Concurso BNDES
---

Documento: [link](https://bndes.gov.br/wps/wcm/connect/site/0679bee1-3ad3-401f-bd16-9c52a6c8d070/EDITAL+BNDES+2024.pdf?MOD=AJPERES&CVID=p3qDN9z)


## 8 - DA ETAPA DE QUALIFICAÇÃO TÉCNICA

### 8.1 - ANALISTA (ênfases de Administração, Análise de Sistemas - Cibersegurança, Análise de Sistemas - Desenvolvimento, Análise de Sistemas - Suporte, Arquitetura - Urbanismo, Arquivologia Digital, Ciências Contábeis, Ciência de Dados, Comunicação Social, Direito, Economia, Engenharia e Psicologia Organizacional).

#### 8.1.1 - Para todas as ênfases do cargo de ANALISTA
Quanto à etapa de qualificação técnica, este certame será realizado em duas fases. A primeira será composta por provas objetivas, a segunda fase, por prova discursiva, ambas de caráter eliminatório e classificatório, à exceção da prova de Língua Inglesa, de caráter apenas classificatório.

#### 8.1.2 - 1ª Etapa: provas objetivas
Essa fase será composta de 35 (trinta e cinco) questões de Conhecimentos Básicos (Conhecimentos Transversais, Língua Portuguesa e Língua Inglesa) e 35 (trinta e cinco) questões de Conhecimentos Específicos, num total de 70 (setenta) questões com 5 (cinco) alternativas de resposta (A, B, C, D, E) e uma única resposta correta. As questões das provas objetivas obedecerão à seguinte valoração:
- a) Conhecimentos Transversais - 20 (vinte) questões valendo 1,0 (um) ponto, subtotalizando 20,0 (vinte) pontos;
- b) Língua Portuguesa - 10 (dez) questões valendo 1,0 (um) ponto, subtotalizando 10,0 (dez) pontos;
- c) Língua Inglesa - 5 (cinco) questões valendo 1,0 (um) ponto, subtotalizando 5,0 (cinco) pontos;
- d) Conhecimentos Específicos - 35 (trinta e cinco) questões valendo 1,0 (um) ponto, subtotalizando 35,0 (trinta e cinco) pontos.
Total das provas objetivas: 70,0 (setenta) pontos.

#### 8.1.3
Após a 1ª Etapa, os candidatos serão classificados por ênfase a partir do total de pontos obtidos, sendo eliminado(a) o(a) candidato(a) que obtiver aproveitamento inferior a 60% (sessenta por cento) do total da pontuação do conjunto das provas objetivas eliminatórias. Será, ainda, eliminado(a) o(a) candidato(a) que não obtiver o mínimo de 10 (dez) pontos na prova de Conhecimentos Transversais, de 5 (cinco) pontos na prova de Língua Portuguesa e de 18 (dezoito) pontos na prova de Conhecimentos Específicos.

#### 8.1.4
Será considerado(a) habilitado(a) à 2ª fase o(a) candidato(a) que não for eliminado(a) na 1ª fase, de acordo com os critérios detalhados no subitem 8.1.3, e que esteja em uma colocação até a posição equivalente a 9 (nove) vezes o número de vagas (oferta imediata + cadastro de reserva), na fase objetiva por cargo/ênfase e por grupo - ampla concorrência (AC), candidatos negros (CN) e pessoas com deficiência (PcD), respeitados os empates na última posição. Deverá ainda ser respeitado o limite mínimo de 10 (dez) candidatos habilitados à 2ª fase por cargo/ênfase, para ampla concorrência (AC), candidatos negros (CN) e pessoas com deficiência (PcD), respeitados os empates na última posição.

#### 8.1.5 - 2ª Etapa: prova discursiva
Essa fase será composta de 5 (cinco) questões: 4 (quatro) questões de Conhecimentos Específicos e 1 (uma) questão de Conhecimentos Transversais, valendo, cada uma, 10 (dez) pontos, totalizando 50,0 (cinquenta) pontos.

