Descrição
Apostila USP 2024 Especialista Computação de Alta Performance
Conquiste sua vaga no concurso da Universidade de São Paulo preparando-se com um material incrível.
Aumente suas chances de aprovação
Preparar-se para concursos públicos pode ser um grande desafio, mas com o material certo, o sucesso está ao seu alcance.
Material elaborado pelo edital atualizado contendo todo conteúdo programático.
Ver seu nome na lista de aprovados da Universidade de São Paulo e conquistar a estabilidade financeira e a segurança que você sempre desejou é possível.
Só hoje, de R$107,98 por R$53,99
50% de Desconto
Conteúdo Programático
Conhecimentos Básicos
(Totalmente de Acordo com Edital 2024)
LÍNGUA PORTUGUESA: Interpretação e compreensão de variados tipos de texto; marcas de textualidade (coesão, coerência e intertextualidade); reconhecimento de tipos e gêneros textuais; reescrita de textos de diferentes gêneros e níveis de formalidade; emprego de elementos de referenciação, substituição e repetição, de conectores e de outros elementos de sequenciação textual; tipos textuais: características específicas de cada tipo; textos literários e não literários; estrutura da frase (operações de deslocamento, substituição, modificação e correção); registros de linguagem; funções da linguagem; elementos dos atos de comunicação; estrutura e formação de palavras; formas de abreviação; classes de palavras; aspectos morfológicos, sintáticos, semânticos e textuais de substantivos, adjetivos, artigos, numerais, pronomes, verbos, advérbios, conjunções e interjeições; concordância e regência nominal e verbal; modalizadores; semântica (sentido próprio e figurado); antônimos, sinônimos, parônimos e hiperônimos; figuras de linguagem; polissemia e ambiguidade; vocabulário (neologismos, arcaísmos, estrangeirismos, latinismos e expressões idiomáticas); ortografia e acentuação; pontuação.
INGLÊS: Gramática da língua inglesa: artigos definidos e indefinidos; tempos e modos verbais; preposições; conjunções; pronomes; advérbios; verbos modais; expressões idiomáticas e locuções verbais; comparação; concordância nominal e verbal; formação e classe de palavras; sinonímia e antonímia; relações de subordinação e coordenação; voz ativa e passiva; discurso direto e indireto. Leitura e compreensão de tipos textuais diversos: reconhecimento de informações específicas; capacidade de análise e síntese; inferência; reconhecimento de cognatos e falsos cognatos; significação literal e contextual dos vocábulos e expressões; figuras de linguagem; elementos de coesão e coerência; formação de frases interrogativas e negativas, formulação de pedidos, propostas e sugestões, reescrita e substituição de palavras ou de trechos de texto, reorganização da estrutura de orações e de períodos do texto; reescrita de textos de diferentes gêneros e níveis de formalidade.
CONHECIMENTOS GERAIS E ATUALIDADES: Espera-se que os(as) candidatos(as) tenham bom conhecimento em língua portuguesa, que será cobrado através de interpretação e análise crítica de textos de diferentes formatos e com temáticas variadas. Espera-se também que os(as) candidatos(as) estejam bem informados(as) e situados(as) quanto aos acontecimentos nacionais e internacionais. Para tanto serão cobradas informações e análises de eventos recentes que impactaram o Brasil e o mundo, bem como conhecimentos gerais que abordem, mas não se limitem aos seguintes temas:- Política e economia: noções básicas de economia interna e internacional; situação política nacional e internacional. – Cultura e sociedade: arte e cultura no Brasil e no mundo; características das sociedades nacionais e relações contemporâneas; desenvolvimento científico e tecnológico mundial; meio ambiente; povos originários; mudanças climáticas; direitos humanos no Brasil e no mundo.
