Concurso SERPRO: Inscrições abertas! 165 vagas

[et_pb_section fb_built=”1″ _builder_version=”4.7.0″ _module_preset=”default”][et_pb_row _builder_version=”4.7.0″ _module_preset=”default”][et_pb_column type=”4_4″ _builder_version=”4.7.0″ _module_preset=”default”][et_pb_circle_counter number=”100″ _builder_version=”4.7.0″ _module_preset=”default”][/et_pb_circle_counter][et_pb_text _builder_version=”4.7.0″ _module_preset=”default”]

Foi publicado o edital do Concurso do Serviço Federal de Processamento de Dados (concurso SERPRO).

Estão sendo ofertadas 165 vagas temporárias para o cargo de Analista nas especialidades de Ciência de Dados e Desenvolvimento de Sistemas, com remuneração inicial de R$ 7.620,37.

O contrato terá duração de 12 meses e os aprovados irão atuar em Brasília, São Paulo, Rio de Janeiro e Curitiba.

As inscrições deverão ser realizadas no site da banca Cebraspe, do dia 7 ao dia 26 de abril de 2021. O valor da taxa de inscrição é de R$ 100,00.

Quer saber mais? Fique por aqui e confira as principais informações do concurso:

Principais informações sobre o concurso Serpro

Qual a data da prova?

A prova do concurso Serpro está marcada para o dia 6 de julho de 2021.

Quantas são as vagas?

O concurso Serpro está oferecendo 165 vagas temporárias de Analista, nas especialidades de Ciência de Dados e Desenvolvimento de Sistemas.

Destas, 121 são de ampla concorrência, 33 para candidatos negros e 11 para pessoas com deficiência.

A contratação será de 12 meses, podendo ser prorrogada pelo mesmo período.

Quais as carreiras e atribuições?

As vagas do concurso Serpro são para a carreira de Analista, nas especialidades de Ciência de Dados e Desenvolvimento de Sistemas.

Saiba quais as principais atribuições de cada uma delas:

Ciência de Dados

Coletar, ingerir, transformar, qualificar e enriquecer dados oriundos de diferentes fontes;desenvolver, testar, validar e monitorar modelos que suportem os problemas de negócio;criar e apresentar análises baseadas em estatísticas e visualizações de dados;identificar e analisar problemas de negócio, propondo soluções baseadas em dados;propor, definir e implementar arquiteturas para soluções de grande volume de dados;planejar, elaborar, coordenar e implementar projetos de ciência de dados;modelar, catalogar e administrar dados e metadados de acordo com os preceitos da governança de dados.

Desenvolvimento de Sistemas

Analisar as demandas apresentadas pelas áreas de negócio e propor alternativas de solução técnica e estratégia de desenvolvimento;elaborar a especificação do sistema, incluindo requisitos, experiência do usuário, projeto lógico e físico de dados, unidades de implementação, arquitetura, sustentação de softwares e de sistemas;planejar, elaborar e ministrar treinamentos relativos a sistemas de informação, manipulação de dados, tecnologias de desenvolvimento e metodologias de trabalho;prospectar e internalizar novas tecnologias de desenvolvimento;prestar assessoramento técnico no que se refere ao desenvolvimento de sistemas;atuar na sustentação de sistemas em produção e propor medidas de correção ou melhoria quando necessário;planejar, acompanhar e gerenciar projetos de construção e sustentação de software;projetar e construir unidades de implementação executáveis, considerando os requisitos, a arquitetura de software e padrões de codificação definidos pela empresa; planejar, projetar, realizar e avaliar testes alinhados com a estratégia de verificação definida e corrigir os problemas identificados.

Qual o nível de formação exigido?

Tanto Analista em Ciência de Dados quanto para Analista em Desenvolvimento de Sistemas é preciso ter formação de Nível Superior na área de Tecnologia da Informação ou em qualquer área de formação acrescido de curso de pós-graduação na área de Ciência de Dados, com carga horária mínima de 360 horas, reconhecido e concluído em instituição credenciada pelo Ministério da Educação (MEC).

Quais as demais exigências?

