CONTEÚDO PROGRAMÁTICO PARA OS CAMPOS DE CONHECIMENTO DO CENTRO
TECNOLÓGICO (CTC)
1 Departamento de Engenharia Mecânica (EMC)
1.1 Campo de Conhecimento: Fenômenos de Transporte/Engenharia Térmica: 1. Primeira
Lei da Termodinâmica; 2. Segunda Lei da Termodinâmica; 3. Processos e ciclos termodinâmicos; 4. Escoamento invíscido; 5. Escoamento interno; 6. Escoamento externo; 7. Escoamento compressível; 8. Transferência de calor por condução; 9. Transferência de calor por convecção; 10. Transferência de calor por radiação; 11. Transferência de calor com mudança de fase.
2 Departamento de Informática e Estatística (INE)
2.1 Campo de Conhecimento: Matemática/Probabilidade e Estatística/Ciência da
Computação/Engenharias/Agronomia/Demografia/Genética/Estatística: 1. Teoria da Probabilidade (espaço amostral, definições clássica, axiomática e experimental, teoremas da adição e do produto, probabilidade condicional, teorema de Bayes e eventos conjuntos, noções de Processos Estocásticos, utilização de softwares); 2. Variáveis Aleatórias Discretas/Contínuas e Distribuições de Probabilidade de uma Variável Aleatória (caracterização, desenvolvimento dos principais modelos e aplicações, teorema do limite central De-Moivre-Laplace, utilização de softwares); 3. Distribuições amostrais (conceituação, teoria geral e casos especiais: média, variância, diferença de médias e de proporções, razão de variâncias, Lei forte e fraca dos grandes números, utilização de softwares); 4. Teoria da Estimação (conceituação, métodos de estimação, casos especiais e aplicações, utilização de softwares); 5. Teoria dos Testes de Hipóteses Paramétricos (conceituação, teoria dos testes de razão de verossimilhança, casos especiais e aplicações, utilização de softwares); 6. Análise de Variância (ANOVA) (princípios básicos, ANOVA para os projetos de experimentos mais comuns, análise dos resíduos e aplicações, utilização de softwares); 7. Métodos de Amostragem (conceitos, estimadores da média e proporção para os principais métodos de amostragem e aplicações, utilização de softwares); 8. Análise de Regressão (modelos de regressão linear simples e múltipla, análise dos resíduos, estimação e testes de hipóteses, seleção de variáveis e aplicações, utilização de softwares); 9. Análise Multivariada (análise de componentes principais, análise fatorial, análise de agrupamento, análise discriminante, utilização de softwares); 10. Modelos lineares generalizados (definição, componentes do modelo, estimação e predição, principais modelos para dados discretos e contínuos, diagnóstico, utilização de softwares).
2.2 Campo de Conhecimento: Metodologia e Técnicas da Computação: 1. Algoritmos de
ordenação: bubble sort, insertion sort, heapsort, quicksort, merge sort, counting sort, bucket sort e radix sort. Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa; 2. Listas encadeadas, pilhas, filas, hashes e heaps (estruturas de prioridade). Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa; 3. Árvores binárias de pesquisa, árvores balanceadas, árvores B e B+. Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa; 4. Algoritmos de grafos: pesquisa em largura, pesquisa em profundidade, caminhos mais curtos, árvores geradoras, fluxo máximo, emparelhamento em grafos. Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa; 5. Técnicas de projeto de algoritmos: divisão e conquista, programação dinâmica, algoritmos gulosos. Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa; 6. Meta- heurísticas: busca Tabu, busca local iterada, simulated annealing, algoritmos genéticos, algoritmos meméticos, GRASP, religamentos de caminhos, otimização por colônia de formigas, enxame de partículas. Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa; 7. Algoritmos aproximados: razão ou fator de aproximação constante, esquemas de aproximação, esquemas de aproximação em tempo polinomial, esquema de aproximação de tempo completamente polinomial, algoritmos de aproximação e provas de aproximação para os problemas de cobertura de vértices, de cobertura de conjuntos e do caixeiro viajante. Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa; 8. Algoritmos randomizados: análise e projeto de algoritmos randomizados, algoritmo para corte mínimo global, algoritmo para MAX 3-SAT, teste de primalidade, balanceamento de carga, roteamento de pacotes. Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa; 9. Complexidade computacional: funções de complexidade, resolução de recorrências, ordens assintóticas, reduções polinomiais, classes de complexidade P, NP, NP-difícil e NP- Completo. Fundamentos e sua aplicação para alguma área de pesquisa; 10. Problemas clássicos seus algoritmos e propriedades: problema do caixeiro viajante, problema da mochila, ciclo hamiltoniano, ciclo euleriano, clique, cobertura de vértices, escalonamento de tarefas, localização de instalações. Fundamentos, aspectos de implementação, complexidade e sua aplicação para alguma área de pesquisa.