• Inteligência Artificial: conceitos, tipos, prompts, aplicações, segurança da informação e casos de uso.

• Lógica de Programação: Conceito de algoritmo. Algoritmos naturais e estruturados. Representações visuais, português estruturado ou linguagem algorítmica. Comandos de entrada, processamento e saída de dados. Variáveis e constantes. Expressões e operadores. Teste de mesa. Estrutura condicional simples e composta. Estrutura de repetição. Vetores. Matrizes.

• Metodologias de desenvolvimento de software: Conceitos e aplicabilidade; metodologias tradicionais e metodologias ágeis.

• Metodologias de desenvolvimento de software: introdução a metodologias de desenvolvimento de software: Conceito e tipos. Metodologias tradicionais. Metodologias interativas: RUP. Metodologias ágeis: XP; SCRUM; FDD; entre outras.

• Plataformas de desenvolvimento: conceitos. Tipos. Características e especificações técnicas.

• Regras de negócio: conceitos. Características. Tipos. Requisitos funcionais e não funcionais.

• Business Intelligence: conceitos, níveis (operacional, tático e estratégico) e aplicações.

• Dados, informação e inteligência: conceitos, características e aplicabilidade.

• Dashboards: conceitos, construção e interpretação.

• Funções: lógicas, matemáticas, estatísticas, financeiras e de pesquisa.

• Planilhas eletrônicas: organização, estruturação e modelagem de dados.

• Tabelas e gráficos dinâmicos: conceitos e aplicabilidade.

• Tratamento de dados: validação, limpeza, padronização e consolidação.

• Visualização de dados: princípios, tipos de gráficos e boas práticas.

• Gestão de projetos: escopo, cronograma, custos e indicadores.

• Metodologias ágeis: conceitos, Scrum, Kanban e Lean.

• Modelagem de sistemas: diagramas (caso de uso, classes) e documentação.

• Problemas e necessidades de dados: identificação, análise e contextualização.

• Requisitos: conceitos, tipos (funcionais e não funcionais) e técnicas de levantamento.

• Modelagem conceitual do banco de dados: Levantamento de dados e especificação de requisitos. Dicionário de dados. Integridade referencial. Arquitetura de arquivos de dados. Teoria dos conjuntos. Tipos de dados. Normalização. Modelo de entidade e relacionamento: entidade, visão, atributos, índices, chave candidata, chave primária e estrangeira, relacionamentos e integridade referencial.

• Modelagem física de banco de dados relacional: Linguagem SQL – Histórico, definições e aplicabilidade; Ferramentas de modelagem e manutenção; Criação, manipulação, ordenação, listagens e operações em consultas SQL; Subconsultas SQL; datas; União, intersecção e junção de dados; entidade, views, atributos, índices, chave candidata, chave primária, chave estrangeira, relacionamentos e integridade referencial; Importação e exportação de Dados.

• Segurança do banco de dados: Normas; segurança da informação em banco de dados: redundância, disponibilidade, integridade e consistência; criptografia; autenticação; falhas; ameaças; controle de acesso; backup e restore.

• Bibliotecas de análise de dados: conceitos e uso (ex.: pandas).

• Estatística descritiva: conceitos e aplicações.

• Estruturas de dados: conceitos, tipos e organização.

• Linguagens de programação para dados: conceitos e aplicabilidade.

• Tratamento de dados: limpeza, padronização e consistência.

• Visualização de dados: tipos de gráficos e boas práticas.

• Business Intelligence: conceitos, níveis e indicadores.

• ETL: conceitos, etapas e ferramentas.

• Linguagem DAX: conceitos e aplicações.

• Modelagem de dados: conceitos dimensionais e relacionamentos.

• Visualização de dados: princípios e boas práticas.

• APIs: conceitos, formatos (JSON, XML) e consumo.

• ETL/ELT: conceitos, etapas e ferramentas.

• Modelagem dimensional: conceitos e tipos.

• Orquestração de dados: conceitos e ferramentas.

• Qualidade de dados: limpeza, padronização e validação.

• Algoritmos: classificação, regressão e agrupamento.

• Ética em IA: vieses e transparência.

• Inteligência Artificial: conceitos, tipos e aplicações.

• Machine Learning: conceitos e classificações.

• Métricas de avaliação: conceitos e aplicações.

• Redes neurais e PLN: conceitos básicos.

• Business Intelligence: conceitos e aplicações.

• Data Warehouse e Data Mart: conceitos e arquitetura.

• ETL/ELT: conceitos e aplicações.

• Historização de dados: conceitos (SCD).

• Modelagem dimensional: conceitos e tipos.

• Ciência de Dados: conceitos e aplicações.

• Machine Learning: tipos e algoritmos.

• Métricas de avaliação: conceitos.

• Overfitting e underfitting: conceitos.

• Preparação de dados: técnicas e processos.

• Classificação de dados: tipos e níveis.

• LGPD: conceitos, princípios e bases legais.

• Privacidade: técnicas e métodos.

• Qualidade de dados: dimensões.

• Dataflows: conceitos e uso.

• DAX avançado: conceitos e aplicações.

• Modelagem analítica: conceitos e práticas.

• Plataformas de Business Intelligence em nuvem: funcionalidades, publicação e gestão de relatórios.

• Segurança: RLS e governança.

• Armazenamento distribuído: conceitos.

• Big Data: conceitos e características (5Vs).

• Computação em nuvem: conceitos e modelos.

• Data Lake: conceitos e arquitetura.

• FinOps: conceitos básicos.

• Design Thinking: conceitos e aplicações.

• Inovação: conceitos e tipos.

• Metodologias ágeis: conceitos e práticas.

• Transformação digital: conceitos e pilares.