Cebraspe – AUDITOR FISCAL DE TECNOLOGIA DA INFORMAÇÃO DA RECEITA ESTADUAL – Concurso


CARGO 4: AUDITOR FISCAL DE TECNOLOGIA DA INFORMAÇÃO DA RECEITA ESTADUAL


ANÁLISE, DESENHO E AUTOMAÇÃO DE PROCESSOS:

1 BPM (business process management). 1.1 conceitos
básicos. 1.2 identificação e delimitação de processos de negócio. 1.3 técnicas de mapeamento de processos
(modelos as-is). 1.4 técnicas de análise e simulação de processos. 1.5 construção e mensuração de
indicadores de processos. 1.6 técnicas de modelagem de processos (modelos to-be). 1.7 modelagem de
processos em BPMN: notação, artefatos e atividades. 1.8 gerenciamento de processos de negócio (BPM). 2
RPA (robotic process automation). 2.1 Conceitos, fundamentos, características, estratégias. 2.2 Padronização
de processos, formatação, validação e operação.


ARQUITETURA DE DESENVOLVIMENTO DE SOFTWARE:

1 Desenvolvimento de sistemas. 1.1
Desenvolvimento web. 1.1.1 JavaScript, HTML5, CSS3, WebSocket, Single Page Application (SPA). 1.2
Framework JavaScript AngularJS, DHTML, AJAX. 1.3 Jasper. 1.4 Noções e conceitos de desenvolvimento para
dispositivos móveis. 1.5 Framework Apache CXF. 1.6 Programação PHP. 1.7 Framework Zend. 1.8
Programação Phyton. 1.9 Usabilidade e acessibilidade na Internet, padrões W3C e e-MAG. 2 Análise estática
de código-fonte. 2.1 Clean code. 3 Padrões de projeto. 3.1 GoF. 3.1.1 Padrões de criação; 3.1.2 Padrões
estruturais. 3.1.3 Padrões comportamentais. 3.2 Padrões GRASP. 4 Ambientes Internet, extranet, intranet e
portal: finalidades, características físicas e lógicas, aplicações e serviços. 5 Padrões XML, XSLT, UDDI, WSDL,
SOAP, REST e JSON. 6 Engenharia de software. 6.1 Levantamento de requisitos funcionais e não funcionais.
6.2 Análise de sistemas. 6.3 Qualidade de software. 6.4 Unified Process (UP). 6.5 Unified Modeling Language
(UML 2.x). 7 Métrica de análise de ponto de função. 8 Testes de software. 8.1 Tipos de testes. 8.2 Teste
unitário. 8.3 Teste de integração. 8.4 Teste de carga/estresse). 9 Qualidade de código: SonarQube, Robot
Framework e JMeter. 10 Tecnologias e práticas frontend web: HTML, CSS, UX, Ajax, frameworks (Bootstrap,
angular, VueJS e React). 10.1 Padrões de frontend. 10.1.1 SPA e PWA. 11 Tecnologias backend. 11.1
Frameworks: Hibernate, .NET Core, Quarkus, SpringBoot, Flask, Django, NodeJS, Express e NestJS. 11.2
Especificações: JEE (JPA, EJB, JSF, JMS e JTA), JVM.


BIG DATA & ANALYTICS:

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. 3 Modelagem dimensional. 3.1 Conceito e aplicações. 4
Mineração de dados. 4.1 Modelo de referência CRISP-DM. 4.2 Técnicas para pré-processamento de dados.
4.3 Técnicas e tarefas de mineração de dados. 4.4 Classificação. 4.5 Regras de associação. 4.6 Análise de
agrupamentos (clusterização). 4.7 Detecção de anomalias. 4.8 Modelagem preditiva. 4.9 Aprendizado de
máquina. 4.10 Mineração de texto. 5 Big data. 5.1 Conceito, premissas e aplicação. 5.2 Tipos de dados:
estruturados, semiestruturados e não estruturados. 5.3 Conceitos dos três Vs. 5.4 Fluxo de big data: ingestão,
processamento e disponibilização. 5.5 Armazenamento de big data. 5.6 Pipeline de dados. 5.7 Processamento
distribuído. 5.8 Conceitos de data lake. 5.9 ETL X ELT. 5.10 Soluções de big data. 5.10.1 Arquitetura do
ecossistema Apache Hadoop. 5.10.2 Componentes Hadoop: HBase, Kudu, Sqoop, Nifi, Hive, Impala, Spark,
Spark Streaming, SOLR, Oozie, Yarn, Kafka, Flink e AirFlow. 5.11 Arquiteturas de big data. 5.11.1 Arquitetura
Lambda. 5.11.2 Arquitetura Kappa. 5.11.3 Arquitetura de cloud computing para dados (AWS, Azure). 6
Visualização e análise exploratória de dados. 7 Planilhas e SQL. 8 Visualização de dados: BD individuais e
cubos. 9 Técnicas de modelagem e otimização de bases de dados multidimensionais. 10 Mapeamento das
fontes de dados: técnicas para coleta de dados.