##### 8.1.5.1 - Será eliminado o(a) candidato(a) que:
- a) obtiver aproveitamento inferior a 60% (sessenta por cento) do total da pontuação da prova discursiva;
- b) elaborar uma resposta que for assinada e/ou apresentar qualquer sinal que, de alguma forma, possibilite a sua identificação.

##### 8.1.5.1.1 - Obterá nota ZERO na questão o(a) candidato(a) que:
- a) der a resposta a lápis, em parte ou na sua totalidade;
- b) fugir ao tema proposto;
- c) apresentar texto com letra ilegível ou sob forma não articulada verbalmente em língua portuguesa (apenas com desenhos, números e palavras soltas ou em forma de verso).

##### 8.1.5.2
A avaliação das questões discursivas levará em conta os aspectos descritos a seguir.

##### 8.1.5.2.1
Com relação às questões de Conhecimentos Específicos, será aferida a capacidade de lidar com os conceitos, as técnicas e as atividades, expondo com clareza e objetividade aspectos ligados aos conteúdos específicos da ênfase a que se candidatou.

##### 8.1.5.2.2
Com relação à questão de Conhecimentos Transversais (comum a todas as ênfases), a avaliação considerará:
- a) quanto ao conteúdo de Conhecimentos Transversais, atribuindo-se 60% (sessenta por cento) do valor total da questão, a capacidade de lidar com os conceitos, as técnicas e as atividades próprias do conteúdo abordado, aferindo a compreensão, o conhecimento, o desenvolvimento e a adequação desses conceitos, a conexão e a pertinência ao assunto e o atendimento aos tópicos solicitados;
- b) quanto ao uso do idioma, atribuindo-se 40% (quarenta por cento) do valor total da questão, a proficiência na instrumentalização de conhecimentos ortográficos, gramaticais adequados à norma-padrão e textuais, observando-se coerência e coesão.

##### 8.1.5.3
Será desconsiderado, para efeito de avaliação, qualquer resposta ou fragmento de resposta que for escrito fora do local apropriado.

#### 8.1.6
Para maior dinamização da presente Seleção Pública, os(as) candidatos(as) prestarão as provas das duas fases no mesmo dia em dois turnos, sendo somente corrigida a prova discursiva (2ª Etapa) dos(as) candidatos(as) habilitados segundo os critérios definidos nos subitens 8.1.3 e 8.1.4. Será corrigido o equivalente a 9 (nove) vezes o número de vagas (oferta imediata + cadastro de reserva) das provas discursivas dos(as) candidatos(as) mais bem classificados(as) na fase objetiva por cargo/ênfase e por grupo - ampla concorrência (AC), candidatos(as) negros(as) (CN) e pessoas com deficiência (PcD). Deverá ainda ser respeitado o limite mínimo de 10 (dez) provas discursivas por cargo/ênfase, para ampla concorrência (AC), candidatos(as) negros(as) (CN) e pessoas com deficiência (PcD).

---

| LÍNGUA PORTUGUESA |
|-------------------------------------------------------------------------------------------------------------------|
| 1. Compreensão de texto. |
| 2. Ortografia oficial. |
| 3. Mecanismos de coesão textual. |
| 4. Significação das palavras. |
| 5. Emprego das classes de palavras. |
| 6. Coordenação e de subordinação. |
| 7. Emprego dos sinais de pontuação. |
| 8. Concordância verbal e nominal. |
| 9. Regência verbal e nominal. |

| LÍNGUA INGLESA |
|-------------------------------------------------------------------------------------------------------------------|
| 1. Compreensão de texto em língua inglesa. |
| 2. Itens gramaticais relevantes. |
| 3. Vocabulário. |
| 4. Mecanismos de coesão textual (referenciação e sequenciação). |
| 5. Semântica. |