Além da formação exigida, há outros pré-requisitos para os candidatos no concurso Serpro. São eles:

Ter a nacionalidade brasileira ou portuguesa e, no caso de nacionalidade portuguesa, estar amparado pelo Estatuto de Igualdade entre Brasileiros e Portugueses, com reconhecimento do gozo dos direitos políticos, nos termos do § 1º do art.12 da Constituição Federa;
Estar em gozo dos direitos políticos;
Estar quite com as obrigações militares, em caso de candidato do sexo masculino;
Estar quite com as obrigações eleitorais;
Ter idade mínima de 18 anos completos na data da contratação;
Ter aptidão física para o exercício das atribuições do cargo.

Qual o salário?

O salário inicial para o cargo de Analista, em ambas as especialidades, é de R$ 7.620,37

Quais os benefícios?

Além do salário mensal, os servidores do Serpro têm direito aos seguintes benefícios:

Auxílio-alimentação: R$ 950,64;
Auxílio-creche: R$ 382,68;
Auxílio-transporte;
Auxílio a filho com deficiência: 1.150,70;
Plano de saúde;
Plano odontológico;
Plano de previdência complementar.

Qual a lotação?

As vagas no concurso Serpro são para lotação em Brasília, São Paulo, Rio de Janeiro e Curitiba.

Qual a jornada de trabalho?

A jornada de trabalho do servidor do Serpro é de 40 horas semanais.

Como foi a concorrência do último concurso?

O último concurso Serpro foi realizado em 2013, quando ofereceu 360 vagas para os cargos de Analista (213) e Técnico (147), além de cadastro reserva. Houve um total de 70.980 inscritos, ou seja, uma relação de 197,1 candidatos por vaga.

Como são as provas?

A prova objetiva do concurso Serpro contou com 120 questões de certo e errado nas seguintes disciplinas:

Língua Portuguesa: 20 questões;
Língua Inglesa: 5 questões;
Estatuto Social do Serpro: 5 questões;
Raciocínio Lógico: 5 questões;
Legislação acerca da privacidade e proteção dos dados pessoais: 15 questões;
Conhecimentos Específicos: 70 questões.

Qual o conteúdo programático?

Confira o conteúdo programático do concurso Serpro:

Conhecimentos Básicos

[learn_more caption=”LÍNGUA PORTUGUESA”] 1 Compreensão e interpretação de textos de gêneros variados. 2 Reconhecimento de tipos e gêneros textuais. 3 Domínio da ortografia oficial. 4 Domínio dos mecanismos de coesão textual. 4.1 Emprego de elementos de referenciação, substituição e repetição, de conectores e de outros elementos de sequenciação textual. 4.2 Emprego de tempos e modos verbais. 5 Domínio da estrutura morfossintática do período. 5.1 Emprego das classes de palavras. 5.2 Relações de coordenação entre orações e entre termos da oração. 5.3 Relações de subordinação entre orações e entre termos da oração. 5.4 Emprego dos sinais de pontuação.5.5 Concordância verbal e nominal. 5.6 Regência verbal e nominal. 5.7 Emprego do sinal indicativo de crase. 5.8 Colocação dos pronomes átonos. 6 Reescrita de frases e parágrafos do texto. 6.1 Significação das palavras. 6.2 Substituição de palavras ou de trechos de texto. 6.3 Reorganização da estrutura de orações e de períodos do texto. 6.4 Reescrita de textos de diferentes gêneros e níveis de formalidade.[/learn_more][learn_more caption=”LÍNGUA INGLESA”] 1 Compreensão de texto em língua inglesa. 2 Itens gramaticais relevantes para compreensão de conteúdos semânticos. [/learn_more][learn_more caption=”RACIOCÍNIO LÓGICO”] 1 Estruturas lógicas. 2 Lógica de argumentação: analogias, inferências, deduções e conclusões. 3 Lógica sentencial (ou proposicional). 3.1 Proposições simples e compostas. 3.2 Tabelas-verdade. 3.3 Equivalências. 3.4 Leis De Morgan. 3.5 Diagramas lógicos.4 Lógica de primeira ordem. 5 Princípios de contagem e probabilidade. 6 Operações com conjuntos. 7 Raciocínio lógico envolvendo problemas aritméticos, geométricos e matriciais. [/learn_more][learn_more caption=”ESTATUTO SOCIAL DA SERPRO”] Estatuto Social do Serviço Federal de Processamento de Dados, disponível no endereço eletrônico <https://www.transparencia.serpro.gov.br/acesso-a-informacao/institucional/base-juridica/estatuto-do-serpro>.[/learn_more][learn_more caption=”LEGISLAÇÃO ACERCA DE PRIVACIDADE E PROTEÇÃO DE DADOS PESSOAIS”] 1 Lei nº13.709/2018 (Lei Geral de Proteção de Dados Pessoais –LGPD): Capítulos I, II, III, IV, VII, VIII e IX. 2 Lei nº12.527/2011 (Lei de Acesso à Informação): Capítulos I, II, III, IV e V. 3 Lei nº12.965/2014 (Marco Civil da Internet): Capítulos II e III, Seções I e II. 4 Decreto nº9.637/2018 (Política Nacional de Segurança da Informação): Capítulo II. 5 Lei nº12.737/2012 (Lei de Delitos Informáticos): art. 2º. 6 Lei nº8.078/1990: Capítulo V, Seção VI, e arts. 71 e 72.[/learn_more]