CONHECIMENTOS EM NORMATIVAS DA USP: A USP e a sociedade: o funcionamento da USP, englobando principais estruturas e objetivos; a USP no contexto do desenvolvimento nacional; a vida universitária brasileira e sua relação com a sociedade contemporânea. Estatuto, Regimento Geral e Código de Ética da Universidade de São Paulo: Resolução nº 3.461/1988, com as alterações vigentes até a publicação do Edital; Resolução nº 3.745/1990 , com as alterações vigentes até a publicação do Edital; Resolução nº 4.871/2001 , com as alterações vigentes até a publicação do Edital. Resolução nº 4.871/2001. Resolução nº 4.871/2001.
MATEMÁTICA: Sistemas numéricos: divisibilidade e fatoração de números inteiros, números racionais e reais; potências e raízes; valor relativo e absoluto; funções polinomiais do 1º e 2º graus; funções trigonométricas; funções exponenciais e logarítmicas; gráficos, equações e inequações; progressões aritméticas e geométricas; análise combinatória; problemas de contagem; análise de dados (representações gráficas, diagramas, tabelas); médias aritméticas, ponderadas e geométricas; porcentagem; regra de três; juros simples e compostos; probabilidade; cálculo de comprimentos; distâncias; perímetros; áreas e volumes; raciocínio lógico; noções de estatística.
QUÍMICA: 1. Matéria e suas propriedades; átomos, moléculas, íons e compostos; estrutura eletrônica; ligações químicas; geometria molecular; forças intermoleculares. 2. Reações químicas: estequiometria; evidências e classificação; Equação química – representação de uma transformação química; Conservação da matéria – Lei de Lavoisier; Leis Ponderais; Cálculos estequiométricos: massa, volume, mol, massa molar, volume molar dos gases. 3. Soluções; teorias ácido-base; termoquímica; princípios de termodinâmica; introdução à eletroquímica; princípios de cinética química; introdução aos complexos de coordenação. 4. Introdução aos compostos orgânicos: geometria molecular e teorias de ligação; estrutura, propriedades e funções de biomoléculas (Aminoácidos, peptídeos, proteínas, carboidratos e lipídeos.
Conhecimentos Específicos
(Totalmente de Acordo com Edital 2024)
Estatística descritiva: tipos de variáveis, medidas de posição central, medidas de dispersão, histograma, associação entre variáveis quantitativas, coeficiente de correlação e covariância. 2. Probabilidade e distribuição de probabilidade: Probabilidade, probabilidade condicional e independência, variáveis aleatórias, esperança matemática, variáveis aleatórias discretas, variáveis aleatórias contínuas, principais distribuições de probabilidade. Estimadores, principais propriedades dos estimadores. 3. Funções: Composição e inversão de funções; Funções básicas: funções polinomiais (grau, número e multiplicidade de raízes, divisão por um binômio da forma x-a, raízes complexas conjugadas); função valor absoluto; funções trigonométricas e suas inversas; funções racionais; funções exponenciais e logarítmicas. Equações e inequações envolvendo funções básicas. 4. Limites e Continuidade: Noção intuitive de limite (finito e infinito). Propriedades algébricas. Cálculo de limites. Teorema do Confronto. Funções contínuas: definição e principais propriedades. O teorema do anulamento. 5. Derivadas: Definição e interpretações físicas e geométricas da derivada. Retas tangentes e normais a um gráfico. Derivadas das funções básicas. Regras de derivação para soma, produto e quociente. Regra da cadeia. Derivada da função inversa. Aplicações da derivada ao estudo da variação das funções: crescimento e decrescimento, máximos e mínimos; concavidade e pontos de inflexão. Esboço de gráficos. Integral de Riemann: Definição de Integral. Teorema Fundamental do Cálculo. Cálculo de integrais imediatas. Aplicações. 6. Noções de organização e funcionamento de computadores e programas. 7. Análise de dados: Habilidade em análise de dados usando R, incluindo limpeza, transformação e análise estatística de conjuntos de dados complexos. 