MP CE - Ministério Público do Ceará - Cargo 5: Analista Ministerial - Especialidade: Ciências da Computação

Proposta

Ocupar um cargo público na área de  Analista Ministerial - Especialidade: Ciências da Computação  é um desafio que demanda tempo, dedicação e esforço pessoal. Reconhecendo a magnitude desse objetivo, o Gran Concursos estará ao seu lado em cada etapa dessa jornada.

No curso MP CE - Ministério Público do Ceará - Cargo 5: Analista Ministerial - Especialidade: Ciências da Computação, oferecemos uma experiência completa de preparação. Com nossas tradicionais videoaulas, reconhecidas pela mais alta qualidade audiovisual do mercado, você terá acesso aos conteúdos necessários para alcançar a aprovação.

Nosso corpo docente é composto por profissionais experientes que ocupam cargos de destaque em carreiras da Tecnologia da Informação, garantindo que o curso esteja alinhado com o que há de mais técnico e essencial para sua preparação.

Mais Detalhes

1. Curso baseado no EDITAL Nº 1 – MPCE, DE 16 DE JANEIRO DE 2025
2. Serão abordados os tópicos mais relevantes de cada disciplina (não necessariamente todos), conforme critério dos respectivos professores.
3. As videoaulas ainda não disponibilizadas serão acrescidas de forma gradual, conforme o cronograma de gravação dos professores. Periodicamente, divulgaremos o cronograma com os novos vídeos a serem disponibilizados.
4. Não serão ministrados os seguintes tópicos do Edital: 1.3 Jasper. 2.1 Clean code. 11 Tecnologias backend. 11.1 Frameworks: Flask, Express e NestJS. EJB,  JMS e JTA Google Looker. 2.2 Séries temporais (tendências, suavização exponencial e modelos ARIMA). 7.5 Métricas de similaridade textual (similaridade do cosseno, distância euclidiana, similaridade de Jaccard, distância de Manhattan e coeficiente de Dice). NATS Streaming, 4.3 NBR ISO/IEC 15408. 3.1 APS (application platform suite); interoperabilidade de sistemas.1.4 Mesh app and service architecture (MASA). 6 Arquitetura corporativa (TOGAF). 3 Desenvolvimento de integrações: tecnologia Middleware. 7 Planilhas e SQL.
5. Informamos que, para facilitar a compreensão e a absorção dos conteúdos previstos no edital, as videoaulas de determinadas disciplinas foram organizadas com base na lógica didática proposta pelo(a) docente responsável, e não de acordo com a ordem dos tópicos do conteúdo programático do certame.

 O rol de professores poderá sofrer acréscimos ou substituições por motivos de força maior, ficando a cargo do Gran Concursos realizar as modificações necessárias. 

AULAS EM PDF AUTOSSUFICIENTES:

1. Conteúdo produzido por mestres especializados na leitura como recurso didático completo.
2. Material prático que facilita a aprendizagem de maneira acelerada.
3. Exercícios comentados.
4. Não será ministrado PDF: edição. 4 Gestão ágil de projetos com Scrum. 6 Arquitetura corporativa (TOGAF). 1.4 Técnicas de análise e simulação de processos. 1.5 construção e mensuração de indicadores de processos.BPMN: notação, artefatos e
atividades. 1.8 Gerenciamento de processos de negócio (BPM). 2 RPA (robotic proces automation). 2.1 Conceitos, fundamentos, características, estratégias. 2.2 Padronização de processos, formatação, validação e operação. Desenvolvimento de sistemas. 1.1 Desenvolvimento web. 1.1.1 JavaScript, HTML5, CSS3, WebSocket, Single Page Application (SPA). 1.2 Framework JavaS-cript AngularJS, DHTML, AJAX. 1.3 Jasper. 1.4 Noções e conceitos de desenvolvimento para dispositivos móveis. 1.5 Framework Apache CXF. 1.6 Programação Java 1.7 Programação C# 1.9 Usabilidade e acessibilidade na  Internet, padrões W3C e 2 Análise estática de códigofonte. 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 omportamentais. 3.2 Padrões GRASP. 9 Qualidade de código: SonarQube, Robot Framework e JMeter. 10 Tecnologias e práticas frontend web: 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. 1.2 Modelo de versionamento, merge, branch, pipeline. 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. 5.6 Pipeline de dados. 5.7 Processamento distribuído. 5.8
Conceitos de data lake. 5.9 ETL X ELT. 5.10.2 Componentes Hadoop HBase, Kudu, Sqoop, Nifi, Hive, Impala, Spark, Spark Streaming, SOLR, Oozie, Yarn, Kafka, Flink e AirFlow. 10 Mapeamento das fontes de dados: técnicas para coleta de dados. II BUSINESS INTELLIGENCE: 1 Conceitos, fundamentos, características, técnicas e métodos de business intelligence (BI). 2 Sistemas de suporte a decisão e gestão de conteúdo. 7 Mapeamento das fontes de dados: técnicas para coleta de dados. Arquitetura e análise de requisitos para sistemas analíticos. e SQL (padrão ANSI). 11.1 Ferramentas de criação de dashboards (Power BI, Google Looker e Pentaho). 11.2 Storytelling. 11.3 Elaboração de painéis e dashboard. 11.4 Elaboração de relatórios analíticos. 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 (R2). 3 Técnicas de agrupamento. 3.1 Agrupamento por partição. 3.2 Agrupamento por densidade. 3.3 Agrupamento hierár-quico. 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 Des-coberta de conjuntos frequentes. 5.2 Descoberta de regras de associação. 6 Sistemas de recomendação. 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. modelos vetoriais de palavras (CBOW, SkipGram 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). IV INTERNET DAS COISAS: 1 IoT (Internet of Things). 1.1 Conceitos, fundamentos, características. 1.2 Arquitetura IoT. VI ORIENTAÇÕES A SERVIÇO: 1 Ferramentas de integração assíncrona: Kafka, NATS Streaming, ActiveMQ. 2 microsserviços. 2.1 Orquestração de serviços, API gateway. 2.2 containers. 2.3Padrões de microsserviços. 2.4 Transações distribuídas. 3 Arquitetura de software. 3.1 Interoperabilidade de sistemas. 3.2 Arquitetura orientada a serviços. RESTful, 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. VII 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.