1. 1 - Língua Inglesa
1.1 1.1 - Estratégia de Leitura
1.1.1 1.1.1 - Compreensão geral de texto
1.1.2 1.1.2 - Reconhecimento de Informações específicas
1.1.3 1.1.3 - Capacidade de análise e síntese
1.1.4 1.1.4 - Uso de palavras mais frequentes
1.2 1.2 - Aspectos gramaticais relevantes à compreensão de texto
2. 2 - Ciência de Dados
2.1 2.1 - Aprendizados de Máquinas
2.1.1 2.1.1 - Técnicas de classificação
Árvores de Decisão
Regressão Logística
K-Nearest Neighbors (K-NN)
Florestas Aleatórias (Random Forest)
Máquinas de Vetores de Suporte (Support Vector Machines - SVM)
Redes Neurais Artificiais
Naive Bayes
2.1.2 2.1.2 - Técnicas de regressão
2.1.2.1 - Regressão linear:
2.1.2.2 - Regressão logística:
2.1.2.3 - Regressão polinomial:
2.1.2.4 - Regressão Ridge e Lasso:
2.1.2.5 - Random Forest Regression:
2.1.3 2.1.3 - Técnicas de agrupamento
K-Means
Análise de dados de mercado
Segmentação de clientes
Detecção de anomalias
Mean Shift
Segmentação de imagens médicas
Análise de dados de mercado
Detecção de objetos em imagens
Hierárquico
Ligação Simples
Ligação Completa
Ligação Média
Método de Ward
Classificação de documentos
Análise de dados climáticos
Análise de dados genéticos
DBSCAN
Identificação de áreas urbanas
Análise de dados de tráfego
Detecção de fraudes em cartões de crédito
GMM
2.1.4 2.1.4 - Técnicas de redução de dimensionalidade
2.1.4.1 - PCA Análise de Componentes Principais
Análise de dados financeiros
Reconhecimento de padrões em imagens
Análise de dados biológicos
2.1.4.2 - Seleção de Características
2.1.4.3 - T-SNE (t-Distributed Stochastic Neighbor Embedding):
Untitled
Untitled
Visualização de dados de alta dimensionalidade
Análise de imagens
Análise de dados de mercado
Análise Discriminante Linear (LDA)
Análise Fatorial
Factorization Machines (FM):
Recomendação de produtos
Previsão de cliques em anúncios
Previsão de avaliações
Decomposição em Valores Singulares
2.1.5 2.1.5 - Técnicas de associação
Regras de associação
Análise de sequência
2.1.6 2.1.6 - Sistema de recomendação
Baseados em conteúdo
Baseados em filtragem colaborativa
2.1.7 2.1.7 - Processamento de linguagem natural (PLN)
Tokenização
Análise morfológica
Análise sintática
Análise semântica
Reconhecimento de entidades nomeadas
2.1.8 2.1.8 - Visão Computacional
Processamento de imagem
Detecção de objetos
Segmentação de imagem
Reconhecimento facial
Rastreamento de objetos
2.1.9 2.1.9 - Deep learning
Reconhecimento de fala
Reconhecimento de imagem
Processamento de linguagem natural
Análise de sentimentos
Condução autônoma
Redes Neurais
2.2 2.2 - Big Data
2.2.1 2.2.1 - Fundamentos
2.2.2 2.2.2 - Tipos de dados
Estruturados
Semiestruturados
Não estruturados
2.2.3 2.2.3 - Conceito dos 5 "V"
Volume
Valor
Variedade
Veracidade
Velocidade
2.2.4 2.2.4 - Fluxo de Big Data
Ingestão de dados
Processamento de dados
Disponibilidade de dados
Ferramentas
2.2.5 2.2.5 - Armazenamento de Big Data
Armazenamento de arquivos:
Armazenamento de dados em lago:
Armazenamento NoSQL:
Armazenamento analítico:
2.2.6 2.2.6 - Pipeline de dados
Ingestão de dados:
Processamento de dados:
Armazenamento de dados:
Análise de dados:
2.2.7 2.2.7 - Processamento distribuído
Apache
Hadoop
Spark
Azure
Kubernetes
MapRecuce
2.2.8 2.2.8 - Conceito de Data Lake
Apache Spark
Apache Hadoop
Amazon S3
HDFS Hadoop Distributed File System
2.2.9 2.2.9 - ETL x ELT
ETL - Extração Transformação e Carregamento
ELT - Extração e Carregamento e Transformação
2.2.10 2.2.10 - Soluções de Big Data
