DOU 30/03/2022 - Diário Oficial da União - Brasil 3
Documento assinado digitalmente conforme MP nº 2.200-2 de 24/08/2001,
que institui a Infraestrutura de Chaves Públicas Brasileira - ICP-Brasil.
Este documento pode ser verificado no endereço eletrônico
http://www.in.gov.br/autenticidade.html, pelo código 05302022033000010
10
Nº 61, quarta-feira, 30 de março de 2022
ISSN 1677-7069
Seção 3
ANEXO V
DO CONTEÚDO PROGRAMÁTICO
CONHECIMENTOS GERAIS
CONTEÚDO COMUM A TODOS OS PERFIS PROFISSIONAIS
LÍNGUA PORTUGUESA
Compreensão
e
interpretação
de
textos
de
gêneros
variados.
Reconhecimento de tipos e gêneros textuais. Domínio da ortografia oficial: emprego
das letras; emprego da acentuação gráfica. Domínio dos mecanismos de coesão textual:
emprego de elementos de referenciação, substituição e repetição, de conectores e
outros elementos de sequenciação textual; emprego/correlação de tempos e modos
verbais. Domínio da estrutura morfossintática do período: relações de coordenação
entre orações e entre termos da oração; relações de subordinação entre orações e
entre termos da oração; emprego dos sinais de pontuação; concordância verbal e
nominal; emprego do sinal indicativo de crase; colocação dos pronomes átonos.
Reescritura de frases e parágrafos do texto: substituição de palavras ou de trechos de
texto; Retextualização de diferentes gêneros e níveis de formalidade. Redação oficial do
Manual de Redação da Presidência da República, 3ª edição, revista, atualizada e
ampliada, capítulo I - Aspectos Gerais da comunicação oficial e capítulo II - As
comunicações oficiais.
LÍNGUA INGLESA
Compreensão de textos em língua inglesa através de estratégias de leitura;
Presente simples e Presente contínuo: significados, formas e utilizações; Passado
simples e passado contínuo: significados, formas e utilizações; Futuro com will e Futuro
com going to: significados, formas e utilizações; Pronomes e referência pronominal em
diferentes gêneros textuais; Grupos nominais; Marcadores discursivos: conjunções e
preposições; Discurso direto e indireto; Sentenças condicionais: significados, formas e
utilizações; Voz ativa e voz passiva: significados, formas e utilizações.
RACIOCÍNIO LÓGICO
Sentenças abertas e fechadas. Proposições Simples. Proposições Compostas
e os Operadores (Conectivos) Lógicos. Tabela-verdade. Tautologia, Contradição e
Contingência. Lógica de Primeira Ordem. Quantificadores. Leis de Morgan (Negação de
uma proposição composta); Negação dos Quantificadores. Equivalências lógicas. Lógica
de Argumentação, Argumentação por Diagramas (Diagramas Lógicos). Raciocínio
Analítico.
CONTEÚDO ESPECÍFICO:
3001 - Analista de Dados
MODELAGEM DE DADOS: 1. Modelo entidade-relacionamento. 2. Linguagem
de implementação banco de dados: banco físico, lógico e conceitual. 3. Modelagem
conceitual de dados. 4. Modelagem lógica de dados. 5. Data Warehouse. TRATAMENTO
DE DADOS: 1. Normalização numérica. 2. Discretização. 3. Tratamento de dados
ausentes. 4. Tratamento de outliers e agregações. LINGUAGENS DE PROGRAMAÇÃO E
FRAMEWORKS: 1. Python 1.1.Pandas. 2. Linguagem de programação R. BIG DATA: 1.
Fundamentos. 2. Tipos de dados: estruturados, semiestruturados e não estruturados. 3.
Conceitos dos três Vs. 4. Fluxo de big data: ingestão, processamento e disponibilização.
5. Armazenamento de big data. 6. Pipeline de dados. 7. Processamento distribuído. 8.
Conceitos de data lake. 9. ETL X ELT. 9.1. Apache Airflow. 10. Arquitetura de cloud
computing para dados (GCP, AWS, Huaweii). ANÁLISE DE DADOS E INFORMAÇÕES: 1.