| CONHECIMENTOS TRANSVERSAIS |
|-------------------------------------------------------------------------------------------------------------------|
| 1. Políticas Públicas e Desenvolvimento: |
| 1.1. Planejamento governamental, finanças e gestão pública; |
| 1.2. Papel das instituições; |
| 1.3. Noções sobre finanças públicas, ciclo orçamentário, controles interno e externo; |
| 1.4. Noções básicas e estágios do ciclo político-administrativo da política pública; |
| 1.4.1. Importância do monitoramento e da avaliação da efetividade das políticas públicas; |
| 1.4.2. Modelos de análise de políticas públicas; |
| 1.5. Formas de atuação da política pública; |
| 1.5.1. Programas sociais e de garantia da renda; |
| 1.5.2. Incentivos tributários, subsídios e taxação; |
| 1.6. Papel das compras públicas no adensamento produtivo e tecnológico; |
| 1.7. Políticas fiscal e monetária verdes. |
| 2. Papel do BNDES no desenvolvimento brasileiro: |
| 2.1. História política e econômica do Brasil e o papel do BNDES no desenvolvimento do país; |
| 2.1.1. O papel histórico do BNDES nos diferentes planos econômicos e a questão regional do País; |
| 2.2. O BNDES e as políticas públicas atuais: Novo PAC, Nova Indústria Brasil e Plano de Transformação Ecológica |
| 2.3. O papel dos bancos de fomento no desenvolvimento econômico e social; |
| 2.3.1. Modelos de atuação direto e indireto; |
| 2.4. Formas de atuação do BNDES; |
| 2.4.1. Estruturação e financiamento de projetos de infraestrutura; |
| 2.4.2. Financiamento à exportação; |
| 2.4.3. Financiamento às micro, pequenas e médias empresas; |
| 2.4.4. Atuação via Mercado de Capitais; |
| 2.4.5. Financiamento à indústria. |
| 3. Clima, Sustentabilidade e Responsabilidade Socioambiental e Climática: |
| 3.1. Meio Ambiente e Sustentabilidade; |
| 3.2. Política Nacional de Meio Ambiente (PNMA - Lei nº 6938/1981 e suas alterações); |
| 3.2.1. Licenciamento ambiental – Portal Nacional de Licenciamento Ambiental (PNLA); |
| 3.2.2. Sistema Nacional de Unidades de Conservação da Natureza (SNUC – Lei nº 9.985/2000 e suas alterações); |
| 3.2.3. Lei sobre a Proteção da Vegetação Nativa (conhecida como Novo Código Florestal - Lei nº 12.651/2012); |
| 3.3. Clima e Sustentabilidade; |
| 3.3.1. Mudanças climáticas; |
| 3.3.2. Riscos físicos e de transição; |
| 3.3.3. Mitigação e adaptação; |
| 3.3.4. Transição ecológica justa; |
| 3.3.5. Política Nacional sobre Mudança do Clima (PNMC - Lei nº 12187/2009 e suas alterações); |
| 3.3.5. Contribuição Nacionalmente Determinada (NDC, em inglês) do Brasil; |
| 3.3.6. Perfil de emissões de gases do efeito estufa do Brasil; |
| 3.4. Desenvolvimento e finanças sustentáveis; |
| 3.4.1. Desenvolvimento sustentável, responsabilidade socioambiental, consumo consciente e economia circular; |
| 3.4.2. Bioeconomia; |
| 3.4.3. Biodiversidade e Soluções Baseadas na Natureza; |
| 3.5. Objetivos de Desenvolvimento Sustentável – ODS: Agenda 2030; |
| 3.6. Oportunidades e Riscos sociais, ambientais e climáticos no Sistema Financeiro; |
| 3.6.1. Política de Responsabilidade Social, Ambiental e Climática (PRSAC) das instituições financeiras; |
| 3.6.2. Resoluções CMN nº 4557/2017 e nº 4945/2021, suas alterações e normativos associados; |
| 3.6.3. Divulgação de informações socioambientais e climáticas das instituições financeiras; |
| 3.6.4. Finanças Sustentáveis e Aspectos Ambientais, Sociais e de Governança (ASG) de investimentos. |
| 4. Princípios de análise de dados e informações: |
| 4.1. Os dados e as organizações: Tipos de dados: estruturados e não estruturados; quantitativos e qualitativos. |
| 4.2. Etapas do ciclo de análise de dados (CRISP-DM). Fundamentos para criação de métricas de negócio (KPIs). |
| 4.3. Estruturas lógicas e noções básicas de lógica: conectivos, tautologia, contradições, contingência, etc. |
| 4.4. Coleta e preparação dos dados. Problemas comuns em dados: outliers, dados faltantes, erros no tipo dos dados|
| 4.5. Análise de Dados: Estatística descritiva: medidas de posição (média, mediana, moda, quartis), etc. |
| 4.6. Introdução à visualização de dados: Tipos de gráficos (barras, pizza, linha, dispersão, histograma) |
| 4.7. Uso responsável de dados: Lei Geral de Proteção de Dados Pessoais – LGPD (Lei nº 13.709/2018). |
| 5. Diversidade e Inclusão: |
| 5.1. O papel do Estado brasileiro no combate à pobreza; |
| 5.2. O papel do BNDES na redução de desigualdades econômicas, sociais e territoriais no Brasil; |
| 5.3. Direitos Humanos, Objetivos de Desenvolvimento Sustentável – ODS 2030 e diversidade; |
| 5.4. Interseccionalidade e suas interfaces com marcadores sociais de raça, cor e etnia, classe, idade, etc. |
| 5.5. Índice de Diversidade B3 – IDIVERSA B3: objetivo e metodologia; |
| 5.6. Desafios sociopolíticos da inclusão de grupos vulnerabilizados: crianças e adolescentes; idosos, etc. |
| 5.7. Desafios territoriais: a questão urbana e regional no Brasil – disparidades e segregação socioespacial. |