Armazenamento escalável:
Processamento distribuído:
Sistemas de gerenciamento de banco de dados:
Integração de dados:
Análise de dados:
Visualização de dados:
Segurança e privacidade:
2.2.11 2.2.11 - Arquitetura de Big Data
Camada de ingestão de dados:
Camada de armazenamento:
Camada de processamento:
Camada de armazenamento de dados processados:
Camada de análise:
Camada de visualização:
2.3 2.3 - Tratamento de dados
2.3.1 Normalização numérica
2.3.2 Discretização
Discretização baseada em intervalos iguais:
Discretização baseada em frequência:
Discretização baseada em árvores de decisão:
2.3.3 Tratamento de dados ausentes
Exclusão de registros:
Exclusão de variáveis:
Preenchimento com valor padrão:
Preenchimento com base em valores existentes:
Modelagem preditiva:
2.3.4 Tratamento de outliers e agregações
OUTLIERS
Identificação visual:
Métodos estatísticos:
Transformação dos dados:
Remoção dos outliers:
AGREGAÇÕES
Média:
Soma:
2.3.4.2.3 - Contagem:
Máximo e mínimo:
Mediana:
2.4 2.4 - Ingestão de dados
2.4.1 2.4.1 - Conceitos de ingestão de dados
Coleta manual:
Coleta automatizada:
Ingestão em tempo real:
Ingestão em lote:
Transformação de dados:
Validação de dados:
2.4.2 2.4.2 - Ingestão de dados Estruturados
Identificação dos dados:
Extração de dados:
Transformação de dados:
Validação e verificação:
Armazenamento:
Indexação:
Monitoramento contínuo:
2.4.3 2.4.3 - Ingestão de dados Semiestruturados
Coleta dos dados:
Extração:
Transformação:
Armazenamento:
Processamento e análise:
2.4.4 2.4.4 - Ingestão de dados Não Estruturados
Coleta de dados:
Preparação dos dados:
Armazenamento:
Indexação e busca:
Análise e extração de conhecimento
2.4.5 2.4.5 - Ingestão de dados em lote BATCH
2.4.6 2.4.6 - Ingestão de dados em Streaming
2.4.7 2.4.7 - Ingestão de dados Full
2.4.8 2.4.8 - Ingestão de dados Incremental
Mudanças baseadas no tempo
Mudanças baseadas em eventos
Replicação de dados
2.4.9 2.4.9 - Ingestão de dados CDC Change Data Capture
Identificar a fonte de dados:
Configurar o mecanismo de captura:
Capturar as alterações:
Entregar as alterações:
Manter a sincronização:
2.5 2.5 - Processamento de dados
2.5.1 2.5.1 - Conceito de processamento massivo
Computação distribuída
Computação em cluster
Computação em nuvem
Aceleração de hardware
2.5.2 2.5.2 - Conceito de processamento paralelo
2.5.3 2.5.3 - Processamento em lote BATCH
2.5.4 2.5.4 - Processamento real REAL TIME
tempo real duro
tempo real suave
2.5.5 2.5.5 - Processamento Mapreduce
2.5.5.1 - Mapeamento (Map):
Etapa 1
Etapa 2
Etapa 3
2.5.5.2 - Redução (Reduce):
Etapa 1
Etapa 2
Etapa 3
2.6 2.6 - Linguagens de programação e Frameworks
2.6.1 Python
Sintaxe:
Variáveis:
Estruturas de controle de fluxo:
Listas e dicionários:
Funções:
2.6.2 Linguagem R
Instalação
Console
Objetos
Vetores
Operações básicas
Funções
Pacotes
2.6.3 JAVA
Configurando o ambiente de desenvolvimento
Estrutura básica de um programa Java
Variáveis e tipos de dados
Operadores básicos
Estruturas de controle de fluxo
2.6.4 Spark
Pyspark e JAVA
Instalação
Configuração
Conceitos básicos
Carregamento dos dados
Transformações
2.6.4.4 - Exemplo básico em Python (pyspark):
2.6.5 Scikit-learn
Instalação
Importação
Carregando os Dados
Pré-processamento de Dados
Divisão dos Dados em Treino e Teste
Treinamento do Modelo
Avaliação do Modelo
2.6.6 Tensorflow
Instalação
Importação
Construindo o grafo computacional
Executando o grafo
2.6.7 Pytorch
Instalação
Tensores
