Descrição
Apostila Banco do Brasil 2023 BBTS Analista Perfil Tecnológico
Cargo: Analista Perfil Tecnológico
Editora: DOMINA CONCURSOS
Edição: 2023
Nível: Superior
Banca: FGV Fundação Getúlho Vargas
Edital: Acesso ao Edital
Não é só uma apostila!
Material teórico completo elaborado totalmente de acordo com o novo edital.
Acompanha provas anteriores com gabarito para testar seu aprendizado.
Só hoje, de R$89,98 por R$44,99
50% de Desconto
Conhecimento Básico
(Totalmente de Acordo com Edital 2023)
MÓDULO I
LÍNGUA PORTUGUESA: 1. Interpretação de texto: decodificação dos diversos tipos de mensagem. 2. Compreensão de texto: observação dos processos que constroem os significados textuais. 3. A linguagem e a lógica. 4. As estruturas linguísticas no processo de construção de mensagens adequadas. 5. A pragmática na linguagem: o significado contextual. 6. A semântica vocabular: antônimos, sinônimos, homônimos, parônimos e heterônimos. 7. Os modos de organização discursiva: a descrição, a narração, a exposição informativa e a exposição argumentativa. 8. A organização das frases nas situações comunicativas: a colaboração e a relevância; os atos de fala. 9. A linguagem lógica e a figurada. 10. Os diversos níveis de linguagem. 11. Os tipos de discurso: direto, indireto e indireto livre. 12. As funções da linguagem.
RACIOCÍNIO LÓGICO-MATEMÁTICO: 1. Lógica: proposições, conectivos, equivalências lógicas, quantificadores e predicados. 2. Conjuntos e suas operações, diagramas. 3. Números inteiros, racionais e reais e suas operações, porcentagem e juros. 4. Proporcionalidade direta e inversa. 5. Medidas de comprimento, área, volume, massa e tempo. 6. Estrutura lógica de relações arbitrária entre pessoas, lugares, objetos ou eventos fictícios; dedução de novas informações daquelas relações. 7. Compreensão e análise da lógica de uma situação, utilizando as funções intelectuais: raciocínio verbal, raciocínio matemático, raciocínio sequencial, orientação espacial e temporal, formação de conceitos, discriminação de elementos. 8. Compreensão de dados apresentados em gráficos e tabelas. 9. Raciocínio lógico envolvendo problemas aritméticos, geométricos e matriciais. Problemas de contagem e noções de probabilidade. 10. Geometria básica: ângulos, triângulos, polígonos, distâncias, proporcionalidade, perímetro e área. 11. Plano cartesiano: sistema de coordenadas, distância. 12. Problemas de lógica e raciocínio.
NOÇÕES DE ESTATÍSTICA: 1. População e amostra. 2. Variáveis contínuas e discretas. 3. Gráficos. 4. Distribuição de frequências. 5. Média, moda, mediana e desvio padrão. 6. Probabilidades.
MATEMÁTICA: 1. Conjuntos: operações e problemas. Conjunto dos números naturais, inteiros, racionais, reais e suas operações. Representação na reta. 2. Álgebra: produtos notáveis; equações, sistemas e problemas do primeiro grau; inequações; equação e problemas de segundo grau. 3. Porcentagem e proporcionalidade direta e inversa. 4. Sequencias: reconhecimento de Padrões, progressões aritmética e geométrica. 5. Juros e noções de Matemática Financeira. 6. Geometria Plana: distâncias e ângulos, polígonos, circunferência, perímetro e área. Semelhança e relações métricas no triângulo retângulo. 7. Geometria espacial: poliedros; prismas e pirâmides; cilindro, cone e esfera; áreas e volumes. 8. Plano Cartesiano: coordenadas, distâncias, reta e circunferência. 9. Matemática Discreta: princípios de contagem, noção de probabilidade. CONHECIMENTOS GERAIS 1. Governança Corporativa: copliance, ASG, LGPD. 2. Novas tecnologias: Inteligência Artificial, Blochchain, Openbanking. 3. Sistema Financeiro Nacional. 4. Centralidade no cliente. 5. Logística Integrada. 6. Introdução à prevenção e combate à lavagem do dinheiro e ao financiamento do terrorismo. 7. Lei Anticorrupção. 8. Ética. Diversidade nas organizações. 9. Noções de e-social.
Conhecimento Específico
(Totalmente de Acordo com Edital 2023)
MÓDULO II
LÍNGUA INGLESA
1. Estratégias de leitura em língua inglesa: compreensão geral de texto; reconhecimento de informações específicas; capacidade de análise e síntese; uso de palavras mais frequentes. 2. Aspectos gramaticais relevantes à compreensão de texto.
CIÊNCIAS DE DADOS:
1. Aprendizado de máquina: técnicas de classificação. Técnicas de regressão. Técnicas de agrupamento. Técnicas de redução de dimensionalidade. Técnicas de associação. Sistemas de recomendação. Processamento de linguagem natural (PLN). Visão computacional. Deep learning. 2. Big Data. Fundamentos. Tipos de dados: estruturados, semiestruturados e não estruturados. Conceito dos cinco Vs. Fluxo de big data: ingestão, processamento e disponibilização. Armazenamento de big data. Pipeline de dados. Processamento distribuído. Conceito de data lake. ETL X ELT. Soluções de big data. Arquiteturas de big data. 3. Tratamento de dados. Normalização numérica. Discretização. Tratamento de dados ausentes. Tratamento de outliers e agregações. 4. Ingestão de dados. Conceito de ingestão de dados. Ingestão de dados estruturados, semiestruturados e não estruturados. Ingestão de dados em lote (batch). Ingestão de dados em streaming. Ingestão de dados full × incremental. Ingestão de dados CDC (change data capture). 5. Processamento de dados. Conceitos de processamento massivo e paralelo. Processamento em lote (batch). Processamento em tempo real (real time). Processamento MapReduce. 6. Linguagens de programação e frameworks: Python. Linguagem de programação R. Java. Spark (PySpark e Java). Pandas. Scikit-learn. TensorFlow. PyTorch. Keras. 7. Qualidade de dados. Conceitos e definições. Dimensões da qualidade de dados (visão DMBOK). Principais técnicas em qualidade de dados. Profiling. Matching. Deduplicação. Data cleansing. Enriquecimento. Boas práticas para adoção da qualidade de dados. Processos de qualidade para modelos de dados.