| PROFISSIONAL BÁSICO – CIÊNCIA DE DADOS |
|-------------------------------------------------------------------------------------------------------------------|
| **I – MATEMÁTICA:** |
| 1. Cálculo Básico: funções; limites; derivadas; derivadas parciais; máximos e mínimos; integrais. |
| 2. Álgebra Linear: vetores e matrizes; operações com vetores e matrizes; tipos de matrizes; transformações lineares; espaços e subespaços vetoriais de Rn; sistemas de equações lineares; normas (L1, L2, infinita, p-generalizada, Minkowksi e Chebyshev), autovalores e autovetores; decomposição matricial (Cholesky e Singular Value Decomposition (SVD)). |
| 3. Otimização Matemática: programação linear inteira e mista; problemas de otimização unidimensionais e multidimensionais, com e sem restrições; otimização convexa; programação dinâmica. |
| **II – PROBABILIDADE E ESTATÍSTICA:** |
| 1. Fundamentos de probabilidade: definições básicas de probabilidade; axiomas; probabilidade condicional. |
| 2. Variáveis aleatórias e distribuições de probabilidades: variáveis aleatórias; funções de probabilidade; principais distribuições discretas e contínuas (Uniforme, Binomial, Normal, Poisson, Bernoulli e Exponencial). |
| 3. Estatísticas Descritivas: medidas de tendência central (média, mediana e moda); medidas de dispersão (variância, desvio padrão e amplitude); medidas de posição (percentis e quartis). |
| 4. Teoremas fundamentais da probabilidade: independência de eventos; teorema de Bayes; teorema da probabilidade total; lei dos grandes números; teorema central do limite. |
| 5. Distribuições amostrais: distribuição amostral da média; distribuição amostral da proporção; distribuição qui-quadrado; distribuição t de Student; distribuição F. |
| 6. Inferência estatística: estimação pontual e intervalar; intervalos de confiança; testes de hipóteses (formulação, tipos de erros, e poder do teste); testes z e t para médias; testes de proporções; testes qui-quadrado para independência e ajuste de Goodness-of-Fit; teste A/B. |
| 7. Correlação: correlação e causalidade; correlação de Pearson; correlação de Spearman; correlação parcial. |
| 8. Inferência Bayesiana: distribuições a priori e a posteriori; estimativa pontual e intervalar; predição e testes de hipóteses bayesianos; critérios de seleção de modelos; métodos MCMC. |
| **III – FINANÇAS QUANTITATIVAS:** |
| 1. Matemática financeira: Convenções de Cálculo de Juros; Valor Presente Líquido; Taxa Interna de Retorno; projeção de fluxos de caixa futuros. |
| 2. Mercados de Taxas de Juros: Instrumentos de Renda Fixa; Taxa Spot; Taxa Foward; Relações Básicas de Não Arbitragem no Mercado de Juros; Curvas de Juros; Bootstraping de Curvas de Juros; Duration; Convexidade; técnicas de interpolação de taxas de juros; modelos de Svenson e de Nelson-Siegel. |
| 3. Medidas de Desempenho e de Riscos: Volatilidade; Value At Risk; Conditional Value at Risk; Backtesting de Modelos de Risco; Maximum Drawdown; Sharpe Ratio; Information Ratio. |
| 4. Otimização de carteiras: modelo de média-variância com e sem restrições; modelos de paridade de riscos; modelos de paridade de riscos hierárquica (HRP). |
| 5. Simulação de Monte Carlo em Finanças: principais aplicações em precificação e análise de riscos. |
| 6. Derivativos: conceitos gerais; derivativos de renda variável; derivativos de renda fixa; modelo de Black-Scholes.|
| **IV – DADOS E BASES DE DADOS:** |
| 1. Conceitos fundamentais de dados: o que são dados; processos geradores de dados; tipos e classes de dados; formatos de arquivos de dados comuns (txt, csv, xlsx, xml, json e parquet). |
| 2. Introdução a Bases de Dados: o que são bases de dados; tipos de bases de dados; metadados; tidy data. |