Operações básicas
Rede Neural
2.6.8 Keras
Instalação
Importando o Keras
Construindo um modelo
Compilando o modelo
Treinando o modelo
Avaliando o modelo
Fazendo previsões
2.7 2.7 - Qualidade de dados
2.7.1 Conceitos e definções
Precisão
Completude
Consistência
Atualidade
Confiabilidade
2.7.2 Dimensões da qualidade de dados
Visão DMBOK
1. Estratégia de dados:
2. Arquitetura de dados:
3. Governança de dados:
4. Gerenciamento de dados de referência e metadados:
5. Qualidade de dados:
6. Integração de dados e interoperabilidade:
7. Modelagem de dados e design:
8. Armazenamento e operações de dados:
9. Segurança e privacidade de dados:
10. Gerenciamento de dados corporativos e entrega de soluções:
2.7.2.1 - Precisão:
2.7.2.2 - Completude:
2.7.2.3 - Consistência:
2.7.2.4 - Atualidade:
2.7.2.5 - Confiabilidade:
2.7.3 Principais técnicas em qualidade de dados
Análise de consistência
Validação de formato
Detecção e correção de valores duplicados
Verificação de integridade referencial
Preenchimento de valores ausentes
Padronização de dados
Monitoramento contínuo da qualidade dos dados
2.7.4 Profiling
Análise de tipos de dados
Análise de valores ausentes
Análise de valores únicos
Análise de padrões de dados
Análise de integridade referencial
Análise de distribuição de dados
2.7.5 Matching
Matching baseado em regras
Matching baseado em similaridade
Matching probabilístico
Matching baseado em aprendizado de máquina
2.7.6 Deduplicação
Comparação de registros
Correspondência de chave primária
Algoritmos de hash
Aprendizado de máquina
2.7.7 Data cleansing
Data Cleaning
Remoção de dados duplicados
Lidar com dados ausentes
Correção de erros de entrada
Padronização de valores
Remoção de dados irrelevantes
Tratamento de outliers
Verificação de consistência
Data Cleansing
Remoção de dados duplicados
Tratamento de dados ausentes
Padronização de dados
Correção de erros e inconsistências
Validação de dados
Normalização de dados
2.7.8 Enriquecimento
Limpeza de dados
Integração de dados
Transformação de dados
Enriquecimento externo
Extração de recursos
Aumento de dados
Validação de dados
2.7.9 Boas práticas para adoção da qualidade de dados
Definir uma estratégia de qualidade de dados
Identificar e envolver stakeholders
Realizar avaliações regulares da qualidade de dados
Estabelecer regras e padrões de qualidade de dados
Realizar limpeza e padronização dos dados
Garantir a governança de dados
Fomentar a cultura de qualidade de dados
2.7.10 Processo de qualidade para modelo de dados
Definição de requisitos
Coleta de dados
Limpeza de dados
Transformação de dados
Validação de dados
Modelagem de dados
Avaliação do modelo
Iteração e melhoria contínua
3. 3 - Desenvolvimento de Sistema
3.1 3.1 - Modelagem de Processos e Negócios
3.1.1 3.1.1 - Conceitos Básicos em modelagem de processos e negócios
3.1.1.1 - Identificação de ineficiências:
3.1.1.2 - Padronização:
3.1.1.3 - Comunicação:
3.1.1.4 - Automação:
3.1.2 3.1.2 - Identificação e delimitação de processos de negócios
3.1.2.1 - Identificação dos processos:
1. Compreensão aprofundada dos processos:
3.1.2.2 - Mapeamento de processos:
2. Otimização de processos:
3.1.2.3 - Análise dos processos:
3. Suporte à tomada de decisões:
3.1.2.4 - Delimitação dos processos:
4. Comunicação e colaboração:
3.1.2.5 - Documentação dos processos:
5. Documentação e padronização:
3.1.3 3.1.3 - Técnicas de mapeamento de processo (Modelo AS-IS)
3.1.4.1 - Identifique o processo a ser mapeado.