Conhecimentos Específicos

ESPECIALIZAÇÃO: CIÊNCIA DE DADOS

[learn_more caption=”APRENDIZADO DE MÁQUINA”] 1 Técnicas de classificação. 1.1 Naive Bayes. 1.2 Regressão logística. 1.3 Redes neurais artificiais. 1.3.1 Funções de ativação: limiar, linear, ReLU, logística, softmax, maxoute gaussiana. 1.3.2 Redes Perceptron de única e múltiplas camadas. 1.4 Árvores de decisão (algoritmos ID3 e C4.5) e florestas aleatórias (random forest). 1.5 Máquinas de vetores de suporte (SVM –support vector machines). 1.6 K vizinhos mais próximos (KNN –K-nearest neighbors). 1.7 Comitês de classificadores. 1.8 Avaliação de modelos de classificação: treinamento/teste/validação; validação cruzada; métricas de avaliação (matriz de confusão, acurácia, precisão, revocação, F1-scoree curva ROC). 2 Técnicas de regressão. 2.1 Regressão linear. 2.2 Séries temporais (tendências, suavização exponencial e modelos ARIMA). 2.3 Redes neurais para regressão. 2.4 Árvores de decisão para regressão. 2.5 Máquinas de vetores de suporte para regressão. 2.6 Intervalos de confiança em regressão. 2.7 Avaliação de modelos de regressão: mean absolute error(MAE), mean square error(MSE), root mean square error(RMSE) e coeficiente de determinação (R2). 3 Técnicas de agrupamento. 3.1 Agrupamento por partição. 3.2 Agrupamento por densidade. 3.3 Agrupamento hierárquico. 4 Técnicas de redução de dimensionalidade. 4.1 Seleção de características (feature selection). 4.2 Análise de componentes principais (PCA –principal component analysis). 5 Técnicas de associação. 5.1 Descoberta de conjuntos frequentes. 5.2 Descoberta de regras de associação. 6 Sistemas de recomendação. 7 Processamento de linguagem natural (PLN). 7.1 Normalização textual (stop words, estemização, lematização e análise de frequência de termos). 7.2 Rotulação de partes do discurso (POS-tagging–part-of-speechtagging). 7.3 Reconhecimento de entidades (NER –named entity recognition) e rotulação IOB. 7.4 Modelos de representação de texto: N-gramas, modelos vetoriais de palavras (CBOW, Skip-Gram e GloVe), modelos vetoriais de documentos (booleano, TF e TF-IDF, média de vetores de palavras e Paragraph Vector). 7.5 Métricas de similaridade textual (similaridade do cosseno, distância euclidiana, similaridade de Jaccard, distância de Manhattan e coeficiente de Dice). 7.6 Aplicações de PLN: sumarização automática de texto (abordagens extrativa e abstrativa), modelagem de tópicos em texto (algoritmos LSI, LDA e NMF), classificação de texto, agrupamento de texto, tradução automática de texto, análise de sentimentos e emoções em texto, reconhecimento de voz (STT –speech to text). 8 Visão computacional. 8.1 Reconhecimento facial. 8.2 Classificação de imagens. 8.3 Detecção de objetos. 8.4 Deep learning para visão computacional. 9 Aprendizado profundo. 9.1 Redes neurais convolucionais. 9.2 Redes neurais recorrentes. 9.2.1 Redes de Hopfield. 9.2.2 Long short-term memory(LSTM). 9.2.3 Redes perceptron multicamadas recorrentes. 9.2.4 Máquinas de Boltzmann. 9.2.5 Deep belief networks.[/learn_more][learn_more caption=”TRATAMENTO DE DADOS”] 1 Normalização numérica. 2 Discretização. 3 Tratamento de dados ausentes. 4 Tratamento de outlierse agregações. [/learn_more][learn_more caption=”MÉTODOS DE OTIMIZAÇÃO MATEMÁTICA”] 1 Gradiente descendente. 2 Gradiente descendente em lote. 3 Gradiente descendente estocástico. 4 Simulated annealing. 5 Programação linear (método Simplex). 6 Pesquisa operacional. 7 Grid search e randomized search. [/learn_more][learn_more caption=”LINGUAGENS DE PROGRAMAÇÃO E FRAMEWORKS”]1 Python. 2 Linguagem de programação R. 3 Scala. 4 Java. 5 Spark (PySpark, Scala e Java). 6 Pandas. 7 Scikit-learn. 8 Tensor Flow. 9 PyTorch. 10 Keras. 11 NLTK. [/learn_more][learn_more caption=”FUNDAMENTOS DE PROBABILIDADE E ESTATÍSTICA”]1 Probabilidade e probabilidade condicional. 2 Independência de eventos, regra de Bayes e teorema da probabilidade total. 3 Variáveis aleatórias e funções de probabilidade. 4 Principais distribuições de probabilidade discretas e contínuas: distribuição uniforme, distribuição de Bernoulli, distribuição binomial, distribuição multinomial e distribuição normal. 5 Medidas de tendência central: média (aritmética, ponderada, geométrica e harmônica), mediana e moda. 6 Medidas de dispersão: amplitude, variância, desvio padrão e coeficiente de variação. 7 Coeficiente de correlação de Pearson. 8 Teorema central do limite. 9 Regra empírica (regra de três sigma) da distribuição normal. 