Mais Detalhes:

1. Curso baseado no ultimo edital e em adaptações dos últimos editais do cargo/órgão;

2. Serão abordados os tópicos mais relevantes de cada disciplina (não necessariamente todos), a critério de cada um dos professores;

3. As videoaulas eventualmente ainda não disponibilizadas serão acrescidas de modo gradativo e em conformidade com o cronograma de gravação dos respectivos professores. Periodicamente, divulgamos o cronograma referente aos novos vídeos a serem disponibilizados;

4. Informamos que, visando à melhor compreensão e absorção dos conteúdos previstos no seu Edital, as videoaulas referentes a determinadas disciplinas foram organizadas com base na lógica didática proposta pelo(a) docente responsável e não de acordo com a ordem dos tópicos apresentada no conteúdo programático do certame.

5. Não será ministrado: Ciência de Dados: 6. Linguagens de programação e frameworks: Linguagem de programação R. Scala. Spark (PySpark e Scala). Pandas. Scikit-learn. TensorFlow. PyTorch. Keras. NLTK. Desenvolvimento de sistemas: 9.1 Linguagens: Java (JDK 17) e Javascript (ECMASCript 2021). 9.2 Frameworks Java: QueryDSL, Flyway, Gradle. 9.3 Frameworks Javascript: Vue.JS 3.x, Webpack, NPM, Bootstrap. Infraestrutura Tecnológica: 3. Automação. 3.1 Desenvolvimento de scripts de automação em Python.3.2 Automação de infraestrutura de redes com Terraform.3.3 Integração via API REST. 5. Forense Computacional: conceitos gerais. 5.1 Preservação de evidências em análises forenses. 5.1.1 Hash de arquivos. 5.1.2 Cadeia de custódia. 5.2 Preservação de evidências durante procedimento de coleta. 5.2.1 Espelhamento de discos. 5.2.2 Imagem de discos. 5.2.3 Software e dispositivos para coleta de dados. 5.3 Técnicas Antiforense. 5.3.1 Criptografia. 5.3.2 Esteganografia. 5.4 Sanitização de discos. 5.4.1 Wipe.

O rol de professores poderá sofrer acréscimos ou substituições por motivos de força maior, ficando a cargo do Gran Cursos Online as devidas modificações.








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 serão ministrados em PDF:Ciêncoa de dados: 6. Linguagens de programação Java. 6. Linguagens de programação e frameworks: Linguagem de programação R. 7. Qualidade de dados. Conceitos e definições. Dimensões da qualidade de dados (visão DMBOK). Principais técnicas em qualidade de dados. Profiling. Matching. Deduplicação. Data cleansing. Enriquecimento. Boas práticas para adoção da qualidade de dados. Processos de qualidade para modelos de dados. 6.3 Qualidade de Dados. 1. Aprendizado de máquina: técnicas de classificação. Técnicas de regressão. Técnicas de agrupamento. Técnicas de redução de dimensionalidade. Técnicas de associação. Sistemas de recomendação. Processamento de linguagem natural (PLN). Visão computacional. Deep learning. 3. Tratamento de dados. Normalização numérica. Discretização. Tratamento de dados ausentes. Tratamento de outliers e agregações. 4. Ingestão de dados. Conceito de ingestão de dados. Ingestão de dados estruturados, semiestruturados e não estruturados. Ingestão de dados em lote (batch). Ingestão de dados em streaming. Ingestão de dados full × incremental. Ingestão de dados CDC (change data capture). 5. Processamento de dados. Conceitos de processamento massivo e paralelo. Processamento em lote (batch). Processamento em tempo real (real time). Processamento MapReduce.
Desenvolvimento de Sistemas: 6.1 Arquitetura de aplicações em infraestrutura de containers (Docker e Kubernetes).11. Segurança no desenvolvimento. 11.1 Práticas de programação segura e revisão de código. 11.2 Controles e testes de segurança para aplicações web.11.3 Controles e testes de segurança para Web Services. 11.4 Melhores Práticas de Codificação Segura OWASP.5. Utilização de Folhas de Estilo (CSS). 5.1 Páginas Web responsivas. 6 Arquitetura. 6.2 Arquitetura: Arquitetura de aplicações web, modelo MVC, Domain Driven Design (DDD), Arquitetura Hexagonal. 6.3 Arquitetura e desenvolvimento em nuvem. 7. Soluções de integração entre sistemas. 7.1 API Rest.
INFRAESTRUTURA TECNOLOGICA: 5. Forense Computacional: conceitos gerais. 7. Monitoramento. 7.1 Protocolos de monitoramento de sistemas e ativos de rede. 7.2 Zabbix versão 5. 7.3 Monitoramento de desempenho de aplicações. 1. Nuvem. 1.1 Conceitos: Nuvens pública e privada, IaaS, PaaS, SaaS, workloads. 1.2 Estratégias de Migração de Aplicações para o ambiente de nuvem, Governança, Computação Serverless, Segurança Compartilhada. 1.3 Tecnologias: Amazon Web Services (AWS), Microsoft Azure e Google Cloud Services, Docker, Kubernetes. 4. Gestão de Serviços. 4.1 Conceitos e práticas. 6. Gestão de Contratos e Contratações de Tecnologia da Informação. 7. Monitoramento. 7.1 Protocolos de monitoramento de sistemas e ativos de rede. 7.2 Zabbix versão 5. 7.3 Monitoramento de desempenho de aplicações
Segurança da Informação
5. Não serão ministrados PDFs sintéticos