3.1.4.1.1 - Defina os limites do processo:
3.1.4.1.2 - Identifique as atividades do processo:
3.1.4.1.3 - Capture as interações e fluxos de trabalho:
3.1.4.1.4 - Documente as informações relevantes:
3.1.4.2 - Identifique os participantes:
3.1.4.3 - Desenhe um diagrama de fluxo:
3.1.4.4 - Documente as atividades:
3.1.4.5 - Identifique as interações:
3.1.4.6 - Analise o processo:
3.1.4.7 - Faça uma revisão:
3.1.4 3.1.4 - Técnicas de análise e simulação de processos.
3.1.4.1 - Mapeamento de processos:
3.1.4.2 - Análise de fluxo de valor:
3.1.4.3 - Simulação de processos:
3.1.4.4 - Análise de capacidade:
3.1.5 3.1.5 - Construção e mensuração de indicadores de processos.
3.1.5.1 - Definir os objetivos:
3.1.5.2 - Identificar as métricas:
3.1.5.3 - Estabelecer metas:
3.1.5.5 - Coletar dados:
3.1.5.6 - Calcular os indicadores:
3.1.5.7 - Interpretar os resultados:
3.1.5.8 - Tomar ações corretivas:
3.1.6 3.1.6 - Técnicas de modelagem de processos (modelos TO-BE).
3.1.6.1 - Entrevistas e workshops:
3.1.6.2 - Análise de lacunas:
3.1.6.3 - Análise de requisitos:
3.1.6.4 - Modelagem gráfica:
3.1.6.5 - Prototipagem:
3.2 3.2 - Orientação a objetos.
3.2.1 3.2.1 - Conceitos fundamentais, análise, modelagem e padrões de projeto.
3.2.1.1 - Classe:
3.2.1.2 - Objeto:
3.2.1.3 - Atributo:
3.2.1.4 - Método:
3.2.1.5 - Encapsulamento:
3.2.1.6 - Herança:
3.2.1.7 - Polimorfismo:
3.2.2 3.2.2 - Análise e projeto orientados a objetos
3.2.2.1 - Objeto:
3.2.2.2 - Classe:
3.2.2.3 - Encapsulamento:
3.2.2.4 - Herança:
3.2.2.5 - Polimorfismo:
3.2.2.6 - Associação:
3.2.2.7 - Agregação:
3.2.2.8 - Diagrama de Classes:
3.2.3 3.2.3 - Polimorfismo, Herança, Abstração e Encapsulamento.
3.2.3.1 - Encapsulamento:
3.2.3.2 - Herança:
3.2.3.3 - Polimorfismo:
3.2.3.4 - Abstração:
3.3 3.3 - Gerenciamento do ciclo de vida do software.
3.3.1 3.3.1 - Requisitos:
3.3.2 3.3.2 - Design:
3.3.3 3.3.3 - Desenvolvimento:
3.3.4 3.3.4 - Testes:
3.3.5 3.3.5 - Implantação:
3.3.6 3.3.6 - Manutenção:
3.4 3.4 - Metodologias de desenvolvimento de software.
3.4.1 3.4.1 - Metodologias ágeis: Scrum, XP, Kanban e TDD.
3.4.1.1 - Scrum:
3.4.1.2 - Extreme Programming (XP):
3.4.1.3 - Kanban:
3.4.1.4 - Test-Driven Development (TDD):
3.4.1.5 - Retrospectivas:
3.4.1.6 - Iterações:
3.4.1.7 - Manifesto Ágil:
3.4.1.8 - Waterfall:
3.4.1.8 - DevOps:
3.4.2 3.4.2 - Qualidade de software.
3.5 3.5 - Arquitetura.
3.5.1 3.5.1 - Arquitetura de aplicações em infraestrutura de containers (Docker e Kubernetes).
3.5.1.1 - Imagens de contêiner:
3.5.1.2 - Cluster Kubernetes:
3.5.1.3 - Pods:
3.5.1.4 - Serviços:
3.5.1.5 - Volumes:
3.5.1.6 - Docker
3.5.1.7 - Kubernetes
3.5.2 3.5.2 - Arquitetura: Arquitetura de aplicações web, modelo MVC, Domain Driven Design (DDD), Arquitetura Hexagonal.