BUSINESS INTELLIGENCE:

1 Conceitos, fundamentos, características, técnicas e métodos de business
intelligence (BI). 2 Sistemas de suporte a decisão e gestão de conteúdo. 3 Arquitetura e aplicações de data
warehouse com ETL e OLAP. 4 Definições e conceitos de data warehouse e data mining. 5 Visualização de
dados: BD individuais e cubos. 6 Técnicas de modelagem e otimização de bases de dados multidimensionais.
7 Mapeamento das fontes de dados: técnicas para coleta de dados. 8 Ecossistema de big data Apache
Hadoop. Arquitetura e análise de requisitos para sistemas analíticos. 9 Álgebra relacional e SQL (padrão ANSI).
10 Banco de dados NoSQL. 11 Visualização e análise exploratória de dados 11.1 Ferramentas de criação de
dashboards (Qlik, MicroStrategy Dossiê, Tableau e Pentaho). 11.2 Storytelling. 11.3 Elaboração de painéis e
dashboard. 11.4 Elaboração de relatórios analíticos.
DevOps: 1 Gestão de configuração. 1.1 DevOps. 1.2 modelo de versionamento, merge, branch, pipeline. 1.3
CI/CD (continuous integration/continuous delivery). 1.4 Mesh app and service architecture (MASA). 2
Containers: 2.1 Conceitos básicos sobre Docker e Kubernetes. 2.2 Arquitetura da plataforma Docker. 2.3
Instalação e configuração do Docker. 2.3.1 Criação e manipulação de imagens Docker. 2.3.2 Registry Docker.
2.4 Gerência de containers com Docker. 2.5 Rede no Docker. 2.6 Volumes no Docker. 2.7 Segurança no
Docker. 2.8 Conceitos básicos sobre containers.


DESENVOLVIMENTO E GESTÃO ÁGIL DE PROJETOS/DEMANDAS:

1 Gerenciamento de projetos – PMBOK 6ª
edição. 1.1 Projetos e a organização. 1.2 Escritório de projetos. 1.2.1 Modelos e características. 1.3 Processos,
grupos de processos e área de conhecimento. 2 Metodologias ágeis. 2.1 Scrum, XP, TDD, modelagem ágil,
Scrumban e Kanban. 3 Gestão ágil de projetos: 3.1 Scrum. 3.2 Guia de prática ágil PMI. 4 Governança de TI
(COBIT 2019). 4.1 Conceitos básicos, estrutura e objetivos.


ESTATÍSTICA:

1 Estatística descritiva e análise exploratória de dados: gráficos, diagramas, tabelas, medidas
descritivas (posição, dispersão, assimetria e curtose). 2 Probabilidade. 2.1 Definições básicas e axiomas. 2.2
Probabilidade condicional e independência. 2.3 Variáveis aleatórias discretas e contínuas. 2.4 Distribuição de
probabilidades. 2.5 Função de probabilidade. 2.6 Função densidade de probabilidade. 2.7 Esperança e
momentos. 2.8 Distribuições especiais. 2.9 Distribuições condicionais e independência. 2.10 Transformação
de variáveis. 2.11 Leis dos grandes números. 2.12 Teorema central do limite. 2.13 Amostras aleatórias. 2.14
Distribuições amostrais. 3 Inferência estatística. 3.1 Estimação pontual: métodos de estimação, propriedades
dos estimadores, suficiência. 3.2 Estimação intervalar: intervalos de confiança, intervalos de credibilidade.
3.3 Testes de hipóteses: hipóteses simples e compostas, níveis de significância e potência de um teste, teste
t de Student, teste qui-quadrado. 4 Análise de regressão linear. 4.1 Critérios de mínimos quadrados e de
máxima verossimilhança. 4.2 Modelos de regressão linear. 4.3 Inferência sobre os parâmetros do modelo.
4.4 Análise de variância. 4.5 Análise de resíduos. 5 Técnicas de amostragem: amostragem aleatória simples,
estratificada, sistemática e por conglomerados. 5.1 Tamanho amostral.