Dado, informação, conhecimento e inteligência. 1.1. Dados estruturados e não
estruturados. 1.2. Dados abertos. 1.3. Coleta, tratamento, armazenamento, integração
e recuperação de dados. 2. Banco de dados relacionais. 2.1. Conceitos e características.
2.2. Metadados. 2.3. Tabelas, visões (views) e índices. 2.4. Chaves e relacionamentos.
TRATAMENTO DE DADOS: 1. Normalização numérica. 2. Discretização. 3. Tratamento de
dados ausentes. 4. Tratamento de outliers e agregações. ARMAZENAMENTO DE DADOS:
1. Sistemas de arquivos distribuídos: HDFS. 2. Armazenamento orientado a objeto
(object store): S3, CEPH. 3. Banco de dados NoSQL orientado a colunas: HBase. 4.
Banco de dados NoSQL orientado a grafos: Neo4J. 5. Banco de dados NoSQL orientado
a documentos: MongoDB. 6. Sistemas de indexação: ElasticSearch.
3002 - Especialista em Governança de Dados
GOVERNANÇA DE DADOS: 1. Princípios e conceitos da governança de dados.
2. Componentes da governança de dados. 3. Visão geral do guia DAMA-DMBOK. 3.1
Áreas de conhecimento. 3.2 Elementos ambientais. 3.3 Principais atividades da gestão
de
dados.
4
Documentos
da
governança
de
dados.
MDM
(MASTER
DATA
MANAGEMENT):
1
Conceitos
básicos.
1.1
Golden
record.
1.2
Modelos
de
implementação de data hub. 2. Qualidade dos dados mestres. 3. Arquitetura de dados
MDM. 4 Privacidade dos dados mestres. QUALIDADE DE DADOS: 1 Conceitos e
definições sobre qualidade de dados. 2. Dimensões da qualidade de dados (visão
DMBOK). 3. Principais técnicas em qualidade de dados. 3.1 Profiling. 3.2 Matching. 3.3
De duplicação. 3.4 Data cleansing. 3.5 Enriquecimento. 4. Boas Práticas para adoção da
qualidade de dados. 5. Processos de qualidade para modelos de dados. 6. Noções
básicas de visualização de dados. 7. Catálogo de dados e gerenciamento de metadados.
8. Linhagem de dados.
3003 - Analista em Business Intelligence
BUSINESS INTELLIGENCE E ANALYTICS: 1. Ecossistema de Big Data Apache
Hadoop. 2. Arquitetura e análise de requisitos para sistemas analíticos. 3. Ferramentas
ETL e OLAP. 4. Álgebra relacional e SQL (padrão ANSI). 5. Banco de dados relacional
em plataforma baixa (Oracle, SQL Server, PostgreeSQL, MySQL) e XML. 6. Banco de
dados NoSQL. 7. Visualização e análise exploratória de dados. 7.1. Ferramentas de
criação de dashboards (QlikSense Enterprise, Google Data Studio). 7.2. Storytelling. 7.3.
Elaboração de painéis e dashboard. 7.4. Elaboração de relatórios analíticos.
MODELAGEM
DE DADOS:
1. Modelo
entidade-relacionamento.
2. Linguagem
de
implementação banco de dados: banco físico, lógico e conceitual. 3. Modelagem
conceitual de dados. 4. Modelagem lógica de dados. 5. Data Warehouse. TRATAMENTO
DE DADOS: 1. Normalização numérica. 2. Discretização. 3. Tratamento de dados
ausentes. 4. Tratamento de outliers e agregações. 5. ETL X ELT. ANÁLISE DE DADOS E
INFORMAÇÕES: 1.
Dado, informação,
conhecimento e
inteligência. 1.1.
Dados
estruturados e não estruturados. 1.2. Dados abertos. 1.3. Coleta, tratamento,
armazenamento, integração e recuperação de dados. 2. Banco de dados relacionais.
2.1. Conceitos e características. 2.2. Metadados. 2.3. Tabelas, visões (views) e índices.
2.4. Chaves e relacionamentos. GOVERNANÇA DE DADOS: 1. Princípios e conceitos da
governança de dados. 2. Componentes da governança de dados. 3. Visão geral do guia
DAMA-DMBOK. 3.1. Áreas de conhecimento. 3.2. Elementos ambientais. 3.3. Principais
atividades da gestão de dados. 4. Documentos da governança de dados.