3.5.2.1 - Arquitetura de Aplicações Web:
3.5.2.2 - Modelo MVC:
- Modelo (Model): Representa os dados e a lógica de negócios da aplicação.
- Visão (View): É responsável pela apresentação dos dados ao usuário. Ele exibe a interface do usuário e interage com o usuário.
- Controlador (Controller): Gerencia as interações do usuário e atualiza o modelo e a visão de acordo.
3.5.2.3 - Domain Driven Design (DDD):
3.5.2.4 - Arquitetura Hexagonal:
3.5.3 3.5.3 - Arquitetura em camadas (Layered Architecture):
3.5.4 3.5.4 - Arquitetura orientada a serviços (Service-Oriented Architecture - SOA):
3.5.5 3.5.5 - Arquitetura orientada a microserviços (Microservices Architecture):
3.6 3.5.3 - Arquitetura e desenvolvimento em nuvem.
3.6.1 3.5.3.1 - Infraestrutura como serviço (IaaS):
3.6.2 3.5.3.2 - Plataforma como serviço (PaaS):
3.6.3 3.5.3.3 - Software como serviço (SaaS):
3.7 3.6 - Soluções de integração entre sistemas.
3.7.1 3.6.1 - APIs (Application Programming Interfaces):
3.7.2 3.6.2 - Middleware:
3.7.3 3.6.3 - ETL (Extract, Transform, Load):
3.7.4 3.6.4 - Integração em tempo real:
3.7.5 3.6.5 - Integração na nuvem:
3.8 3.7 - Testes de Software:
3.8.1 3.7.1 - Testes unitários,
3.8.2 3.7.2 - Testes de integração,
3.8.3 3.7.3 - TDD,
3.7.3.1 - Vermelho (Red):
3.7.3.2 - Verde (Green):
3.7.3.3 - Refatorar (Refactor):
3.8.4 3.7.4 - BDD.
3.7.4.1 - Especificações Executáveis:
3.7.4.2 - Linguagem Ubiquitária:
3.7.4.3 - Cenários:
3.7.4.4 - Ferramentas de Automação:
3.7.4.5 - Integração Contínua:
3.7.4.6 - Colaboração:
3.8.5 3.7.5 - Teste de sistema:
3.8.6 3.7.6 - Teste de aceitação:
3.8.7 3.7.7 - Teste de regressão:
3.8.8 3.7.8 - Teste de desempenho:
3.8.9 3.7.9 - Teste de segurança:
3.9 3.8 - Desenvolvimento.
3.9.1 3.8.1 - Java (JDK 17).
3.8.1.1 - JDK 17
3.8.1.1.1 - Melhorias no padrão de codificação:
3.8.1.1.2 - Melhorias na segurança:
3.8.1.1.3 - Melhorias de desempenho:
3.8.1.1.4 - Novos recursos da linguagem:
Passo 1: Abra um editor de texto (como o Bloco de notas ou um editor de código) e digite o seguinte código:
Passo 2: Salve o arquivo com a extensão `.java`, por exemplo, `HelloWorld.java`.
Passo 3: Abra o prompt de comando (no Windows) ou o terminal (no macOS ou Linux) e navegue até o diretório onde você salvou o arquivo Java.
Passo 4: Compile o programa digitando o seguinte comando:
Passo 5: Execute o programa digitando o seguinte comando:
3.9.2 3.8.2 - Javascript (ECMASCript 2021).
3.10 3.9 - Ferramentas de versionamento GIT.
3.10.1 3.9.1 - Repositório:
3.10.2 3.9.2 - Commit:
3.10.3 3.9.3 - Branch:
3.10.4 3.9.4 - Merge:
3.10.5 3.9.5 - Pull request:
3.11 3.10 - Segurança no desenvolvimento.
3.11.1 3.10.1 - Práticas de programação segura.
3.10.1.1 - Validação de entrada: Sempre valide e sanitize (limpe) as entradas de dados recebidas pelo seu programa para evitar injeção de código malicioso. Isso pode incluir o uso de parâmetros de consulta preparados em consultas SQL, validação de formulários ou verificação de tipos e limites de dados.
