SEFAZ CE / 2021 Auditor Fiscal - Tecnologia da Informação da Receita Estadual

Atenção:

Finanças Públicas - não contemplamos os assuntos "16 Ordenador de despesa: conceito; ordenador primário; delegação de competência". 

Gestão de Contratos - não contemplamos os assuntos "2 Sistemas de compras públicas federais. 2.1 Comprasnet. 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.”

Análise, Desenho e Automação de Processos - não contemplamos os assuntos "2 RPA (robotic process automation).  2.1 Conceitos, fundamentos, características, estratégias.  2.2 Padronização de processos, formatação, validação e operação".

Big DAta & Analytics - não contemplamos os assuntos "5.10 Soluções de big data.  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). 8 Visualização de dados: BD individuais e cubos". 

Business Intelligence - não contemplamos os assuntos "5 Visualização de dados: BD individuais e cubos. 8 Ecossistema de big data Apache Hadoop. Arquitetura e análise de requisitos para sistemas analíticos. 11 Visualização e análise exploratória de dados  11.1 Ferramentas de criação de dashboards (Qlik, MicroStrategy Dossiê, Tableau e Pentaho).  11.2 Storytelling. 11.4 Elaboração de relatórios analíticos".

DevOps - não contemplamos os assuntos "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".

Nuvem Computacional - O conteúdo de Internet das Coisas (IoT) será abordada nesse caderno.

Inteligência Artificial - não contemplamos os assuntos "1.3.1 Funções de ativação: limiar, linear, ReLU, logística, softmax, maxout e gaussiana.  1.4 florestas aleatórias (random forest).  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).  5 Técnicas de associação.  5.1 Descoberta de conjuntos frequentes. 5.2 Descoberta de regras de associação.  6 Sistemas de recomendação.  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".