3004 - Cientista de Dados
TRATAMENTO DE DADOS: 1. Normalização numérica. 2. Discretização. 3.
Tratamento de dados ausentes. 4. Tratamento de outliers e agregações. MÉTODOS DE
OTIMIZAÇÃO MATEMÁTICA: 1. Gradiente descendente. 2. Gradiente descendente em
lote. 3. Gradiente descendente estocástico. 4. Simulated annealing. 5. Programação
linear (método Simplex). 6. Pesquisa operacional. 7. Grid search e randomized search.
LINGUAGENS DE PROGRAMAÇÃO E FRAMEWORKS: 1. Python. 2. Linguagem de
programação R. FUNDAMENTOS DE PROBABILIDADE E ESTATÍSTICA: 1. Probabilidade e
probabilidade condicional. 2. Independência de eventos, regra de Bayes e teorema da
probabilidade total. 3. Variáveis aleatórias e funções de probabilidade. 4. Principais
distribuições de probabilidade discretas e contínuas: distribuição uniforme, distribuição
de Bernoulli, distribuição binomial, distribuição multinomial e distribuição normal. 5.
Medidas de tendência central: média (aritmética, ponderada, geométrica e harmônica),
mediana e moda. 6. Medidas de dispersão: amplitude, variância, desvio padrão e
coeficiente de variação. 7. Coeficiente de correlação de Pearson. 8. Teorema central do
limite. 9. Regra empírica (regra de três sigma) da distribuição normal. 10. Modelos
probabilísticos gráficos: modelos de Markov, filtros de Kalman e redes bayesianas. 11.
Testes de hipóteses: teste-z, teste-t, valor-p, testes para uma amostra, testes de
comparação de duas amostras, ANOVA, teste de normalidade (chi square) e intervalos
de confiança. 12. Histogramas e curvas de frequência. Diagrama boxplot. Avaliação de
outliers.
3005 - Especialista em BigData
BIG
DATA:
1.
Fundamentos.
2.
Tipos
de
dados:
estruturados,
semiestruturados e não estruturados. 3. Conceitos dos três Vs. 4. Fluxo de big data:
ingestão, processamento e disponibilização. 5. Armazenamento de big data. 6. Pipeline
de dados. 7. Processamento distribuído. 8. Conceitos de data lake. 9. ETL X ELT. 10.
Soluções
de big
data. 10.1.
Arquitetura
do ecossistema
Apache Hadoop.
10.2.
Componentes Hadoop: HBase, Kudu, Sqoop, Nifi, Hive, Impala, Spark, Spark Streaming,
SOLR, Oozie, Yarn, Kafka, Flink e AirFlow. 11. Arquiteturas de big data. 11.1.
Arquitetura Lambda. 11.2. Arquitetura Kappa. 11.3. Arquitetura de IoT. 11.4.
Arquitetura de cloud computing para dados (GCP, AWS, Huaweii). INGESTÃO DE
DADOS: 1. Conceito de ingestão de dados. 2. Ingestão de dados estruturados,
semiestruturados e não estruturados. 3. Ingestão de dados em lote (batch). 4. Ingestão
de dados em streaming. 5. Ingestão de dados full × incremental. 6. Ingestão de dados
CDC
(change
data
capture).
PROCESSAMENTO
DE
DADOS:
1.
Conceitos
de
processamento
massivo
e
paralelo.
2.
Processamento
em
lote
(batch).
3.
Processamento
em
tempo
real
(real
time).
4.
Processamento
MapReduce.
ARMAZENAMENTO DE DADOS: 1. Sistemas de arquivos distribuídos: HDFS. 2.
Armazenamento orientado a objeto (object store): S3, CEPH. 3. Banco de dados NoSQL
orientado a colunas: HBase. 4. Banco de dados NoSQL orientado a grafos: Neo4J. 5.
Banco de dados NoSQL orientado a documentos: MongoDB. 6. Sistemas de indexação:
ElasticSearch.
3006 - Engenheiro de IA
APRENDIZADO DE MÁQUINA: 1. Técnicas de classificação. 2. Técnicas de
regressão. 3. Técnicas de agrupamento. 4. Técnicas de redução de dimensionalidade. 5.