3.10.1.2 - Gerenciamento de memória: É crucial ter um cuidado adequado ao lidar com a alocação e liberação de memória. Evite vazamentos de memória e vulnerabilidades como buffer overflows, que podem ser explorados por hackers para executar código malicioso. Use funções seguras de alocação de memória e evite o acesso fora dos limites dos arrays.
3.10.1.3 - Criptografia e proteção de dados: Ao lidar com dados sensíveis, como senhas ou informações pessoais, é essencial criptografar adequadamente esses dados. Use algoritmos de criptografia robustos e atualizados e evite armazenar senhas em texto simples ou em formatos facilmente reversíveis.
3.10.1.4 - Gerenciamento de exceções: Trate de forma adequada as exceções e erros que ocorrem durante a execução do seu programa. Evite revelar informações sensíveis em mensagens de erro, pois isso pode ajudar um atacante a obter informações valiosas sobre o sistema.
3.10.1.5 - Atualizações e patches: Mantenha seu software atualizado com as versões mais recentes e aplique patches de segurança assim que forem disponibilizados. Isso ajuda a proteger contra vulnerabilidades conhecidas e a manter o software protegido contra ameaças emergentes.
3.11.2 Revisão de código.
1. Revisões por pares:
2. Padronização de código:
3. Teste e análise estática:
4. Comentários construtivos:
5. Testes e revisões contínuas:
3.11.3 3.10.2 - Melhores Práticas de Codificação Segura OWASP.
3.10.2.1 - Validação de entrada:
3.10.2.2 - Prevenção de injeção: .
3.10.2.3 - Autenticação e gerenciamento de sessão:
3.10.2.4 - Autorização e controle de acesso:
3.10.2.5 - Proteção contra cross-site scripting (XSS):
3.10.2.6 - Proteção contra cross-site request forgery (CSRF):
3.10.2.7 - Tratamento adequado de erros e exceções:
3.10.2.8 - Criptografia e proteção de dados sensíveis:
3.11.4 3.10.3 - Princípio da segurança em camadas:
3.11.5 3.10.4 - Princípio do menor privilégio:
3.11.6 3.10.5 - Validação de entrada:
3.11.7 3.10.6 - Gerenciamento adequado de erros e exceções:
3.11.8 3.10.7 - Autenticação e autorização:
3.11.9 3.10.8 - Criptografia:
3.11.10 3.10.9 - Testes de segurança:
3.11.11 3.10.2 - Atualizações e patches:
3.11.12 3.10.2 - Educação e conscientização:
4. 4 - Banco de Dados
4.1 4.1 - Bancos de dados relacionais.
4.1.1 4.1.1 - Sistemas gerenciadores de banco de dados:
4.1.2 4.1.2 - Oracle DataBase.
4.1.2.1 - Conceitos básicos.
4.1.2.2 - Noções de Administração.
4.1.2.3 - SQL (Procedural Language/Structured Query Language).
4.2 4.2 - Banco de dados NoSQL (Key/Value, Orientados a Documentos e Grafos).
4.3 4.3 - Técnicas para detecção de problemas e otimização de desempenho do SGBD e de consultas SQL.
4.4 4.4 - Arquitetura e aplicações de data warehousing, ETL e Olap.
4.4.1 4.4.1 - Técnicas de modelagem e otimização de bases de dados multidimensionais.
4.5 4.5 - Governança de dados.
4.5.1 4.5.1 - Conceito e noção básica.
4.5.2 4.5.2 - Arquitetura de Dados.
4.5.3 4.5.3 - Qualidade de Dados.
4.5.4 4.5.4 - Metadados.
5. 5 - Infraestrutura Tecnológica
5.1 5.1 - Nuvem.
5.1.1 Recursos
Vantagens
Redução de custos
Flexibilidade
Escalabilidade
Segurança
Desvantagens
Dependência da internet
Falhas no sistema
Privacidade
Custos ocultos
5.1.2 5.1.1 - Conceitos: Nuvens pública e privada, IaaS, PaaS, SaaS, workloads.
