.5); e florestas aleatórias (random forest); Máquinas de vetores de suporte (SVM – support vector machines); K vizinhos mais próximos (KNN – K-nearest neighbours). 2. Avaliação de modelos de classificação: treinamento, teste, validação; validação cruzada; métricas de avaliação – matriz de confusão, acurácia, precisão, revocação, F1-score e curva ROC. 3. Técnicas de regressão:Redes neurais para regressão; Árvores de decisão para regressão; Máquinas de vetores de suporte para regressão; 4. Ajuste de modelos dentro e fora de amostra e overfitting. 5. Técnicas de agrupamento: Agrupamento por partição, por densidade e hierárquico. 6. Técnicas de redução de dimensionalidade: Seleção de características (feature selection); Análise de componentes principais (PCA – principal component analysis). (Aprendizado NÃO Supervisionado)
- Aula 13 – Prof. Thiago Cavalcanti 8. Redes neurais convolucionais e recorrentes.
- Aula 14 – Prof. Thiago Cavalcanti 7. Processamento de linguagem natural: Normalização textual – stop words, estemização, lematização e análise de frequência de termos; Rotulação de partes do discurso, part-of-speech tagging; Modelos de representação de texto – N-gramas, modelos vetoriais de palavras (CBOW, Skip-Gram e GloVe), modelos vetoriais de documentos (booleano, TF e TF-IDF, média de vetores de palavras e Paragraph Vector); Métricas de similaridade textual – similaridade do cosseno, distância euclidiana, similaridade de Jaccard, distância de Manhattan e coeficiente de Dice.
- Aula 15 – Prof. Thiago Cavalcanti III. TRATAMENTO, QUALIDADE E VISUALIZAÇÃO DE DADOS: 1. Normalização numérica. 2. Discretização. 3. Tratamento de dados ausentes. 4. Tratamento de outliers e agregações. 5. Matching. 6. Deduplicação. 7. Data cleansing. 8. Enriquecimento.
- Aula 16 – Prof. Thiago Cavalcanti IV. LINGUAGENS DE PROGRAMAÇÃO E FRAMEWORKS: 1. Linguagem de programação R. 8. Visualização de dados – ggplot