| 3. Introdução ao armazenamento de dados: armazenamento de arquivos; principais estruturas de armazenamento de dados analíticos (data warehouse, data mart, data lake data lakehouse, vector stores), suas diferenças conceituais e casos de uso; armazenamento na nuvem. |
| 4. Sistemas Gerenciadores de Base de Dados (SGBD): definição de SGBD; principais funções; principais tipos de SGBDs (SQL e NoSQL) e suas diferenças; transações e índices. |
| 5. Modelo de dados: modelo de entidade-relacionamento (ER); modelo relacional: tabelas, esquemas, chaves, consultas; dados estruturados, semiestruturados e não estruturados; modelo chave-valor; modelo colunar; modelo orientado a documentos; modelo orientado a grafos. |
| 6. Ingestão e armazenamento de dados: definição de ingestão em lote (batch) e em tempo real (stream). |
| 7. Big Data: conceito de big data; conceitos gerais sobre técnicas e ferramentas para lidar com grandes volumes de dados (Spark, Hadoop, HDFS e MapReduce). |
| **V – GESTÃO DE PROJETOS DE CIÊNCIA DE DADOS:** |
| 1. Ciclo de vida de projetos de ciência de dados. |
| 2. Metodologias de gestão de projetos de ciência de dados: CRISP-DM; Microsoft Team Data Science Process (TDSP); princípios de métodos ágeis (Scrum/Kanban); fundamentos de design thinking. |
| 3. Principais papéis envolvidos em projetos de ciência de dados. |
| **VI – QUALIDADE E PREPARAÇÃO DE DADOS:** |
| 1. Metadados: a sua importância para avaliação da qualidade de dados; linhagem de dados; |
| 2. Coleta de dados: fontes comuns de dados (internas e externas); interface de programação de aplicação (API); técnicas de web scraping. |
| 3. Problemas comuns de qualidade de dados: valores ausentes; duplicatas; outliers; desbalanceamento; erros de imputação. |
| 4. Preparação de dados: técnicas de tratamento e limpeza de dados; técnicas detecção de vieses; data profiling. |
| 5. Pré-processamento de dados: técnicas de normalização e padronização; discretização; metodologias de codificação de variáveis categóricas (encoding). |
| 6. Feature engineering: processos para enriquecimento de dados, com criação e seleção de features relevantes; transformações matemáticas e estatísticas comuns em variáveis. |
| 7. Divisão de dados: técnicas de amostragem; divisão entre treinamento, validação e teste; abordagens para cross-validation. |
| **VII – MODELAGEM:** |
| 1. Pipeline de treinamento de modelos e suas etapas. |
| 2. Otimização de hiperparâmetros: grid search; random search; algoritmos de otimização avançados; automl; autotuning; autofeature engineering. |
| 3. Métricas para avaliação e seleção de modelos: métricas para regressão (MSE; RMSE; MAE; R²; R² ajustado); métricas para classificação (accuracy, precision, recall, F1-score e ROC-AUC); análise de matriz de confusão; trade-off entre viés e variância; detecção de overfitting e underfitting. |
| 4. Técnicas de regularização: lasso; ridge; elastic net; dropout; early stopping; batch normalization. |
| 5. Dados desbalanceados: técnicas para lidar com dados desbalanceados; oversampling; undersampling; dados sintéticos; ajuste de pesos. |
| 6. Validação de Modelos: K-fold cross-validation; leave-one-out cross-validation; bootstrap. |
| 7. Modelagem de IA centrada em dados (data-centric). |
| 8. Interpretabilidade de modelos: feature importance; valores de Shapley (SHAP) e LIME. |
| 9. Implantação de modelos em produção: exportação de modelos (pickle, PMML e ONNX); modelos como serviço (APIs; microsserviços); integração com sistemas existentes; APIs e serviços web; conceitos de MLOps; implantação local (on premise) e na nuvem. |