GESTÃO DE CONTRATOS:

1 Princípios aplicados aos contratos celebrados com a administração pública. 2
Sistemas de compras públicas federais. 2.1 Comprasnet. 2.2 Lei nº 14.133/2021. 2.3 Obrigações do gestor de
contratos celebrados com a administração pública. 2.4 Formalização e execução de contratos com a
administração pública. 2.5 Infrações contratuais e sanções em contratos com a administração pública. 2.6
Controle de contratos com a administração pública. 3 Sistemas de compras públicas estaduais e/ou
municipais. 3.1 Regulamento/normativo interno do órgão para a celebração de contratos com a
administração pública.


GESTÃO DE PRODUTO:

1 Qualidade de software. 1.1 MPSBR e CMMI. 1.2 Conceitos básicos e objetivos. 1.3
Disciplinas e formas de representação. 1.4 Níveis de capacidade e maturidade. 1.5 Processos e categorias de
processos.


INTELIGÊNCIA ARTIFICIAL:

1 Técnicas de classificação. 1.1 Naive Bayes. 1.2 Regressão logística. 1.3 Redes
neurais artificiais. 1.3.1 Funções de ativação: limiar, linear, ReLU, logística, softmax, maxout e gaussiana. 1.3.2
Redes Perceptron de única e múltiplas camadas. 1.4 Árvores de decisão (algoritmos ID3 e C4.5) e florestas
aleatórias (random forest). 1.5 Máquinas de vetores de suporte (SVM – support vector machines). 1.6 K
vizinhos mais próximos (KNN – K-nearest neighbors). 1.7 Comitês de classificadores. 1.8 Avaliação de modelos
de classificação: treinamento/teste/validação; validação cruzada; métricas de avaliação (matriz de confusão,
acurácia, precisão, revocação, F1-score e curva ROC). 2 Técnicas de regressão. 2.1 Regressão linear. 2.2 Séries
temporais (tendências, suavização exponencial e modelos ARIMA). 2.3 Redes neurais para regressão. 2.4
Árvores de decisão para regressão. 2.5 Máquinas de vetores de suporte para regressão. 2.6 Intervalos de
confiança em regressão. 2.7 Avaliação de modelos de regressão: mean absolute error (MAE), mean square
error (MSE), root mean square error (RMSE) e coeficiente de determinação (R
2
). 3 Técnicas de agrupamento.
3.1 Agrupamento por partição. 3.2 Agrupamento por densidade. 3.3 Agrupamento hierárquico. 4 Técnicas de
redução de dimensionalidade. 4.1 Seleção de características (feature selection). 4.2 Análise de componentes
principais (PCA – principal component analysis). 5 Técnicas de associação. 5.1 Descoberta de conjuntos
frequentes. 5.2 Descoberta de regras de associação. 6 Sistemas de recomendação. 7 Processamento de
linguagem natural (PLN). 7.1 Normalização textual (stop words, estemização, lematização e análise de
frequência de termos). 7.2 Rotulação de partes do discurso (POS-tagging – part-of-speech tagging). 7.3
Reconhecimento de entidades (NER – named entity recognition) e rotulação IOB. 7.4 Modelos de
representação de texto: N-gramas, modelos vetoriais de palavras (CBOW, Skip-Gram e GloVe), modelos
vetoriais de documentos (booleano, TF e TF-IDF, média de vetores de palavras e Paragraph Vector). 7.5
Métricas de similaridade textual (similaridade do cosseno, distância euclidiana, similaridade de Jaccard,
distância de Manhattan e coeficiente de Dice). 7.6 Aplicações de PLN: sumarização automática de texto
(abordagens extrativa e abstrativa), modelagem de tópicos em texto (algoritmos LSI, LDA e NMF),
classificação de texto, agrupamento de texto, tradução automática de texto, análise de sentimentos e
emoções em texto, reconhecimento de voz (STT – speech to text). 8 Visão computacional. 8.1
Reconhecimento facial. 8.2 Classificação de imagens. 8.3 Detecção de objetos. 8.4 Deep learning para visão
computacional. 9 Aprendizado profundo. 9.1 Redes neurais convolucionais. 9.2 Redes neurais recorrentes.
9.2.1 Redes de Hopfield. 9.2.2 Long short-term memory (LSTM). 9.2.3 Redes Perceptron multicamadas
recorrentes. 9.2.4 Máquinas de Boltzmann. 9.2.5 Deep belief networks.


