II. SISTEMAS DE INFORMAÇÃO: 1. Engenharia de software. 2. Ciclo de vida do software. 4. Metodologias de desenvolvimento de software. (Parte 1)
1. Engenharia de software. 2. Ciclo de vida do software. 4. Metodologias de desenvolvimento de software. (Parte 2)
9. Metodologias e práticas ágeis.
9.3 Kanban. 9.5 Domain-driven design (DDD). 3.6 Domain driven design.
8. Engenharia de requisitos: conceitos básicos, técnicas de elicitação e especificação. 9.4 Especificação por exemplo.
3. Análise e projeto de sistemas: padrões, práticas e princípios de orientação a objetos.
6. Qualidade de software.
10. Testes de software (unidade, integração, sistema, aceitação, regressão, desempenho, vulnerabilidade, usabilidade e carga).
3.7 Arquitetura hexagonal (portas e adaptadores).
3.1 Design patterns. 3.2 princípios SOLID. 3.3 princípios GRASP.
5. Métricas e estimativas de software.
I. GESTÃO DE PROJETOS DE TI: 1. Ciclo PDCA.
2. Gerência de projetos: conceitos básicos. 3. PMBOK 6.
(MR-MPS-SW) GUIA GERAL MPS DE SOFTWARE (2021).
6. Gerenciamento de processos de negócio: técnicas de mapeamento de processos; modelos AS-IS, TO-BE e TO-RUN; técnicas de análise e simulação de processos; construção e mensuração de indicadores de processos.
7. Modelagem de processos em BPMN: notação, artefatos e atividades; workflow; BPMS. 8. Decision model and notation (DMN).
Lei Geral de Proteção de Dados Pessoais (LGPD), Lei nº 13.709/2018.
V. SEGURANÇA DA INFORMAÇÃO: 1. Fundamentos. 2. Confidencialidade, integridade, disponibilidade, autenticidade e não repúdio. 6. Noções de Criptografia, Assinatura Digital, Certificação Digital e Autenticação. 11. Criptografia. 11.1 Conceitos básicos e aplicações. 11.2 Protocolos criptográficos. 11.3 Criptografia simétrica e assimétrica. 11.4 Principais algoritmos. 12. Assinatura digital. 13. Certificado digital.
3. Classificação e controle dos ativos de informação. 4. Políticas de segurança. 5. Políticas de classificação da informação Sistemas de gestão de segurança da informação. (ISO 27001)
3. Classificação e controle dos ativos de informação. 4. Políticas de segurança. 5. Políticas de classificação da informação Sistemas de gestão de segurança da informação. (ISO 27002)
III. FUNDAMENTOS DE BANCO DE DADOS: Introdução a Banco de Dados [Assunto não explícito no edital e que não deve ser cobrado diretamente em prova, mas ajuda a entender as aulas seguintes].
2. Modelagem de dados: modelos relacional.
Normalização [Não explícito no edital, mas há possibilidade de cobrança pela banca]
3. Administração de banco de dados relacionais. 3.1 Projeto e implantação de SGBDs relacionais. 3.2 Administração de usuários e perfis de acesso. 3.3 Controle de proteção, integridade e concorrência. 3.4 Backup e restauração de dados. 3.5 Tolerância a falhas e continuidade de operação. 3.6 Monitoramento e otimização de desempenho, cluster de banco de dados.
1. Linguagens de definição e manipulação de dados em SGBDs relacionais.
4. Pipeline de dados: fundamentos, orquestração, integração, ETL, ELT e ferramentas. 10. Conceitos, arquiteturas, técnicas e tarefas de data warehouse. 18. Business intelligence.
7. Técnicas para pré-processamento de dados. 10. Conceitos, arquiteturas, técnicas e tarefas de data mining 14. Mineração de texto. (Parte 1)
7. Técnicas para pré-processamento de dados. 10. Conceitos, arquiteturas, técnicas e tarefas de data mining 14. Mineração de texto. (Parte 2)
5. OLAP. 6. Técnicas de modelagem e otimização de bases de dados multidimensionais. 5. Modelagem multidimensional.
11. Noções de big data: conceito, premissas, análise de dados e aplicações. 14. Bancos de dados não relacionais: fundamentos, administração, desempenho e configuração (Key/Value, orientados a documentos e grafos).
8. Processamento distribuído. 9. Data lake. 12. Ecossistema Hadoop: conceitos, arquitetura, componentes e implantação. 13. Spark: conceitos, arquitetura e aplicações.
IV. CIÊNCIA DE DADOS: 1. Fundamentos. 2. Classificação. 3. Coleta, tratamento, armazenamento, integração e recuperação de dados. 4. Regras de associação. 6. Aprendizagem de máquina: fundamentos, principais algoritmos e métricas de desempenho. 7. Regressão linear. 8. Regressão logística. 9. Análise de agrupamentos (clusterização). 10. Classificação. 11. Detecção de anomalias. 12. Modelagem preditiva. 13. Visão computacional. 15. Redes neurais artificiais. 16. Deep learning.
17. Visualização e análise exploratória de dados.
19. Ferramentas de análise: Oracle BIEE, Oracle Data Visualization, QlikView e PowerBI.
14. Desenvolvimento seguro de software: OWASP.