Públicas
Vantagens
1. Escalabilidade
2. Acesso remoto
3. Redução de custos
4. Segurança
5. Atualizações automáticas
Desvantagens
1. Dependência da internet
2. Vulnerabilidade a ataques cibernéticos
3. Possibilidade de perda de controle
4. Limitações de personalização
5. Questões regulatórias
Privadas
Vantagens
Desvantagens
Híbrida
Vantagens
1. Flexibilidade
2. Controle
3. Redução de custos
4. Maior eficiência
Desvantagens
1. Complexidade
2. Segurança
3. Dependência de fornecedores
4. Custo
Workloads
IaaS - Infraestrutura como Serviço
PaaS - Plataforma como Serviço
SaaS - Software como Serviço
5.1.3 5.1.2 - Estratégias de Migração de Aplicações para o ambiente de nuvem
Governança na Nuvem
1. Definir políticas claras
2. Gerenciar identidades e acessos
3. Monitorar o desempenho
4. Garantir a conformidade regulatória
Computação Serverless
1. Escalabilidade automática
2. Redução de custos
3. Maior produtividade
4. Maior flexibilidade
Segurança Compartilhada
1. Avaliar as políticas de segurança do provedor de nuvem
2. Criptografar os dados sensíveis
3. Gerenciar identidades e acessos
4. Monitorar as atividades dos usuários
5.2 5.2 - Devops e DevSecOps.
5.2.1 5.2.1 - Conceitos.
5.2.2 5.2.2 - Práticas.
5.2.3 5.2.3 - Ferramentas.
CI - Continue Integration
1 Jenkins
GitHub
Docker
Kubernetes
2 Travis CI
3 Circle CI
4 GitLab CI/CD
5 Bamboo
6 Codeship
7 GoCD
8 TeamCity
9 Buddy
10 Drone
CD - Continue Delivery
1 Jenkins
2 Travis CI
3 CircleCI
4 GitLab CI/CD
5 Bamboo
6 Codeship
7 GoCD
8 TeamCity
9 Buddy
10 Drone
Ansible
Chef
Puppet
Segurança
1 IriusRisk
2 Microsoft Threat Modeling Tool
3 RiskLens
4 Tenable Nessus
5 Qualys
6 Rapid7 InsightVM
7 Nmap
8 Wireshark
9 OpenVAS
10 Metasploit
SonarQube
OWASP ZAP
Nessus
IriusRisk
5.2.4 Devops
5.2.5 DevSecOps
5.3 5.3 - Automação.
5.3.1 5.3.1 - Desenvolvimento de scripts de automação em Python.
Perguntas
O que é automação em Python?
Quais são as bibliotecas Python mais comuns utilizadas para automação?
Como posso automatizar o envio de e-mails em Python?
É possível automatizar a interação com uma página web usando Python?
Como posso automatizar a execução de tarefas agendadas em Python?
5.3.2 5.3.2 - Integração via API REST.
Perguntas
O que é uma API REST?
Quais são as principais características de uma API REST?
Quais são os verbos HTTP mais comuns utilizados em uma API REST?
O que é uma URL em uma API REST?
Quais são os formatos de representação de recursos mais comuns utilizados em uma API REST?
5.4 5.4 - Gestão de Serviços.
5.4.1 5.4.1 - Conceitos e práticas.
ITIL
1. O que é ITIL?
2. Quais são as fases do ITIL
3. Qual é a importância da Estratégia de Serviço no ITIL
4. O que é Desenho de Serviço no ITIL
SLA e OLA
5. Qual é a importância da Transição de Serviço no ITIL
Perguntas
- O que é o Desenho de Serviço no ITIL?
- Qual é o objetivo do Desenho de Serviço?
- Quais são as etapas do Desenho de Serviço?
- O que é um catálogo de serviços?
- Qual é a importância do plano de capacidade?
- O que é um plano de continuidade de serviço?
- Qual é a importância do gerenciamento de mudanças?
1. Qual é a diferença entre SLA e OLA?
2. O que está incluído em um SLA?
3. O que está incluído em um OLA?
4. Qual é o objetivo do SLA?
5. Qual é o objetivo do OLA?
Quais são as principais práticas de ITIL?
O que é o gerenciamento de incidentes em ITIL?
1. Identificação do problema
2. Registro do problema
3. Classificação do problema
4. Investigação e diagnóstico
5. Resolução do problema
6. Encerramento do problema
O que é o gerenciamento de mudanças em ITIL?