INTERNET DAS COISAS:

1 IoT (Internet of Things). 1.1 Conceitos, fundamentos, características. 1.2
Arquitetura IoT.


NUVEM COMPUTACIONAL:

1 Arquitetura e desenvolvimento em nuvem. 1.1 Computação na nuvem. 1.2
Nuvem pública e nuvem privada. 2 Arquitetura de cloud computing para dados (AWS, Azure). 2.1
Características, requisitos e recursos.


ORIENTAÇÕES A SERVIÇO:

1 Ferramentas de integração assíncrona: Kafka, NATS Streaming, ActiveMQ. 2
microsserviços. 2.1 Orquestração de serviços, API gateway. 2.2 containers. 2.3 Padrões de microsserviços.
2.4 Transações distribuídas. 3 Arquitetura de software. 3.1 Interoperabilidade de sistemas. 3.2 Arquitetura
orientada a serviços. 3.2.1 Web services. 3.2.2 RESTful, SOAP. 3.3 Arquitetura orientada a objetos. 3.4
Arquitetura. 3.5 Camadas, modelo MVC. 3.6 Arquitetura de aplicações para ambiente web. 3.6.1 Servidor de
aplicações. Servidor web. 4 Gerenciamento de serviços (ITIL 4). 4.1 Conceitos básicos, disciplinas, estrutura e
objetivos.


VIRTUALIZAÇÃO DE SERVIDORES:

1 Tópicos avançados. 1.1 Virtualização (XEN, VMWare, KVM, ZVM). 1.2
Consolidação de servidores. 1.3 Integração de plataforma alta com plataforma baixa.


SEGURANÇA DA INFORMAÇÃO, SEGURANÇA DE DATACENTER, SEGURANÇA DE DISPOSITIVOS,
DISPONIBILIDADE:

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. 2.6 Infraestrutura de chaves públicas. 2.7 Ataques a sistemas de criptografia. 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. 7 OWASP Top 10 (https://owasp.org/www-project-topten/). 8 Segurança de aplicações
web: 8.1 SQL injection, XSS, CSRF, ataques de inclusão de arquivos. 8.2 Vulnerabilidades em navegadores. 8.3
Vulnerabilidades de code signing. 8.4 Vulnerabilidades de controles de autenticação. 8.5 Comunicação
interaplicativos e sidejacking.


SISTEMAS DISTRIBUÍDOS:

1 Arquitetura de sistemas distribuídos. 1.1 Balanceamento de carga, fail‐over e
replicação de estado. 1.2 Técnicas de análise de desempenho e otimização de consultas (tuning). 1.3
Segurança de banco de dados. 2 Arquitetura e tecnologias de sistemas de informação: conceitos básicos e
aplicações; arquitetura cliente-servidor; especificação de metadados; arquitetura de aplicações para
ambiente web: servidor de aplicações, servidor web; arquitetura de software: arquitetura de camadas,
modelo MVC. 3 Desenvolvimento de integrações: tecnologia Middleware. 3.1 APS (application platform
suite); interoperabilidade de sistemas. 3.1.1 Padrões de interoperabilidade (ePING).


REDE DE COMPUTADORES:

1 Técnicas básicas de comunicação de dados. 2 Técnicas de comutação de
circuitos, pacotes e células. 3 Topologias de redes de computadores. 4 Arquitetura e protocolos de redes de
comunicação de dados. 5 Endereçamento e protocolos da família TCP/IP. 6 Modelo OSI. 7 Arquitetura clienteservidor. 8 Tecnologias de rede local: ethernet, fast ethernet, gigabit ethernet. 9 Redes sem fio: padrões
802.11, protocolos 802.1x, EAP, WEP, WPA, WPA2.
LÍNGUA INGLESA: 1 Compreensão de texto escrito em língua inglesa. 2 Itens gramaticais relevantes para a
compreensão dos conteúdos semânticos.


NOÇÕES DE DIREITO CONSTITUCIONAL:

1 Direitos e garantias fundamentais: direitos e deveres individuais e
coletivos, direitos sociais. 2 Organização do Estado: União, estados e municípios; administração pública:
servidores públicos civis. 3 Ordem econômica e financeira. 4 Ordem social: seguridade social e meio
ambiente.


NOÇÕES DE DIREITO ADMINISTRATIVO:

1 Organização administrativa brasileira. 2 Princípios fundamentais.
3 Administração direta, administração indireta e fundacional. 4 Atos administrativos. 5 Concessão de serviços
públicos. 6 Autorização e permissão. 7 Poderes administrativos: vinculado, discricionário, regulamentar,
disciplinar e de polícia.

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s