| 10. Monitoramento de modelos: monitoramento de desempenho; data drift; concept drift; detecção de drifts; retreino e atualização de modelos. |
| **VIII – CLASSES DE MODELOS:** |
| 1. Redução de dimensionalidade: Principal Component Analysis (PCA); LDA; ICA; T-SNE; uso de autoencoders. |
| 2. Técnicas de clusterização: K-Means; agrupamento hierárquico; Gaussian Mixture Models; DBSCAN. |
| 3. Técnicas de classificação: Regressão logística; K-Nearest Neighbors (KNN); Suport Vector Machines (SVM); Decision Trees (CART); classificadores Naive-Bayes (Binomial-Beta, Poisson-Gama, Normal-Normal); Florestas Aleatórias (Random Forest). |
| 4. Introdução à regressão: regressão linear simples e múltipla; hipóteses clássicas, método dos mínimos quadrados, diagnóstico e avaliação de modelos de regressão (F-test, coeficiente de determinação, análise de resíduos e demais), testes de significância, intervalos de confiança, análise ANOVA, modelos não lineares (log-log, lin-log, log-lin e inverso). |
| 5. Ensembling de modelos: Bagging; boosting (AdaBoost, Gradient Boosting, XGBoost, LightGBM e CatBoost); stacking.|
| 6. Sistemas de recomendação: Filtragem colaborativa (baseadas em usuários ou itens); filtragem baseada em conteúdo; sistemas híbridos; problemas comuns (cold start, escalabilidade, data sparsity). |
| 7. Modelos de séries temporais: definição; componentes (tendência, sazonalidade, ciclos e ruído); autocorrelação e autocorrelação parcial; conceito e testes de estacionaridade; cointegração; modelos AR, ARMA e ARIMA; modelos de suavização exponencial; modelos de decomposição; modelos de regressão com variáveis temporais (ARIMAX). |
| 8. Tópicos em regressão: modelos de dados em painel; GLM; regressão espacial; regressão quantílica; regressão de Poisson; modelos VAR; ECM e GARCH. |
| 9. Introdução a modelos causais: fundamentos de causalidade estatística, experimentos e quase-experimentos, desenho de descontinuidade de regressão, modelos de variáveis instrumentais, diferenças em diferenças, modelos de equações estruturais (SEM), métodos de pareamento. |
| 10. Redes neurais: Introdução a Redes Neurais Artificiais (arquitetura, funções de ativação, treinamento, forward pass, backpropagation, loss functions, algoritmos de otimização, épocas, batch size e demais); embeddings; redes profundas (deep learning); Redes Neurais Convolucionais (CNNs) e Recorrentes (RNNs); LSTM; GRU; GAN; modelos multimodais. |
| 11. Modelos de aprendizado por reforço: Q-Learning; Deep Q-Networks (DQN); Policy Gradient Methods; multi-armed bandit. |
| 12. Visão Computacional: técnicas de pré-processamento de imagem; OCR; segmentação e extração de características de imagens; detecção; segmentação e reconhecimento de objetos; classificação de imagens. |
| 13. Modelos multi-modais: principais aplicações. |
| 14. Quantificação de incertezas em modelos preditivos: Programação Probabilística; Amostragem de Gibbs; Inferência Variacional; Hamiltonian Monte Carlo; Modelos de Markov Ocultos; Aprendizado Profundo Probabilístico; Conformal Prediction. |
| **IX – PROCESSAMENTO DE LINGUAGEM NATURAL (NLP):** |
| 1. Técnicas de pré-processamento de texto: limpeza; normalização; remoção de stop words; stemming; lematização e demais. |
| 2. Representação de texto: N-grams; CBoW; FTD-IDF; word embeddings (Word2Vec, GloVe e demais) e document embeddings (Doc2Vec, BERT, ELMo e demais). |
| 3. Modelagem de tópicos: latent dirichlet allocation (LDA); non-negative matrix factorization (NMF). |
| 4. Modelos de linguagem: modelos de linguagem tradicionais; redes neurais recorrentes; redes neurais convolucionais; transformers. |
