Mapas Mentais em Áudio + PDF para concurso TJ PB 2026 para Analista Judiciario Ti Inteligencia Artificial
- Formato
- Mapas Mentais em Áudio + PDF
- Órgão
- TJ
- Cargo
- Analista Judiciario Ti Inteligencia Artificial
- Banca
- FGV
- UF
- PB
- Edição do material
- 2026
Preço: R$ 59,90
Sobre este material
Mapas Mentais em Áudio + PDF para concurso TJ PB 2026 para Analista Judiciario Ti Inteligencia Artificial
Conteúdo programático
Consulte os assuntos cadastrados para este produto.
Língua Portuguesa
- Compreensão e interpretação de textos de gêneros variados. Reconhecimento de tipos e gêneros textuais.
- Domínio da ortografia oficial.
- Domínio dos mecanismos de coesão textual. Emprego de elementos de referenciação, substituição e repetição, de conectores e de outros elementos de sequenciação textual. Emprego de tempos e modos verbais.
- Domínio da estrutura morfossintática do período. Emprego das classes de palavras. Relações de coordenação entre orações e entre termos da oração. Relações de subordinação entre orações e entre termos da oração. Emprego dos sinais de pontuação. Concordância verbal e nominal. Regência verbal e nominal. Emprego do sinal indicativo de crase. Colocação dos pronomes átonos.
- Reescrita de frases e parágrafos do texto. Significação das palavras. Substituição de palavras ou de trechos de texto. Reorganização da estrutura de orações e de períodos do texto. Reescrita de textos de diferentes gêneros e níveis de formalidade.
- Redação Oficial.
Raciocínio Lógico e Matemático
- Conjuntos numéricos; Razões e proporções; Regra de três simples e composta; Porcentagem; Juros simples e compostos; Equações, inequações e sistemas de equações; Funções; Sequências; Matrizes e determinantes; Probabilidade; Análise combinatória; Estatística descritiva; Proposições lógicas; Conectivos; Tabelas verdade; Equivalências e negações; Argumentação lógica; Diagramas lógicos; Resolução de problemas envolvendo raciocínio lógico-matemático.
- Fundamentos de Tecnologia da Informação
- Arquitetura de computadores. Sistemas operacionais. Redes de computadores e protocolos TCP/IP. Bancos de dados. Computação em nuvem.
- Engenharia De Software: Ciclo de vida de sistemas. Engenharia de requisitos. Arquitetura e integração de sistemas. Metodologias ágeis (Scrum e Kanban). Qualidade e testes de software.
- Segurança Da Informação: Confidencialidade, integridade e disponibilidade. Controle de acesso. Gestão de riscos e incidentes. Continuidade de negócios. Lei Geral de Proteção de Dados Pessoais (Lei nº 13.709/2018). Normas ISO/IEC 27001, 27002 e 27005.
- Governança e Gestão de TI: COBIT 2019 e ITIL 4. Planejamento estratégico. Gestão de projetos, processos e serviços de TI. Indicadores de desempenho. Contratações de soluções de TIC.
- Gestão de Dados e Inteligência Artificial: Modelagem e governança de dados. SQL. Business Intelligence (BI). Fundamentos de inteligência artificial, aprendizado de máquina e IA generativa.
- Transformação Digital no Poder Judiciário: Governo digital. Automação de processos. Interoperabilidade. Processo Judicial Eletrônico (PJe). Plataforma Digital do Poder Judiciário (PDPJ-Br). Acessibilidade digital.
- Normas de TIC no Poder Judiciário: Resoluções CNJ nº 370/2021, nº 396/2021, nº 468/2022, nº 615/2025, com suas alterações. Gestão de Processos e Documentos do Poder Judiciário (MoReq-Jus). Gestão documental arquivística digital: metadados, ciclo de vida, preservação e RDC-Arq. Resolução CNJ n. 522/2023, com suas alterações. Plano Diretor de Tecnologia da Informação do TJPB (PDTI 2024–2026).
Conhecimentos Específicos — Analista Judiciário TI – Inteligência Artificial
- ENGENHARIA DE DADOS: Data Warehouse, Data Lake e Data Lakehouse: conceitos, diferenças e arquitetura de dados para grandes volumes. Pipelines ETL e ELT: extração, transformação, integração, carga e disponibilização de dados. Orquestração de pipelines de dados e integração de repositórios institucionais. Engenharia de recursos (feature engineering).
- LINGUAGENS DE CONSULTA E MANIPULAÇÃO DE DADOS: SGBDs relacionais de mercado: PostgreSQL, Oracle, MySQL/MariaDB e Microsoft SQL Server. SQL: subconsultas e funções de agregação (GROUP BY e HAVING). SQL: funções de janela (window functions): ROW_NUMBER, RANK, LAG/LEAD e agregações com OVER e PARTITION BY. Otimização de consultas (query tuning): planos de execução, indexação, estatísticas e particionamento. Manipulação e análise de dados com Python: bibliotecas Pandas e NumPy. Noções de linguagem R. Bancos de dados NoSQL: modelos chave-valor, documentos (MongoDB), colunares e grafos.