O que é o gerenciamento de liberações em ITIL?
1. Planejamento da liberação
2. Teste da liberação
3. Implementação da liberação
4. Avaliação da liberação
Perguntas
1. Qual é a importância do Gerenciamento de Liberações?
2. Como o Gerenciamento de Liberações se relaciona com outras disciplinas da ITIL?
3. Quais são os benefícios do Gerenciamento de Liberações?
ISO 20000
COBIT
Lean Service
Service Design
5.4.2 5.4.2 - ITIL v4: .
Controle de Mudanças
Gerenciamento de Liberação
Gerenciamento de Incidentes
Gerenciamento de Problemas
Incidentes versus Problemas
Service Desk
5.5 5.5 - Forense Computacional: conceitos gerais.
5.5.1 5.5.1 - Preservação de evidências em análises forenses.
5.5.1.1 - Hash de arquivos.
5.5.1.2 - Cadeia de custódia.
5.5.2 5.5.2 - Preservação de evidências durante procedimento de coleta.
5.5.2.1 - Espelhamento de discos.
5.5.2.2 - Imagem de discos.
5.5.3 5.5.3 - Técnicas Antiforense.
5.5.3.1 - Criptografia.
5.5.3.2 - Esteganografia.
5.5.4 5.5.4 - Sanitização de discos.
5.5.4.1 - Wipe.
5.6 Perguntas
5.6.1 1. Como a infraestrutura tecnológica pode melhorar a eficiência operacional de uma empresa?
1. Automação
2. Gerenciamento de dados
3. Comunicação
4. Escalabilidade
5.6.2 2. Quais são os principais desafios na implementação de soluções de infraestrutura tecnológica?
1. Investimento financeiro
2. Escalabilidade
3. Segurança
4. Disponibilidade
5. Integração
5.6.3 3. Como escolher a solução de infraestrutura tecnológica certa para minha empresa?
5.6.4 4. Quais são as tendências mais recentes em soluções de infraestrutura tecnológica?
1. Computação em nuvem
2. Automação
3. Inteligência artificial
4. Internet das coisas (IoT)
5. Edge computing
6. Segurança cibernética
6. 6 - Segurança da Informação
6.1 6.1 - Gestão de segurança da informação.
6.1.1 1. Avaliação de riscos:
6.1.2 2. Políticas e procedimentos de segurança:
ISO 270022
6.1.3 3. Controles de segurança:
6.1.4 4. Conscientização e treinamento:
6.1.5 5. Gerenciamento de incidentes:
6.1.6 6. Monitoramento e auditoria:
6.2 6.2 - Gestão de continuidade do negócio.
6.3 6.3 - Gestão de Identidade e Acesso.
6.4 6.4 - Gestão de Riscos de Segurança da Informação.
6.5 6.5 - Arquitetura Zero Trust: conceitos, práticas e tecnologias envolvidas.
6.6 6.6 - Processo de identificação, análise e correção de vulnerabilidades.
6.6.1 Processo de identificação de vulnerabilidades.
Coleta de informações
Fingerprinting
Navegador
Footprint
Sistema Operacional
Windows Analise de Banners
VWO - Visual Website Optimizer
Linux Analise de Banners
Rede
Hardware
6.6.2 Análise de vulnerabilidades
Processo de análise de vulnerabilidades.
Relatório de vulnerabilidades
6.6.3 Correção de vulnerabilidades
Processo de correção de vulnerabilidades.
6.7 6.7 - Tipos de ataques em redes e aplicações corporativas e medidas de proteção.
6.7.1 Tipos de ataques em redes
6.7.2 aplicações corporativas contra ataques
6.7.3 medidas de proteção contra ataque.
6.8 6.8 - Segurança de endpoints.
6.9 6.9 - Técnicas de testes de segurança em aplicações e sistemas.
6.10 6.10 - Infraestrutura de chaves públicas e Certificação Digital.
6.11 6.11 - Prevenção e tratamento de incidentes de segurança da informação.
About
Title
BB_2023
Subject
-
Company
-
Author
Admin
Version
125
Comments
This is a blank template. This classic mindmap layout allows subtopics to be organized on both sides of the central topic.