Universidade Federal de São Carlos · Banca não informada · 2026

Professor UFSCar 2026 – Área Engenharia e Ciência da Computação – Subárea Ciência de Dados: conteúdo programático e trilha de estudos

O conteúdo programático do edital para Professor – Área Engenharia e Ciência da Computação – Subárea Ciência de Dados virou uma trilha de estudos: cada tópico é uma aula curta, com explicação, flashcards e questões, e provas de revisão ao longo do caminho.

Conteúdo programático

O que você vai estudar

Os tópicos seguem a ordem do edital. Cada um é uma aula; ao fim de cada bloco há uma prova para fixar.

Ciência de Dados

10 aulas · 3 provas
  1. Fundamentos de Algoritmos para Processamento de Dados Massivos
  2. Sistemas de Bancos de Dados para Ciência de Dados
  3. Recuperação de Informação e Motores de Busca
  4. Estatística Computacional e Métodos Numéricos para Ciência de Dados
  5. Análise de Séries Temporais para Ciência de Dados
  6. Análise de Grafos e Redes Complexas para Ciência de Dados
  7. Mineração de Dados e Validação Estatística de Modelos
  8. Engenharia de Dados e Sistemas Intensivos em Dados
  9. Arquiteturas de Big Data e Processamento Distribuído de Dados
  10. Visualização de Dados e Percepção Visual
Amostra de aula

Fundamentos de Algoritmos para Processamento de Dados Massivos

Assim começa uma aula: ideias curtas, uma por vez, cada uma com uma checagem rápida.

Por que algoritmos diferentes?

Dados massivos não cabem na memória principal de uma máquina. O custo dominante passa a ser leitura em disco e comunicação em rede, não só operações de CPU. Por isso surgem três modelos clássicos: distribuído (vários nós), streaming (dados passam uma vez) e memória externa (minimizar acessos ao disco). Muitas vezes troca-se exatidão por respostas aproximadas com garantia probabilística.

Contar visitantes distintos de um portal com bilhões de acessos diários usando poucos kilobytes de memória, aceitando pequeno erro.

MapReduce: map, shuffle, reduce

MapReduce divide o trabalho em fases. Map lê blocos de entrada e emite pares chave-valor. Shuffle/sort agrupa todos os valores de uma mesma chave e os envia ao mesmo reducer. Reduce agrega os valores de cada chave. O combiner é um reduce local opcional, aplicado após o map para diminuir o tráfego de rede.

Contagem de palavras: map emite (palavra, 1); reduce soma os 1 de cada palavra.

Streaming e amostragem

No modelo de streaming, os itens chegam em sequência e são lidos em uma única passagem (ou poucas). A memória usada deve ser sublinear em relação ao tamanho do fluxo. A amostragem por reservatório mantém uma amostra uniforme de k itens sem saber de antemão quantos itens virão: o item de posição i substitui um elemento do reservatório com probabilidade k/i.

Manter 1.000 tweets aleatórios de um fluxo contínuo cujo total é desconhecido.

Na plataforma, cada ideia vem com uma pergunta de checagem, flashcards para revisar e questões da banca.

Como funciona

Estude o que cai, no formato da prova

  • 1

    Aula por tópico do edital

    Explicação em cards curtos e um mapa mental de cada tópico, sem apostila longa.

  • 2

    Treino no estilo da banca

    Questões objetivas com explicação de cada resposta.

  • 3

    Revisão que não deixa esquecer

    Flashcards, provas consolidadoras a cada bloco e uma sequência diária de questões sobre o que você já estudou.

Mesmo edital

Outros cargos de UFSCar 2026 - Professor do Magistério Superior

Ver todos os cargos de UFSCar 2026 - Professor do Magistério Superior

Comece hoje a trilha de UFSCar 2026 - Professor do Magistério Superior

Faça a primeira aula agora, sem cadastro. Gostou? Crie a conta e seu progresso, sua sequência de dias e suas revisões ficam salvos.