10 Modelos probabilísticos gráficos: modelos de Markov, filtros de Kalman e redes bayesianas. 11 Testes de hipóteses: teste-z, teste-t,valor-p, testes para uma amostra, testes de comparação de duas amostras, ANOVA, teste de normalidade (chi square) e intervalos de confiança. 12 Histogramas e curvas de frequência. Diagrama boxplot. Avaliação de outliers. [/learn_more][learn_more caption=”GESTÃO DE PROJETOS EM CIÊNCIA DE DADOS”] 1 Processo CRISP-DM. 2 Gerenciamento de projetos tradicionais. 3 Gerenciamento de projeto ágeis.BIG DATA: 1 Fundamentos. 2 Tipos de dados: estruturados, semiestruturados e não estruturados. 3 Conceitos dos três Vs. 4 Fluxo de big data: ingestão, processamento e disponibilização. 5 Armazenamento de big data. 6 Pipeline de dados. 7 Processamento distribuído. 8 Conceitos de data lake. 9 ETL X ELT. 10 Soluções de big data. 10.1 Arquitetura do ecossistema Apache Hadoop. 10.2 Componentes Hadoop: HBase, Kudu, Sqoop, Nifi, Hive, Impala, Spark, Spark Streaming, SOLR, Oozie, Yarn, Kafka, Flink e AirFlow. 11 Arquiteturas de big data. 11.1 Arquitetura Lambda. 11.2 Arquitetura Kappa. 11.3 Arquitetura de IoT. 11.4 Arquitetura de cloud computing para dados (AWS, Azure). [/learn_more][learn_more caption=”ARMAZENAMENTO DE DADOS”]1 Sistemas de arquivos distribuídos: HDFS. 2 Armazenamento orientado a objeto (object store): S3, CEPH. 3 Banco de dados NoSQL orientado a colunas: HBase. 4 Banco de dados NoSQL orientado a grafos: Neo4J. 5 Banco de dados NoSQL orientado a documentos: MongoDB. 6 Sistemas de indexação: ElasticSearch.INGESTÃO DE DADOS: 1 Conceito de ingestão de dados. 2 Ingestão de dados estruturados, semiestruturados e não estruturados. 3 Ingestão de dados em lote (batch). 4 Ingestão de dados em streaming. 5 Ingestão de dados full×incremental. 6 Ingestão de dados CDC (change data capture). [/learn_more][learn_more caption=”PROCESSAMENTO DE DADOS”] 1 Conceitos de processamento massivo e paralelo. 2 Processamento em lote (batch). 3 Processamento em tempo real (real time). 4 Processamento MapReduce. [/learn_more][learn_more caption=”BUSINESS INTELLIGENCEE ANALYTICS”] 1 Ecossistema de Big Data Apache Hadoop. 2 Arquitetura e análise de requisitos para sistemas analíticos. 3 Ferramentas ETL e OLAP. 4 Álgebra relacional e SQL (padrão ANSI). 5 Banco de dados relacional em plataforma baixa (Oracle, SQL Server, Postgree, MySQL) e XML. 6 Banco de dados NoSQL. 7 Visualização e análise exploratória de dados. 7.1 Ferramentas de criação de dashboards(Qlik, MicroStrategy Dossiê, Tableau e Pentaho). 7.2 Storytelling. 7.3 Elaboração de painéis e dashboard. 7.4 Elaboração de relatórios analíticos. QUALIDADE DE DADOS: 1 Conceitos e definições sobre qualidade de dados. 2 Dimensões da qualidade de dados (visão DMBOK). 3 Principais técnicas em qualidade de dados. 3.1 Profiling. 3.2 Matching. 3.3 Deduplicação. 3.4 Data cleansing. 3.5 Enriquecimento. 4 Boas Práticas para adoção da qualidade de dados. 5 Processos de qualidade para modelos de dados. 6 Noções básicas de visualização de dados.MODELAGEM DE DADOS: 1 Modelo entidade-relacionamento. 2 Linguagem de implementação banco de dados:banco físico, lógico e conceitual. 3 Modelagem conceitual de dados. 3.1 Entidades. 3.2 Atributos. 3.3 Relacionamentos. 3.3.1 Grau dos relacionamentos. 3.3.2 Cardinalidade. 3.3.3 Tipos de relacionamentos. 3.4 Mecanismos avançados de abstração em um modelo conceitual de dados. 3.4.1 Repetição. 3.4.2 Auto Relacionamento. 3.4.3 Generalização e especialização. 3.4.4 Agregação. 4 Modelagem lógica de dados. 4.1 Conceitos em modelagem lógica de dados. 4.2 Normalização. 5 Data warehouse. 5.1 Modelagem dimensional. 5.2 Criação, implantação e manutenção de rotinas de ETL (Pentaho e Power Center). 5.3 Conceito e aplicações. 5.4 Fatos e dimensões. 5.5 Operações OLAP. 5.6 Conceitos de data warehouse. 5.7 Técnica de modelagem dimensional e otimização de bases de dados para BI. [/learn_more][learn_more caption=”MDM (MASTER DATA MANAGEMENT”] 1 Conceitos básicos. 1.1 Golden record. 1.2 Modelos de implementação de data hub. 2 Qualidade dos dados mestres. 3 Algoritmos fuzzy matching e stemming. 4 Arquitetura de dados MDM. 5 Privacidade dos dados mestres. [/learn_more][learn_more caption=”GOVERNANÇA DE DADOS”] 1 Princípios e conceitos da governança de dados. 2 Componentes da governança de dados. 3 Visão geral do guia DAMA-DMBOK. 3.1 Áreas de conhecimento. 3.2 Elementos ambientais. 3.3 Principais atividades da gestão de dados. 4 Documentos da governança de dados.[/learn_more].

