| 1 x de R$26,40 sem juros | Total R$26,40 | |
| 2 x de R$15,40 | Total R$30,80 | |
| 3 x de R$10,32 | Total R$30,96 | |
| 4 x de R$7,85 | Total R$31,38 | |
| 5 x de R$6,33 | Total R$31,63 | |
| 6 x de R$5,30 | Total R$31,77 | |
| 7 x de R$4,56 | Total R$31,90 | |
| 8 x de R$4,00 | Total R$32,00 | |
| 9 x de R$3,57 | Total R$32,10 | |
| 10 x de R$3,23 | Total R$32,27 | |
| 11 x de R$2,95 | Total R$32,44 | |
| 12 x de R$2,72 | Total R$32,59 |
A Empresa Brasileira de Administração de Petróleo e Gás Natural S.A - Pré-Sal Petróleo S.A. (PPSA), por meio do Instituto de Desenvolvimento e Capacitação (Idcap) anuncia a realização de um novo Concurso Público, que tem por objetivo o preenchimento de 100 vagas destinadas à contratação de profissionais.
Você está pronto para conquistar sua vaga no concurso público dos seus sonhos? Nossa apostila digital é o material perfeito para a contribuição de seus estudos! Desenvolvida com rigor técnico e qualidade , ela foi criada para atender às suas necessidades com base no edital oficial do concurso .
✅ Formato digital (PDF): Estudo de onde você estiver, pelo celular, tablet ou computador.
✅ Teórico e vitalício: Acesse o conteúdo sempre que precisar, sem prazo de validade.
✅ Atualizada: Baseada no edital de lançamento do concurso, garantindo que você esteja alinhado com o que será cobrado.
✅ Equipe especialista: Material desenvolvido por profissionais experientes em concursos públicos.
✅ Brindes exclusivos: Aproveite recursos adicionais para melhorar ainda mais sua preparação.
✅ Entrega rápida: Após a confirmação de pagamento, você receberá o link para download em até 1 dia útil .
📌 Conhecimentos Básicos: Tudo o que você precisa para acertar nas questões gerais.
📌 Conhecimentos Específicos: Foco total nos conteúdos mais relevantes para o concurso desejado.
⚠NÃO TRABALHAMOS COM MATERIAL FÍSICO. Toda a entrega é 100% digital para sua conveniência.Garanta agora mesmo a sua apostila e dê o próximo passo rumo à sua aprovação!
🚀Prepare-se com qualidade. Estude com confiança.
1 LÍNGUA PORTUGUESA
1. Compreensão e interpretação de texto. 2. Tipologia e gêneros textuais. 3. Marcas de textualidade: coesão, coerência e intertextualidade. 4 Domínio dos mecanismos de coesão textual. 4.1 Emprego de elementos de referenciação, substituição e repetição, de conectores e de outros elementos de sequenciação textual. 5. Classes de Palavras: Adjetivo, Advérbio, Artigo, Preposição, Conjunção, Interjeição, Numeral, Pronomes, Substantivos e Verbos. 6. Ortografia (Novo Acordo Ortográfico da Língua Portuguesa): 6.1 Acentuação gráfica; 6.2 Sinais de Pontuação; 6.3 Relações de coordenação entre orações e entre termos da oração; 7. Reescrita de frases e parágrafos do texto: 7.1 Significação das palavras; 7.2 Substituição de palavras ou de trechos de texto; 7.3 Reorganização da estrutura de orações e de períodos do texto; 7.4 Reescrita de textos de diferentes gêneros e níveis de formalidade. 8. Semântica: Sinônimos. Antônimos. Homônimos. Parônimos. Denotação e Conotação. 9. Sintaxe: 9.1 Relações de subordinação entre orações e entre termos da oração; 9.2 Concordância verbal e nominal; 9.3 Regência verbal e nominal; 9.4 Colocação pronominal. 10. Figuras de linguagem.
2 LÍNGUA INGLESA
1. Compreensão, Interpretação e Análise de Textos em Inglês: Interpretação Crítica: Análise de textos literários, jornalísticos e técnicos, com foco na identificação de ideias principais, secundárias, informações implícitas e explícitas; Gêneros Textuais: Compreensão e análise de diferentes tipos de textos (narrativos, descritivos, argumentativos, informativos), suas estruturas e propósitos comunicativos. 2. Gramática da Língua Inglesa: Sintaxe: Estrutura das frases, ordem das palavras, tipos de orações (simples e compostas), concordância verbal e nominal; Tempos verbais: presente simples, presente contínuo, passado simples, passado contínuo, presente perfeito, passado perfeito, futuro. Gerúndio. Imperativo. Verbos anômalos. Discurso direto, discurso indireto. Verbos frasais; Verbos modais; Voz passiva. Substantivos (contáveis e incontáveis); Adjetivos. Comparativos e superlativos; Pronomes; Sentenças condicionais; Advérbios. 3. Produção Textual Escrita: Coerência, coesão e organização textual em redações e ensaios. Domínio das estruturas gramaticais adequadas e desenvolvimento de argumentos em inglês. 4. Conhecimentos sólidos de nomenclatura técnica referente à área de Petróleo e Gás na Língua Inglesa.