8. Modelagem estatística: Experiência em modelagem estatística usando pacotes como lm (para regressão linear), glm (para modelos lineares generalizados) e outros pacotes de modelagem. 9. Linguagens de programação: evolução das linguagens, paradigmas, estruturas de programação, tipos de dados, descrição e sintaxe. 10. Compilação de programas. Estruturas de dados. Listas lineares. Pilhas e Filas. Matrizes esparsas. Árvores de busca e árvores balanceadas. Algoritmos de árvores binárias e de árvores-B. Grafos: conceitos e aplicações. Estruturas de dados para representação de grafos e seus algoritmos. 11. Programação em Shell script, C, Python, C++, Fortran, awk, Perl; 12. Projeto orientado a objetos. Encapsulamento e ocultação de informação. Separação de comportamento e implementação. Classes e subclasses. Herança. Polimorfismo. Arquitetura cliente-servidor, navegadores, modelo requisição resposta, desenvolvimento para front-end e back-end, padrões de arquiteturas, autenticação e autorização. Técnicas para coleta de requisitos, modelagem, projeto e implementação de sistemas de software. Padrões de projetos. Qualidade de software. Gerência e manutenção de software. Persistência de dados: projeto conceitual, lógico e físico de bancos de dados. Modelo entidade relacionamento. Modelo relacional: conceitos, álgebra relacional e normalização. Mapeamento do modelo entidade relacionamento para relacional. 13. Linguagem SQL: comandos de definição de dados e de manipulação de dados. Fundamentos da arquitetura dos sistemas gerenciadores de bancos de dados relacionais: armazenamento e indexação dos dados; processamento e otimização de consultas; gerenciamento de transações, controle de concorrência e recuperação de falhas. Dados semiestruturados (por exemplo, XML e JSON); linguagens de consulta para dados semiestruturados. Bancos de dados paralelos e distribuídos: noções básicas e processamento de transações distribuídas. 14. Introdução a bases de dados não relacionais, seus modelos de dados e suas implementações: bases de dados chave-valor; bases de dados orientados a colunas; bases de dado orientados a documentos; bases de dados orientados a grafos. Novas tecnologias para gerenciamento de dados em grande escala. 15. Extração, tratamento e análise de dados para ciências sociais. 16. Características das bases de dados referentes à gestão pública e às políticas públicas: educação (Censo Escolar, Saeb, Inep, Indicadores Educacionais), mercado de trabalho (Censo Demográfico, Pesquisa Nacional por Amostra de Domicílios Contínua – PNADC, Relação Anual de Informações Sociais – RAIS), saúde (Pesquisa Nacional de Saúde – PNS, DataSUS), assistência social (CensoSUAS), segurança pública (Sistema Nacional de Estatística de Segurança Pública e Justiça Criminal, SISDEPEN, SINAN, SIM/DataSUS), gasto público e orçamento (Tesouro Nacional, Siconfi, entre outras) e dados eleitorais. 17. Disponibilização de bases de dados em repositórios abertos. 18. Pré-processamento de bases de dados públicas (PNAD, PNS, Censo Demográfico, Censo Escolar, entre outras). 19. Proteção de dados e anonimização de bases de dados. 20. Linguagens de programação e recursos tecnológicos: Princípios e lógica de programação aplicados à análise de dados, Linguagens de programação e bibliotecas aplicadas à análise de dados (Python, R, etc.), Softwares de análises qualitativas (NVivo, Atlas.ti, Iramutec, MAXQDA, etc.), Softwares de análise estatística (R, Stata, SPSS, etc.) 21. Banco de dados: MySQL, PostgreSQL, SQL Server, MongoDB, Cassandra. 22. Frameworks Web: Conhecimento de frameworks web em Python, como Flask, Django ou FastAPI, para desenvolvimento de aplicações web. 23. Git: Familiaridade com sistemas de controle de versão, como Git, para gerenciamento de código-fonte. 24. Testes: Conhecimento de práticas de teste, incluindo testes unitários e de integração, para garantir a qualidade do código. 