Técnicas de associação. 6. Sistemas de recomendação. 7. Processamento de linguagem
natural (PLN). 8. Visão computacional. 9. Aprendizado profundo. LINGUAGENS DE
PROGRAMAÇÃO E FRAMEWORKS: 1. Python. 2. Linguagem de programação R. 3. Spark
(PySpark, Sparklyr/SparkR). 4. Pandas. 5. Scikit-learn. 6. TensorFlow. 7. PyTorch. 8.
Keras. 9. NLTK.
3007 - Analista de Interoperabilidade
MODELAGEM DE DADOS: 1. Modelo entidade-relacionamento. 2. Linguagem
de implementação banco de dados: banco físico, lógico e conceitual. 3. Modelagem
conceitual de dados. 4. Modelagem lógica de dados. 5. Data Warehouse. ENGENHARIA
DE SOFTWARE: 1. Engenharia de requisitos. 2. Análise e projeto. 3. Implementação:
orientação a objetos, estrutura de dados e algoritmos. 4. Qualidade. 4.1. Análise
estática de código. 4.2. Teste unitário. 4.3. Teste de integração. 4.4. Teste de RNF
(carga, estresse). 4.5. Revisão por pares. 5. Gestão de configuração. 5.1 DevOps,
modelo de versionamento, merge, branch, pipeline, CI/CD e database migration.
3008 - Arquiteto em Soluções
MODELAGEM DE DADOS: 1. Modelo entidade-relacionamento. 2. Linguagem
de implementação banco de dados: banco físico, lógico e conceitual. 3. Modelagem
conceitual de dados. 4. Modelagem lógica de dados. 5. Data Warehouse. BANCO DE
DADOS: 1. Banco de dados. 1.1. Arquitetura de banco de dados: relacional, não
relacional (orientado a documento, chave-valor, grafo, colunar, time series), hierárquico
(ADABAS) e rede. 1.2. Modelagem de banco de dados: físico, lógico e conceitual. 1.3.
Álgebra relacional, SQL/ANSI e linguagens procedurais embarcadas. 1.4. Gestão de
banco de dados. 1.4.1. Controle de acesso, replicação, cluster, particionamento e
esquemas. ENGENHARIA DE SOFTWARE: 1. Engenharia de requisitos. 2. Análise e
projeto. 3. Implementação: orientação a objetos, estrutura de dados e algoritmos. 4.
Qualidade. 4.1. Análise estática de código. 4.2. Teste unitário. 4.3. Teste de integração.
4.4. Teste de RNF (carga, estresse). 4.5 Revisão por pares. 5. Gestão de configuração.
5.1. DevOps, modelo de versionamento, merge, branch, pipeline, CI/CD e database
migration. PROCESSO: 1. Processo orientado a reuso. 2. Ciclos de vida. 2.1. Modelo
cascata. 2.2. Modelo iterativo. 2.3. Modelo ágil. 2.4. Modelo formal. 3. Metodologias
ágeis de desenvolvimento. 3.1. Scrum, XP, TDD, Modelagem ágil e Kanban. CLOUD
COMPUTING: 1. Conceito e princípios. 1.1. Infraestrutura como serviço (IaaS). 1.2.
Plataforma como serviço (PaaS). 1.3. Software como serviço (SaaS). 2. Arquitetura de
microsserviços. 3. Arquitetura Serverless.
3009 - Especialista em DevOps
SEGURANÇA
DA
INFORMAÇÃO:
1.
Confiabilidade,
integridade
e
disponibilidade. 2. Mecanismos de segurança. 2.1. Criptografia. 2.2. Assinatura digital.
2.3. Garantia de integridade. 2.4. Controle de acesso. 2.5. Certificação digital. 3.
Gerência de riscos. 3.1. Ameaça, vulnerabilidade e impacto. 4. Políticas de segurança.
4.1. NBR ISO/IEC 27002:2005. 4.2. NBR ISO/IEC 27001:2013. 4.3. NBR ISO/IEC 15408.
4.4. Políticas de senhas. 5. Autenticação de dois fatores (MFA). 6. OAuth 2, JWT, SSO
e SAML. PRÁTICAS DEVOPS: 1. Integração contínua (CI). 2. Entrega contínua (CD). 3.
Versionamento de código-fonte.