Analista de Tecnologia da Informação - Projetos de TI
I. Conhecimentos Gerais: 1.1. Ferramentas colaborativas: Microsoft 365; 1.2. Noções básicas de engenharia de software; 1.3. Conceitos de mapeamento de processos; 1.4. Noções básicas de Gestão de Contratos e Contratações de Tecnologia da Informação - Resolução CGPAR nº 29/2022, de 05 de abril de 2022 e suas atualizações; 1.5. Noções básicas de IA Generativa; Conhecimentos de projetos de implantação e desenvolvimento de sistemas ERP; Conhecimento de metodologias Ágeis; Conhecimentos de sistemas Analytics (Machine Learning, Inteligência artificial, análise preditiva e prescritiva. II. Aprendizado Supervisionado – Regressão e Classificação: 2.1. Métricas de Avaliação; 2.2. Overfitting e Underfitting de Modelos; 2.3. Regularização; 2.4. Seleção de modelos: Erro de Generalização; 2.5. Validação Cruzada; 2.6. Conjuntos de Treino, Validação e Teste; 2.7. Trade off entre Variância e Viés; 2.8. Algoritmos: Regressão Linear e Regressão Logística; 2.9. Árvores de Decisão e Random Forests; 2.10. Máquina de suporte de vetores; 2.11. Naive Bayes; 2.12. K-NN; 2.13. Ensembles; 2.14. Conceitos de otimização de hiperparâmetros; 2.15. Aprendizado Supervisionado com R. III. Aprendizado Não Supervisionado: 3.1. Redução de dimensionalidade: PCA; 3.2. Agrupamento K-Means; 3.3. Agrupamento Hierárquico; 3.4. Regras de associação; 3.5. Aprendizado não supervisionado com R. IV. Manipulação e Tratamento de Dados: 4.1. Integração dos dados (ETL, Transferência de Arquivos e Integração via Base de Dados); 4.2. Lidando com valores faltantes; 4.3. Lidando com dados categóricos; 4.4. Normalização numérica; 4.5. Detecção e tratamento de outliers; 4.6. Manipulação de dados em R com data frames e dplyr. V. Banco de Dados e Data Warehouse: 5.1. Modelo entidade-relacionamento; 5.2. Mapeamento lógico relacional; 5.3. Normalização; 5.4. Linguagem de definição e manipulação de dados (SQL); 5.5. Conceitos de data warehousing e modelagem multidimensional (esquema estrela); 5.6. Conceitos de Data Lake e Bancos NoSQL. VI. Análise e Visualização De Dados: 6.1. Princípios de data storytelling; 6.2. Técnicas de visualização de dados; 6.3. Gráficos de dispersão; 6.4. Séries Temporais; 6.5. Gráficos de barras; 6.6. Histogramas e Densidades; 6.7. Diagrama boxplot; 6.8. Avaliação de outliers; 6.9. Construção de gráficos em R com ggplot2; 6.10. Criação de dashboards interativos em R com shiny; 6.11. Construção de Dashboards em Microsoft Power BI. VII. Redes Neurais Artificiais: 7.1. Conceitos Básicos em Redes Neurais Artificiais: Definições e Arquitetura; 7.2. Funções de Ativação; 7.3. Otimização de Redes Neurais Artificiais: método do gradiente, método do gradiente estocástico, algoritmo backpropagation, métodos de inicialização dos pesos, Vanishing Gradients; 7.4. Métodos de regularização: penalização com normas L1 e L2, Dropout e Early Stopping; 7.5. Redes neurais com R: neuralnet. VIII. Análise Estatística Espacial: 8.1. Conceitos básicos de geotecnologias; 8.2. Conceitos básicos de cartografia; 8.3. Projeções cartográficas: superfície de contatopropriedade, superfície de projeção e método; 8.4. Sistemas de coordenadas; 8.5. Dados Geoespaciais: vetoriais e matriciais (raster); 8.6. Geoprocessamento: análise e modelagem de dados espaciais. IX. Conceitos Modernos de Sistemas de Informação: 9.1. Conceitos básicos de Nuvem: IaaS, PaaS e SaaS; 9.2. Conceitos básicos de DevOps: princípios, versionamento com git, pipeline e CI/CD. X. Cálculo: 10.1. PréCálculo: Conjuntos, Coordenadas Cartesianas, Cônicas e Produtos Notáveis; 10.2. Funções; 10.3. Limites; 10.4. Derivadas; 10.5. Derivadas parciais; 10.6. Máximos e Mínimos; 10.7. Esboços de Gráficos de Funções; 10.8. Integrais. XI. Álgebra Linear para Ciência de Dados: 11.1. Notação de vetores e matrizes; 11.2. Operações com vetores e matrizes; produto escalar e produto vetorial; 11.3. Matriz identidade, inversa e transposta; 11.4. Transformações lineares; 11.5. Normas (L1, L2); 11.6. Autovalores e autovetores; 11.7. Decomposição SVD; 11.8. Álgebra linear e operações matriciais com R. XII. Probabilidade e Estatística: 12.1. Conceitos de Probabilidade: Modelo de probabilidade, Probabilidade Condicional, Independência, VariáveisAleatórias, Esperança, Variância e Covariância; 12.2. Distribuições Contínuas e Discretas: Normal, tStudent, Poisson, Exponencial, Binomial, Dirichlet; 12.3. Distribuições multidimensionais; matriz de covariância; 12.4. Estatísticas Descritivas; 12.5. Inferência Estatística: Teorema do Limite Central, Teste de Hipótese e Intervalo de Confiança, Estimador de Máxima Verossimilhança, Inferência Bayesiana; 12.6. Coeficiente de correlação de Pearson. XIII. Gestão de Projetos: 13.1. O conceito e os objetivos da gerência de projetos; 13.2. Gerenciamento do ciclo de vida do projeto; 13.3. Planejamento de um projeto; 13.4. Estrutura Analítica do Projeto, Cronograma, Diagrama de Rede, Caminho Crítico e Folgas; 13.5. Execução, acompanhamento e controle de um projeto; 13.6. Metodologias, técnicas e ferramentas da gerência de projetos. XIV. Lei Federal nº 13.709/08 - Lei Geral de Proteção de dados – LGPD.
