Língua Portuguesa: Compreensão e interpretação de textos. Gêneros e tipos textuais. Funções da linguagem. Coesão e coerência textual. Significação de palavras e expressões: sinonímia, antonímia, polissemia, paronímia, homonímia e formas variantes. Sentido próprio e figurado das palavras. Ortografia oficial, incluindo emprego das letras, do hífen e de letras maiúsculas e minúsculas, conforme o Acordo Ortográfico da Língua Portuguesa. Acentuação gráfica. Classes de palavras: identificação, classificação, flexão e emprego. Estrutura e formação de palavras. Sintaxe da oração e do período. Termos essenciais, integrantes e acessórios da oração. Período composto por coordenação e subordinação. Orações reduzidas. Concordância verbal e nominal. Regência verbal e nominal. Emprego do sinal indicativo de crase. Emprego dos tempos e modos verbais. Colocação pronominal. Pontuação.

Legislação: Constituição da República Federativa do Brasil de 1988: Administração Pública (arts. 37 a 41). Regime Jurídico dos Servidores Públicos Civis da União, das Autarquias e das Fundações Públicas Federais (Lei nº 8.112, de 11 de dezembro de 1990, e suas alterações). Processo Administrativo no âmbito da Administração Pública Federal (Lei nº 9.784, de 29 de janeiro de 1999, e suas alterações). Marco Legal de Ciência, Tecnologia e Inovação (Decreto nº 9.283, de 7 de fevereiro de 2018, e suas alterações). Estatuto da Universidade Federal de Mato Grosso do Sul (Resolução nº 93-Coun/UFMS, de 28 de maio de 2021 - https://boletimoficial.ufms.br/ato-conteudo-normativo?pid=426373). Regimento Geral da Universidade Federal de Mato Grosso do Sul (Resolução nº 137- Coun/UFMS, de 29 de outubro de 2021 - https://boletimoficial.ufms.br/ato-conteudo-normativo?pid=441904). Código de Ética Profissional dos Servidores da UFMS (Resolução nº 426-Coun/UFMS, de 1° de abril de 2026, https://boletimoficial.ufms.br/ato-conteudo-normativo?pid=593987).

Raciocínio Lógico: Lógica proposicional: proposições, valores lógicos, sentenças abertas, conectivos lógicos, tabelas-verdade, tautologia, contradição e contingência. Negação de proposições. Equivalências e implicações lógicas. Argumentação lógica: validade de argumentos, inferências e conclusões. Diagramas lógicos e operações com conjuntos. Raciocínio sequencial: sequências numéricas, alfabéticas e figurais. Orientação espacial e temporal. Resolução de problemas envolvendo relações entre pessoas, objetos, lugares e situações hipotéticas. Princípio fundamental da contagem. Análise combinatória: arranjos, permutações e combinações. Probabilidade. Razões, proporções e porcentagem. Resolução de problemas lógico-matemáticos e compreensão de processos dedutivos que, a partir de um conjunto de hipóteses, conduzem validamente a conclusões determinadas.

Língua Inglesa: Compreensão e interpretação de texto (sentido global do texto, localização de determinada ideia, palavras cognatas). Conhecimento de vocabulário fundamental e de aspectos gramaticais em nível funcional, ou seja, como acessório à compreensão do texto.

Conhecimentos Específicos:  Fundamentos de programação em Python: Sintaxe, tipos de dados, operadores, estruturas de controle, funções, módulos e pacotes; estruturas de dados; programação orientada a objetos; tratamento de exceções; manipulação de arquivos; ambientes virtuais e gerenciamento de dependências. Desenvolvimento e integração de APIs: Arquitetura cliente-servidor; APIs REST; métodos HTTP; códigos de status; cabeçalhos, parâmetros e corpo das requisições; formatos JSON e XML; serialização e validação de dados; desenvolvimento de APIs com Python e FastAPI; documentação com OpenAPI/Swagger; consumo de APIs externas; autenticação, autorização, tratamento de erros e testes de APIs.  Bancos de dados e integração de dados: Modelagem de dados; bancos de dados relacionais e não relacionais; linguagem SQL; operações CRUD; integração de aplicações Python com bancos de dados; coleta, extração, transformação e carga de dados (ETL); integração e persistência de dados provenientes de APIs. Fundamentos de ciência de dados: Tipos de dados; estatística descritiva e probabilidade; análise exploratória de dados; limpeza, transformação e preparação de dados; tratamento de valores ausentes e inconsistências; correlação; visualização de dados; interpretação e comunicação de resultados. Bibliotecas Python para ciência de dados: Manipulação de arrays e operações numéricas com NumPy; análise e transformação de dados com Pandas; visualização com Matplotlib; processamento de dados estruturados.  Fundamentos de inteligência artificial e aprendizado de máquina: Conceitos e aplicações de inteligência artificial; aprendizado supervisionado e não supervisionado; classificação, regressão e agrupamento; preparação de dados e seleção de atributos; treinamento, validação e teste de modelos; métricas de avaliação; sobreajuste e subajuste. Inteligência artificial generativa e modelos de linguagem: Fundamentos de redes neurais e aprendizado profundo; modelos de linguagem de grande escala (LLMs); engenharia de prompts; embeddings; geração aumentada por recuperação (RAG); processamento de linguagem natural. 8. Implantação, segurança e manutenção de aplicações de dados e IA: Testes unitários e de integração; depuração; documentação; gerenciamento de configuração; implantação de aplicações; privacidade e proteção de dados pessoais conforme a LGPD; ética, vieses e uso responsável da inteligência artificial.