Conteúdo Programático

Conhecimentos Básicos

(Conforme solicitado pelo Edital 2025)
Língua Portuguesa: 1 Compreensão e interpretação de textos de gêneros variados. 2 Reconhecimento de tipos e gêneros textuais. 3 Domínio da ortografia oficial. 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. 4.2 Emprego de tempos e modos verbais. 5 Domínio da estrutura morfossintática do período. 5.1 Emprego das classes de palavras. 5.2 Relações de coordenação entre orações e entre termos da oração. 5.3 Relações de subordinação entre orações e entre termos da oração. 5.4 Emprego dos sinais de pontuação. 5.5 Concordância verbal e nominal. 5.6 Regência verbal e nominal. 5.7 Emprego do sinal indicativo de crase. 5.8 Colocação dos pronomes átonos. 6 Reescrita de frases e parágrafos do texto. 6.1 Significação das palavras. 6.2 Substituição de palavras ou de trechos de texto. 6.3 Reorganização da estrutura de orações e de períodos do texto. 6.4 Reescrita de textos de diferentes gêneros e níveis de formalidade.
Língua Inglesa: 1 Compreensão de textos escritos em língua inglesa. 2 Itens gramaticais relevantes para compreensão dos conteúdos semânticos. 3 Versão do Português para o Inglês: fidelidade ao texto-fonte; respeito à qualidade e ao registro do texto-fonte; correção morfossintática e lexical. 4 Tradução do Inglês para o Português: fidelidade ao texto-fonte; respeito à qualidade e ao registro do texto‐fonte; correção morfossintática e lexical.
Noções de Lógica e Estatística: 1 Raciocínio lógico. 1.1 Estruturas lógicas. 1.2 Lógica de argumentação: analogias, inferências, deduções e conclusões. 1.3 Lógica sentencial (ou proposicional). 1.3.1 Proposições simples e compostas. 1.3.2 Tabelas-verdade. 1.3.3 Equivalências. 10.3.4 Leis de Morgan; problemas. 2 Noções de estatística. 2.1 População e amostra. 2.2 Histogramas e curvas de frequência. 2.3 Medidas de posição: média, moda, mediana e separatrizes. 2.4 Medidas de dispersão absoluta e relativa. 2.5 Probabilidade condicional, independência. 2.6 Variável aleatória e funções de distribuição.
Ética e Legislação: 1 Código de Conduta, Ética e Integridade da Embrapa (disponível no endereço eletrônico. 2 Estatuto jurídico da empresa pública, da sociedade de economia mista e de suas subsidiárias, no âmbito da União, dos estados, do Distrito Federal e dos municípios: Lei nº 13.303/2016 e Decreto nº 8.945/2016 e alterações. 3 Estatuto da Embrapa aprovado em 24/04/2024. 4 Lei Geral de Proteção de Dados Pessoais – LGPD: Lei nº 13.709/2018 e suas alterações.
Plano Diretor de Embrapa: Plano Diretor da Embrapa 2024-2030.
Atualidades: 1 Tópicos relevantes e atuais de diversas áreas, tais como cultura, desenvolvimento sustentável, economia, ecologia, educação, energia, mudanças climáticas, política, relações internacionais, saúde, segurança, sociedade, tecnologia e transportes.
Conhecimentos Complementares (Conforme solicitado pelo Edital 2025)
Ciências Exatas e da Terra: 1 Agricultura 5.0. 1.1 Noções de inteligência artificial, big data, data warehouse, descoberta de conhecimento e mineração de dados, aprendizado de máquina e Internet das coisas (IoT). 2 Métodos de análise multivariada. 2.1 PCA (análise de componentes principais), análise de clusters e análise discriminante. 3 Técnicas para redução de dimensionalidade e interpretação de dados complexos. 4 Estrutura de dados: variáveis, registros, banco de dados, estruturas de bancos de dados. 5 Fundamentos de estatística aplicada. 5.1 Conceitos básicos de estatística descritiva: medidas de tendência central, dispersão e distribuição, forma assimétrica e curtose, associação entre variáveis quantitativas e qualitativas. 5.2 Métodos de inferência estatística: estimativas, intervalos de confiança e testes de hipótese. 5.3 Técnicas de amostragem, planejamento e análise de experimentos. 6 Métodos estatísticos para dados não-normais e não-paramétricos. 6.1 Técnicas para análise de dados que não seguem distribuições normais. 6.2 Métodos não-paramétricos: testes de Wilcoxon, Kruskal-Wallis e outros. 6.3 Aplicação de técnicas robustas para dados com outliers e distribuições irregulares. 7 Modelagem estatística e regressão. 7.1 Modelos de regressão linear e não linear: aplicação e interpretação. 7.2 Regressão múltipla, análise de variância (ANOVA) e técnicas de modelagem avançada. 7.3 Avaliação da adequação dos modelos e diagnóstico de problemas. 8 Processamento e análise de dados. 9 Agrometeorologia. 10 Bioclimatologia. 11 Engenharia de processos. 12 Geoprocessamento, sensoriamento remoto e geotecnologias.

Conhecimentos Específicos

(Conforme solicitado pelo Edital 2025)
1 Análise de dados agrícolas e métodos estatísticos. 1.1 técnicas para análise de dados agrícolas: estatísticas descritivas, inferenciais e modelagem, probabilidade, inferência e estimação estatística, técnicas de amostragem de dados, estimação pontual e intervalar, testes de hipóteses, regressão, dispersão, intervalos de confiança e de predição. 1.2 Uso de métodos estatísticos em dados de rendimento, qualidade de culturas e práticas de manejo. 1.3 Ferramentas para visualização e interpretação de dados agrícolas. 2 Análise espacial e geoprocessamento. 2.1 métodos para análise de variabilidade espacial e otimização de práticas de cultivo. 2.2 Aplicações de imagens de satélite e dados geoespaciais na gestão agrícola. 2.3 Integração de dados de imagem com análises estatísticas e modelagem. 2.4 Análise e aplicação de imagens suborbitais e de VANTS na agropecuária. 2.5 Inteligência estratégica territorial. 2.6 Sensoriamento remoto e sistemas de informação geográfica. 3 Aprendizado de máquina e modelagem preditiva. 3.1 Aplicação de algoritmos de aprendizado de máquina em previsão de safras e condições climáticas. 3.2 Modelos de regressão, classificação e clustering aplicados à agricultura. 4 Computação e programação. 4.1 Noções de análise complexa. 4.2 Métodos de otimização com programação linear. 4.3 Softwares específicos para análise numérica: Maple, Mathematica e R. 4.4 Business intelligence e data visualization. 4.5 Noções de linguagens de programação Python e R. 4.6 Robótica: circuitos integrados e inteligência artificial para automação de processos. 4.7 Desenvolvimento de processos e produtos de software. 4.8 Desenvolvimento e integração de dados e aplicações via APIs. 4.9 Métodos de modelagem de dados e análise de big data. 5 Estatística e matemática aplicadas às ciências agrárias. 6 Gestão e integração de dados em agricultura de precisão. 6.1 Estratégias para coleta, armazenamento e integração de dados em sistemas de agricultura de precisão. 6.2 Uso de plataformas e ferramentas de big data para análise e interpretação de dados agrícolas.