Apostila UFSJ 2025 Analista de TI Desenvolvimento de Sistemas

APOSTILA UFSJ 2025 ANALISTA DE TECNOLOGIA DA INFORMAÇÃO - DESENVOLVIMENTO DE SISTEMAS. Material completo que abrange  tanto os conteúdos de conhecimentos básicos quanto os específicos exigidos no edital  para esse cargo.   

CONTEÚDO PROGRAMÁTICO

LÍNGUA PORTUGUESA 

1.Leitura, compreensão e interpretação de textos. 2.Tipos textuais e gêneros textuais. 3.Sentido literal e sentido figurado. 4.Recursos verbais, não verbais e multissemioìticos. 5.Argumentação, opinião e informação. 6.Estratégias argumentativas. 7.Coesão e coerência textuais. 8.Figuras de linguagem e outros recursos expressivos. 9.Funções da linguagem. 10.Concordância verbal e nominal. 11.Uso do sinal indicativo de crase. 12.Formação de palavras. 13.Colocação pronominal. 14.Sinonímia, antonímia e polissemia. 15.Fono-ortografia: letra, fonema, encontros vocálicos e consonantais, dígrafos, divisão silábica, classificação das palavras quanto ao número de sílabas, acentuação tônica e gráfica (atualizada conforme as regras do novo Acordo Ortográfico), classificação das palavras quanto ao acento tônico, ortografia (atualizada conforme as regras do novo Acordo Ortográfico). 16.Emprego dos sinais de pontuação. 17.Morfossintaxe: classes de palavras, suas funções nas orações e seu funcionamento. 18.Emprego de tempos e modos verbais. 19.Sintaxe: frase, oração e período; termos da oração; organização de períodos compostos; coordenação e subordinação. 20.Variação linguística.

CONHECIMENTOS ESPECÍFICOS

1.Banco de Dados: conceitos básicos; arquitetura; estrutura de dados; modelagem e normalização de dados; noções de administração de dados e de banco de dados; PostgreSQL e MS-SQLSERVER. Integridade referencial. Metadados. Modelagem dimensional. Linguagem de consulta estruturada (SQL). Linguagem de definição de dados (DDL). Linguagem de manipulação de dados (DML). SGBD. Propriedades de banco de dados. Banco de dados NoSQL. Banco de dados em memória. 2.Programação web. HTML5. CSS3. JavaScript. Angular. XML. TypeScript. Diretrizes de acessibilidade para conteúdo web (WCAG). eMAG (modelo de acessibilidade em governo eletrônico). 3.Desenvolvimento de Software e DevOps. Lógica de programação. Programação orientada a objetos. Métricas de qualidade de código. Clean code. Refactoring. Linguagem de programação Java. Arquitetura distribuída de microsserviços; API RESTful; JSON; Framework Spring; Spring Cloud; Spring Boot; Spring Eureka, Zuul; Swagger; Service Discovery; API Gateway. Persistência; JPA 2.0; Hibernate 4.3 ou superior; Hibernate Envers; Biblioteca Flyway. Serviços de autenticação; single sign–on (SSO); keycloak; protocolo OAuth2 (RFC 6749). Mensageria e webhooks; message broker; RabbitMQ; APIs reversas. Ferramenta de versionamento Git. Ambiente de clusters, Kubernetes. Ferramenta de orquestração de contêineres, Rancher. Princípios e fundamentos das práticas DevOps, técnicas e ferramentas de builds e deploys automatizados, ferramentas de deploy contínuo, modelo de versionamento, merge, branch e pipeline. CI/CD (continuous integration / continuous delivery). Servidores de aplicação: Jboss; Apache Web Server; Tomcat Application Server; Nginx. 4.Desenvolvimento de Software Seguro: SDL, CLASP, codificação segura e programação defensiva, OWASP Top 10. NIST secure software development framework. 5.Engenharia de Software: conceitos básicos sobre engenharia de software. Disciplinas de engenharia de software. Análise de requisitos funcionais e não funcionais. Análise e projeto. Qualidade de software: Modelos capability maturity model integration (CMMI-DEV v. 2.0); ABNT NBR ISO/IEC/IEEE 12207:2021 e versão 2021 do guia MR-MPSSW. Análise de pontos de função (IFPUG e NESMA). Desenvolvimento orientado a testes (TDD): testes automatizados; ferramentas de controle de versão. Ferramentas de automação de build. Padrões de projeto e SOLID. Domain-Driven Design. Modelagem de sistemas: UML; BPMN; outras técnicas de modelagem; Kanban; SCRUM. 6.Ciência de Dados: conceitos de big data e analytics. Business Intelligence 3.0. Data warehouse. ETL. Data mining. Data mart. OLAP. 7.Inteligência Artificial e Aprendizado de Máquina: principais técnicas de pré-processamento de dados estruturados e não estruturados. Conceitos de modelos preditivos (supervisionados) e descritivos (não supervisionados). Avaliação de modelos (sobre ajuste, métricas de classificação e regressão, análise ROC). Grandes modelos de linguagem (LLM), IA generativa. Redes neurais. Governança e ética na IA; transparência, responsabilidade, explicabilidade, privacidade, segurança, viés.