4. Orquestração e administração
do ambiente
Kubernetes. 4.1. Persistent Volumes. 4.2. Ingress. 4.3. Deployments. 4.4. Criação e
gerenciamento de clusters Kubernetes. 4.5. Monitoramento de cluster e aplicações. 4.6.
Escalonamento de ambientes. 4.7. Gerenciamento de aplicações no Kubernetes via
Helm. 4.8. Volume persistente com NFS. 4.9. Configmaps. 4.10. NodePort. 4.11.
LoadBalancer. 4.12. Daemonsets. 4.13. ReplicaSet. 4.14. StatefulSets. 5. Arquitetura de
microsserviços. 6. Gerenciamento de tarefas e CI/CD. 6.1. Gitlab CI. 6.2. Jenkins. 7.
Linguagem YAML. 7.1. Criação de pods com YAML. 7.2. Deploy e serviço com
YAML.
3010 - Analista de Infraestrutura de TIC
1. Computação em Nuvem: 1.1. Conceitos: Nuvens pública e privada, IaaS,
PaaS, SaaS, workloads. 1.2. Estratégias de Migração de Aplicações para o ambiente de
nuvem,
Governança,
Computação
Serverless,
Segurança
Compartilhada.
1.3.
Tecnologias: Amazon Web Services (AWS), Google Cloud Services e Huawei Cloud. 2.
DevOps e DevSecOps: 2.1. Conceitos. 2.2. Práticas. 2.3. Ferramentas. 3. Sistemas
operacionais e Plataformas: 3.1. Active Directory, Exchange, Windows Server, Red Hat
Enterprise Linux. 3.2. Plataforma de virtualização: VMware vSphere, ESXi. 3.3.
Tecnologias de Conteinerização de aplicações: Docker, Kubernetes. 3.4. Servidores de
Aplicação: Apache/PHP, Tomcat, JBoss e IIS. 3.5. Ferramentas colaborativas: Google
Workspace. 4. Redes de computadores: 4.1. fundamentos; 4.2. Tecnologias ethernet,
Fibre Channel, iSCSI, padrão wi–fi IEEE 802.11ax. Tecnologias MPLS e SDWAN. VLAN
(IEEE 802.1Q); 4.3. Tecnologia VoIP. Protocolos H.323 e SIP; 4.4. VPN, firewall,
certificado digital, antivírus, anti–Spam; 4.5. modelo de referência OSI; 4.6. Protocolo
TCP/IP; 4.7. Monitoração e gerenciamento de rede: Conceitos fundamentais - SNMP,
MIB e RMON, Ferramenta Zabbix Versão 5. 4.8. Características da Internet das Coisas
(IoT). 4.9. Cofres de senhas e gerenciadores de acessos privilegiados (PAM). 5. Banco
de Dados: 5.1. Gestão e operação de bancos de dados. 5.2. Sistemas de gerenciamento
de banco de dados. 5.3. Oracle, MySQL, Microsoft SQL Server, PostgreSQL. 6. Gestão
de Serviços de TI: 6.1. Conceitos e práticas. 6.2. ITIL v4: Controle de Mudanças,
Gerenciamento de Liberação, Gerenciamento
de Incidentes, Gerenciamento de
Problemas e Service Desk. 7. Gestão de Contratos e Contratações de Tecnologia da
Informação: 7.1. Instrução Normativa SGD/ME nº 1/2019 e suas atualizações. 7.2.
Instrução Normativa ME nº 40/2020 e suas atualizações.
3011 - Analista de Processo
PROCESSO: 1. Gerenciamento de Processos de Negócio (BPM CBOK v.2.0).
1.1. Conceitos, modelagem de processos, análise de processos, desenho de processos,
gerenciamento de desempenho de processos, transformação de processos. 2. Notação
BPMN. 3. Planejamento estratégico: missão, visão, indicadores, objetivos estratégicos;
cadeia de valor. 4. Gerenciamento de indicadores, metas e resultados. 5. Ferramentas
de gestão estratégica e qualidade: matriz SWOT, ciclo PDCA, 5W2H, matriz GUT,
pareto, diagrama de Ishikawa, benchmarking, brainstorming. 6. Decreto nº 10.332/2020
(Institui a Estratégia de Governo Digital para o período de 2020 a 2022, no âmbito dos
órgãos e
das entidades
da administração
pública federal
direta, autárquica
e
fundacional e dá outras providências).
Fechar