| 5. Tarefas básicas em NLP: classificação de texto; análise de sentimento; extração de informação (NER; REL); similaridade textual; sumarização de texto; rotulação de partes do discurso (POS-tagging) e tradução automática. |
| 6. Aplicações relacionadas a modelos de NLP: geração de texto; question answering e diálogo conversacional; retrieval augmented generation (RAG); chatbots; extração estruturada de informações; agentes de IA (IA agents). |
| **X – PROGRAMAÇÃO E FERRAMENTAS:** |
| 1. Linguagem de programação Python: sintaxe básica; operadores; variáveis; estruturas de dados (dataframes, listas, matrizes, dicionários e conjuntos); estruturas de controle de fluxo; funções; escopo; método; paralelização de rotinas; serialização e desserialização. |
| 2. Bibliotecas Python: Pandas (manipulação; limpeza; transformação e pré-processamento de dado); NumPy (operações de arrays); Matplotlib e Seaborn (visualização de dados); TensorFlow; Keras e PyTorch (redes neurais); Scikit-learn e XGBoost (aprendizado de máquina); NLTK e spaCy (processamento de linguagem natural); huggingface (LLM); PySpark (Big data); Beautiful Soup (web scraping); Streamlit (data apps). |
| 3. Linguagem SQL (Structured Query Language): conceitos introdutórios; comandos básicos para consultas (inserção, atualização e exclusão de dados) e para análise de dados (como funções de agregação, filtros, joins, subconsultas e demais). |
| 4. Gestão de Código: qualidade de código; testes automatizados; versionamento (Git). |
| 5. Ambientes de programação: Jupyterhub e Jupyter Notebooks; linha de comando (navegação em diretórios, manipulação de arquivos e dados); gerenciamento de processos; configuração de ambientes e variáveis de ambiente; gerenciamento de pacotes Python (pip); ambientes virtuais Python. |
| 6. Microsoft Power BI: conexão e importação de dados; modelagem de dados; criação de medidas e colunas calculadas; visualizações e gráficos; interações entre visualizações; criação de relatórios e painéis. |
| **XI – VISUALIZAÇÃO; STORYTELLING E COMUNICAÇÃO CORPORATIVA:** |
| 1. Principais tipos de visualizações e gráficos: tabela; gráfico de barras; linhas; pizza; dispersão; histograma; área; boxplot; bolhas; radar; mapas cartográficos; mapa de calor. |
| 2. Visualização de dados: princípios de design de gráficos efetivos; principais conceitos de codificação visual; interatividade; acessibilidade em gráficos. |
| 3. Dashboards: técnicas para construção de interfaces e layout; abordagens para escolha de designs; organização de elementos visuais e gráficos; seleção de gráficos e visualizações; interatividades e drill-downs; acessibilidade. |
| 4. Storytelling com dados: construção de narrativas visuais e contextualizações; componentes de um storytelling efetivo. |
| 5. Reportes executivos: princípios de comunicação corporativa; interpretação e apresentação de dados de resultados de análises e de insights. |
| **XII – GOVERNANÇA E SEGURANÇA DE DADOS:** |
| 1. Noções de governança de dados (DMBOK): conceitos e objetivos da governança de dados; principais técnicas de qualidade e integridade de dados; princípios de privacidade e proteção a dados. |
| **XIII – GOVERNANÇA, SEGURANÇA E APLICAÇÃO RESPONSÁVEL DE IA:** |
| 1. Noções de governança de IA: conceitos e objetivos da governança de IA; gestão de riscos em IA; gestão de ciclo de vida de modelos. |
| 2. Principais riscos e vulnerabilidades relacionados a IA: viés algorítmico; exposição de dados sensíveis; envenenamento de dados de treinamento; ataques adversariais; ataques de manipulação de modelos; roubo de modelos; ataque de inferência; alucinações. |
| 3. Aplicação de IA responsável: definição; ética; transparência; justiça e equidade; responsabilização; segurança cibernética; compliance regulatório. |