- ALGORITMOS E PROGRAMAÇÃO: Complexidade de algoritmos (notação Big-O). Estruturas de dados: listas, pilhas, filas, árvores e tabelas hash. Algoritmos de busca e de ordenação. Programação orientada a objetos: classes, objetos, herança, polimorfismo, encapsulamento e abstração. Princípios SOLID. Java: Collections, Streams e recursos modernos (lambdas, records, sealed classes, pattern matching, switch expressions e virtual threads). Java: frameworks Java EE/Jakarta EE, Spring Framework, Spring Boot e Hibernate/JPA. JavaScript/TypeScript e Node.js. Frameworks frontend: Angular e React.
- ESTATÍSTICA E MODELOS ANALÍTICOS: Estatística descritiva: medidas de tendência central (média, mediana e moda) e de dispersão (amplitude, variância, desvio padrão e coeficiente de variação). Probabilidade e distribuições de probabilidade: binomial, Poisson e normal. Estatística inferencial: intervalos de confiança e testes de hipóteses (nível de significância, valor-p e erros dos tipos I e II). Correlação. Aprendizado de máquina supervisionado: regressão, árvores de decisão, SVM e Random Forest; inteligência artificial e análise de dados aplicadas ao apoio à tomada de decisão no Poder Judiciário: modelos preditivos para identificação de tendências, gargalos de vazão processual e padrões de litigiosidade predatória.
- BUSINESS INTELLIGENCE E JURIMETRIA: Storytelling com dados. Estudos jurimétricos de suporte à alta gestão. Métricas judiciais: Taxa de Congestionamento, IPC-Jus e Metas Estratégicas.
- QUALIDADE, GOVERNANÇA E INTEGRAÇÃO NACIONAL DE DADOS: Qualidade de dados: saneamento, higienização, validação, cruzamento e qualificação de bases de dados institucionais e processuais. Governança de dados: framework DAMA-DMBOK, gestão de metadados e ciclo de vida da informação. Base Nacional de Dados do Poder Judiciário (DataJud, Resolução CNJ nº 331/2020): regras, payloads e remessa contínua de metadados processuais.
- INTELIGÊNCIA ARTIFICIAL: Aprendizado de máquina não supervisionado: K-Means e agrupamento hierárquico. Processamento de linguagem natural: pré-processamento de texto (tokenização, stemming, lematização e remoção de stop words); representação de texto: TF-IDF e word embeddings. Arquitetura Transformer e modelos de linguagem grandes (LLMs); engenharia de prompt. Integração com APIs de IA (OpenAI, Hugging Face) e frameworks de orquestração (LangChain); geração aumentada por recuperação (RAG); busca vetorial: embeddings, similaridade e índice vetorial. Governança algorítmica: avaliação de impacto algorítmico, transparência, explicabilidade, auditabilidade e supervisão humana; normas do CNJ sobre IA no Judiciário: vedações e limites de uso de IA em atos decisórios. Segurança de aplicações de inteligência artificial: prompt injection, jailbreak e ataques adversariais; validação e sanitização da saída de LLMs; vazamento de dados e de contexto em aplicações de IA; postura de retenção zero. Ciclo de desenvolvimento de modelos de aprendizado de máquina: divisão em conjuntos de treino, validação e teste, validação cruzada, sobreajuste (overfitting) e subajuste (underfitting), regularização e ajuste de hiperparâmetros. Avaliação de modelos: matriz de confusão, acurácia, precisão, revocação (recall), F1-score, curva ROC e AUC; métricas de regressão (MAE, RMSE e R²). Redes neurais e aprendizado profundo (deep learning): perceptron multicamadas, funções de ativação, retropropagação (backpropagation), redes convolucionais (CNN) e redes recorrentes (RNN e LSTM). MLOps: versionamento de dados e de modelos, implantação (deploy) e monitoramento de modelos em produção, deriva de dados e de conceito (data drift e concept drift). Vieses e equidade em modelos de IA: fontes de viés nos dados e nos modelos, métricas de equidade (fairness) e técnicas de explicabilidade (SHAP e LIME).
- IA é tendência, mas a FGV cobra fundamentos.
- Sem dominar os conceitos certos, nem o candidato mais antenado passa.
Fontes oficiais do concurso
Este cadastro ainda não tem uma fonte oficial de edital verificada. O conteúdo programático apresentado corresponde aos assuntos cadastrados para o material.
Entrega e atendimento
Produto digital. O prazo e as condições de entrega são informados junto à opção de compra. As orientações de acesso são enviadas ao e-mail da compra após a aprovação do pagamento.