DESENVOLVIMENTO DE SISTEMAS:
1. Modelagem de Processos de Negócio. 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). 2. Orientação a objetos. 2.1 Conceitos fundamentais, análise, modelagem e padrões de projeto. 2.2 Análise e projeto orientados a objetos 2.3 Polimorfismo, Herança, Abstração e Encapsulamento. 3. Gerenciamento do ciclo de vida do software. 4. Metodologias de desenvolvimento de software. 4.1 Metodologias ágeis: Scrum, XP, Kanban e TDD. 4.2 Qualidade de software. 5 Arquitetura. 5.1 Arquitetura de aplicações em infraestrutura de containers (Docker e Kubernetes). 5.2 Arquitetura: Arquitetura de aplicações web, modelo MVC, Domain Driven Design (DDD), Arquitetura Hexagonal. 5.3 Arquitetura e desenvolvimento em nuvem. 6. Soluções de integração entre sistemas. 6.1 API Rest. 7. Testes de Software: testes unitários, testes de integração, TDD, BDD. 8. Desenvolvimento. 8.1 Linguagens: Java (JDK 17) e Javascript (ECMASCript 2021). 9. Ferramentas de versionamento GIT. 10. Segurança no desenvolvimento. 10.1 Práticas de programação segura e revisão de código. 10.2 Melhores Práticas de Codificação Segura OWASP.
BANCO DE DADOS:
1. Bancos de dados relacionais. 1.1 Sistemas gerenciadores de banco de dados: Oracle DataBase. 1.1.1 Conceitos básicos. 1.1.2 Noções de Administração. 1.1.3 SQL (Procedural Language/Structured Query Language). 2. Banco de dados NoSQL (Key/Value, Orientados a Documentos e Grafos). 3. Técnicas para detecção de problemas e otimização de desempenho do SGBD e de consultas SQL. 4. Arquitetura e aplicações de data warehousing, ETL e Olap. 4.1 Técnicas de modelagem e otimização de bases de dados multidimensionais. 5. Governança de dados. 5.1 Conceito e noção básica. 5.2 Arquitetura de Dados. 5.3 Qualidade de Dados. 5.4 Metadados.BANCO DE DADOS 1. Bancos de dados relacionais. 1.1 Sistemas gerenciadores de banco de dados: Oracle DataBase. 1.1.1 Conceitos básicos. 1.1.2 Noções de Administração. 1.1.3 SQL (Procedural Language/Structured Query Language). 2. Banco de dados NoSQL (Key/Value, Orientados a Documentos e Grafos). 3. Técnicas para detecção de problemas e otimização de desempenho do SGBD e de consultas SQL. 4. Arquitetura e aplicações de data warehousing, ETL e Olap. 4.1 Técnicas de modelagem e otimização de bases de dados multidimensionais. 5. Governança de dados. 5.1 Conceito e noção básica. 5.2 Arquitetura de Dados. 5.3 Qualidade de Dados. 5.4 Metadados.
INFRAESTRUTURA TECNOLÓGICA:
1. 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. 2. Devops e DevSecOps. 2.1 Conceitos. 2.2 Práticas. 2.3 Ferramentas. 3. Automação. 3.1 Desenvolvimento de scripts de automação em Python. 3.2 Integração via API REST. 4. Gestão de Serviços. 4.1 Conceitos e práticas. 4.2 ITIL v4: Controle de Mudanças, Gerenciamento de Liberação, Gerenciamento de Incidentes, Gerenciamento de Problemas e Service Desk. 5. Forense Computacional: conceitos gerais. 5.1 Preservação de evidências em análises forenses. 5.1.1 Hash de arquivos. 5.1.2 Cadeia de custódia. 5.2 Preservação de evidências durante procedimento de coleta. 5.2.1 Espelhamento de discos. 5.2.2 Imagem de discos. 5.3 Técnicas Antiforense. 5.3.1 Criptografia. 5.3.2 Esteganografia. 5.4 Sanitização de discos. 5.4.1 Wipe.
SEGURANÇA DA INFORMAÇÃO:
1. Gestão de segurança da informação. 2. Gestão de continuidade do negócio. 3. Gestão de Identidade e Acesso. 4. Gestão de Riscos de Segurança da Informação. 5. Arquitetura Zero Trust: conceitos, práticas e tecnologias envolvidas. 6. Processo de identificação, análise e correção de vulnerabilidades. 7. Tipos de ataques em redes e aplicações corporativas e medidas de proteção. 8. Segurança de endpoints. 9. Técnicas de testes de segurança em aplicações e sistemas. 10. Infraestrutura de chaves públicas e Certificação Digital. 11. Prevenção e tratamento de incidentes de segurança da informação.