---

| PROFISSIONAL BÁSICO – PSICOLOGIA ORGANIZACIONAL |
|-------------------------------------------------------------------------------------------------------------------|
| **1. Psicologia Organizacional:** |
| 1.1 Papel do psicólogo do trabalho e suas implicações éticas; |
| 1.1.1 O código de ética profissional – Resolução nº 10/2005; |
| 1.2 Transformações no mundo do trabalho e mudanças nas organizações; |
| 1.2.1 Gestão de mudanças; |
| 1.3 Gestão estratégica de pessoas; |
| 1.3.1 Gestão por competências; |
| 1.3.2 Gestão de desempenho; |
| 1.4 Análise e desenvolvimento organizacional. |
| **2. Perspectivas de análise e de intervenção em Psicologia Organizacional e do Trabalho:** |
| 2.1 Procedimentos de recrutamento, seleção e desligamento; |
| 2.2 Desenvolvimento de pessoas e educação corporativa; |
| 2.2.1 Planejamento de carreira; |
| 2.3 Cultura e clima organizacional; |
| 2.3.1 Motivação no trabalho; |
| 2.3.2 Valores, atitudes, satisfação e engajamento no trabalho. |
| **3. Trabalho e saúde mental:** |
| 3.1 Saúde e adoecimento no trabalho em seus aspectos individual e coletivo. |
| 3.2 O saber do psicólogo na prevenção, reabilitação e promoção da saúde dos trabalhadores; |
| 3.2.1 Avaliações psicológicas nas organizações; Resolução CFP nº 31/2022; |
| 3.2.2 Avaliação psicossocial e avaliação dos riscos psicossociais relacionados ao trabalho – Resolução CFP nº 02/2022 e Resolução CFP nº 14/2023; |
| 3.2.3 Psicopatologia e psicodinâmica do trabalho; |
| 3.2.4 Assédio moral e sexual no trabalho; |
| 3.2.5 Diversidade, equidade e inclusão no ambiente de trabalho; |
| 3.2.6 Políticas antidiscriminatórias e de inclusão no ambiente de trabalho. |
| 3.3 Qualidade de vida e bem-estar; |
| 3.3.1 Conceitos e metodologias para implementação de programas nas organizações; |
| 3.3.2 Planejamento para aposentadoria; |
| 3.3.3 Ergonomia cognitiva; |
| 3.3.4 Aspectos psicológicos na segurança no trabalho; |
| 3.3.5 Análise das relações interpessoais e interfuncionais nos ambientes de trabalho. |
| **4. Psicologia social e do trabalho:** |
| 4.1 Técnicas de coordenação e avaliação do processo grupal; |
| 4.2 Comunicação interpessoal e feedback; |
| 4.3 Tipos de equipe de trabalho, estágios de desenvolvimento e efetividade; |
| 4.4 Negociação, diagnóstico e mediação de conflitos no trabalho. |
| **5. Liderança:** |
| 5.1 Relações de poder nas organizações; |
| 5.2 Formação de líderes nas organizações; |
| 5.3 Liderança e seu papel no desenvolvimento de equipes; |
| 5.4 O líder como agente de mudanças. |