Análise de Informações

Análise de Informações

  • 15 Alunos matriculados
  • 08 Horas de duração
  • 54 Aulas
  • 8 Módulos
Parcele em 12x R$ 7,93 (ou R$ 79,00 à vista)
Comprar Agora Dê um passo adiante em sua carreira!
Professor
Marcio Victorino

Aulas teóricas sobre os conhecimentos da disciplina cobrados no último concurso para o Tribunal de Contas da União, e que nos últimos anos têm sido exigidos também na maioria dos concursos para as carreiras fiscais e de controle, dentre outras.

Cobertura completa do conteúdo da disciplina, incluindo banco de dados relacionais, modelagem dimensional, mineração de dados/texto e Big Data.

Resolução de questões de provas aplicadas pelo Cespe, para fixação do conteúdo e identificação de pontos de atenção.

Mais de 15 anos de experiência preparando a maioria dos aprovados nos principais concursos da área de TI. Venha fazer parte dessa história de sucesso!


Importante:

As aulas foram gravadas em curso presencial (Turma TCU 2015) e, por esse motivo, nem sempre as perguntas feitas pelos alunos em sala são captadas no vídeo.

Todas as aulas estão disponíveis para estudo imediato, sem limite de quantidade de visualizações dentro do prazo de um ano.

1 ano Sem tempo para fazer o curso agora? Não tem problema.
Você poderá participar desse curso até 1 ano após a matrícula.

Quem deve fazer esse curso:

Candidatos a concursos de nível superior na área de Tecnologia da Informação, bem como ao concurso de Auditor Federal de Controle Externo do Tribunal de Contas da União e a cargos similares dos Tribunais de Contas de Estados e Municípios, a exemplo do TCE-RJ, TCM-RJ e TCM-SP.

Candidatos a concursos de nível superior das carreiras fiscais, bancárias e policiais, dentre outras cujos editais têm exigido conhecimentos específicos de análise de dados.


Para candidatos em todos os níveis de conhecimento:

Para os que estão iniciando os estudos, as aulas oferecem direcionamento sobre o quê estudar e quais referências utilizar, além de apresentar os conceitos de forma didática e 100% direcionada para a resolução de questões de concursos.

Para os que já estão há mais tempo na estrada, é possível revisar os conceitos básicos de cada matéria e aprofundar naqueles detalhes que fazem a diferença entre "fazer o mínimo" nas provas e disputar as primeiras colocações na lista de aprovados.

Marcio Victorino
"Professor"


Conteúdo Programático

  • 1. [SLIDES] Dados abertos
  • 2. Dado, Informação, Conhecimento e Inteligência
  • 3. Dados abertos
  • 1. [SLIDES] BD Introdução
  • 2. Sistemas de Informação
  • 3. Níveis de Abstração
  • 1. [SLIDES] BD Modelo Conceitual
  • 2. [SLIDES] BD Modelo Conceitual - Exercícios
  • 3. Diagrama Entidade Relacionamento
  • 4. Cardinalidade de Relacionamentos
  • 5. Engenharia da Informação
  • 6. Exercícios CESPE
  • 1. [SLIDES] BD Modelo Lógico
  • 2. [SLIDES] BD Índice - Visão
  • 3. [SLIDES] Modelo Relacional - Exercícios
  • 4. Tabelas e restrições
  • 5. Cardinalidade 1:1
  • 6. Cardinalidade 1:n
  • 7. Cardinalidade n:n
  • 8. Auto-Relacionamento Relacionamento Ternário e Herança
  • 9. Especificação do Banco de Dados
  • 10. Índice
  • 11. Visão
  • 12. Exercícios CESPE: Questões de 1 a 18
  • 1. [SLIDES] BD Normalização
  • 2. [SLIDES] Normalização - Exercícios
  • 3. Primeira e Segunda Formas Normais
  • 4. Terceira forma normal
  • 5. Exercícios CESPE
  • 1. [SLIDES] Modelagem Dimensional
  • 2. [SLIDES] Modelagem Dimensional - Exercícios
  • 3. Arquitetura OLAP
  • 4. Data Warehouse
  • 5. Data Mart
  • 6. Abordagem para Projeto de DW
  • 7. Modelagem Dimensional
  • 8. Fatos
  • 9. Visualização de dados
  • 10. Exercícios CESPE
  • 1. [SLIDES] Data Mining
  • 2. [SLIDES] Data Minig - Exercícios
  • 3. Introdução
  • 4. Introdução e Regras de Associação (Navathe)
  • 5. Classificação e Agrupamento (Navathe)
  • 6. Introdução e Tarefas de Mineração de Dados (Pang-Ning Tan)
  • 7. Passos do KDD (Pang-Ning Tan)
  • 8. CRISP-DM e Mineração de Texto
  • 9. Mineração de Texto com CRISP-DM
  • 10. Aprendizado de máquina
  • 11. Exercícios CESPE
  • 1. [SLIDES] Big Data
  • 2. [SLIDES] Sugestão de Discursiva
  • 3. Fundamentos de Big Data
  • 4. Sugestão de questão discursiva
Voltar ao topo