25. Conhecimento sólido da linguagem de programação R, incluindo manipulação de dados, visualização, modelagem estatística e criação de gráficos. 26. Familiaridade com o ambiente de desenvolvimento integrado RStudio, utilizado para escrever, executar e depurar código R de forma eficiente. 27. Visualização de dados: Capacidade de criar visualizações de dados claras e informativas usando pacotes como ggplot2 e outros disponíveis no ecossistema do R. 28. Introdução à Pesquisa Bibliométrica: Conceitos fundamentais e objetivos da pesquisa bibliométrica; Métodos e técnicas utilizadas na análise bibliométrica; Aplicações e importância da pesquisa bibliométrica na avaliação científica e na tomada de decisões estratégicas 29. Uso de algoritmos de IA, como aprendizado de máquina e processamento de linguagem natural, para classificar e categorizar automaticamente dados. 30. Data Science: Coleta, Análise e Interpretação de Resultados 31. Conhecimentos em hardware, instalação e configuração de periféricos. 32. Arquitetura de ambientes de HPC; Softwares gerenciadores de recursos; Escalonadores de tarefas; Accounting e billing; Aceleradores; Sistemas de arquivos paralelos e distribuídos; Bibliotecas de entrada e saída (I/O); Memória Compartilhada e Distribuída; Provisionamento de recursos em ambientes de HPC; Compiladores; Modelos de programação: MPI, OpenMP, CUDA e OpenACC; Avaliação e predição de desempenho; Ferramentas de profilling; Mecanismos de checkpoint/restart; Contêiners em ambientes de HPC; Gerenciadores de pacotes e módulos; 33. Ferramentas de automatização (Ansible, Puppet, Systemimager); 34. Serviços de rede em alta disponibilidade, balanceamento de carga e tolerância a falhas; Implementação e gerenciamento serviços de rede como: DNS, DHCP e serviços de diretório; Arquitetura de redes infiniband e ethernet; Cabeamento estruturado e fibra óptica; Modelo OSI, TCP/ IP: camadas, protocolos, endereçamento IPV4 e IPV6, roteamento; Gerenciamento e monitoramento de redes; Análise de fluxos e avaliação de métricas de rede; Segmentação de rede; Controle de acesso em redes; Firewall; VPN; VLANs; LACP; Gerenciamento de vulnerabilidades técnicas; Identificação, mitigação e gerenciamento de incidentes de segurança; Conhecimentos de algoritmos de criptografia e privacidade; Captura e análise completa de pacotes; Sistemas de Detecção de Intrusão; Análise forense. 35. Sistemas operacionais Linux e Windows; 36. Arquitetura e performance de processadores; Benchmarking de sistemas de processamento de dados; Gerenciamento e configuração de batch system, como HTCondor, SLURM e ARC; Sistema de autenticação de usuários, como LDAP, NIS, tokens e troca de chaves; Criptografia de dados; 37. Gerenciamento e configuração de sistemas de armazenamento, como NFS, XROOTD, EOS e dCache; 38. Banco de dados estruturados e não estruturados (SQL e nonSQL); Servidor web (Apache, NGINX, etc.); Servidor SSH; Firewall; Switch L2 e L3, que inclui conhecimentos de VLAN, port mode, BGP, AS e tabela de roteamento; Virtualização de servidores; Aplicações em containers.
Conhecimentos em estatística básica:
Entrada de dados em planilhas. Princípios de programação no SAS, recodificação de variáveis, limpeza de dados e preparação para análise estatística. Análise descritiva de dados com medidas de tendência central, confecção e interpretação de gráficos (histograma, box-plot, gráfico de barras e de dispersão). Identificação de distribuição normal e escolha de métodos paramétricos e não paramétricos. Emprego e interpretação de teste t, ANOVA (one-way e two-way) com análise de resíduos, e testes não paramétricos de Mann-Whitney, Kruskal-wallis, Wilcoxon e Friedman). Bibliografia sugerida: Martinez E Z. Bioestatística para cursos de graduação da área da saúde. São Paulo, Ed. Blucher, 2015. Bussab O. W, Morettin P A. Estatística Básica. São Paulo, Ed.Saraiva, 2017.
Conhecimentos em informática Programa:
Competências relacionadas ao uso do Word, PowerPoint e Excel.