ESPECIALIZAÇÃO: DESENVOLVIMENTO DE SISTEMAS

[learn_more caption=”SEGURANÇA DA INFORMAÇÃO”] 1 Confiabilidade, integridade e disponibilidade. 2 Mecanismos de segurança. 2.1 Criptografia. 2.2 Assinatura digital. 2.3 Garantia de integridade. 2.4 Controle de acesso. 2.5 Certificação digital. 3 Gerência de riscos. 3.1 Ameaça, vulnerabilidade e impacto. 4 Políticas de segurança. 4.1 NBR ISO/IEC 27002:2005. 4.2 NBR ISO/IEC 27001:2013. 4.3 NBR ISO/IEC 15408. 4.4 Políticas de senhas. 5 Autenticação de dois fatores (MFA). 6 O Auth 2, JWT, SSO e SAML. 7 OWASP Top 10 (https://owasp.org/www-project-top-ten/).[/learn_more][learn_more caption=”PROCESSO”] 1 Processo orientado a reuso. 2 Ciclos de vida. 2.1 Modelo cascata. 2.2 Modelo iterativo. 2.3 Modelo ágil. 2.4 Modelo formal. 3 Metodologias ágeis de desenvolvimento. 3.1 Scrum, XP, TDD, Modelagem ágil e Kanban. [/learn_more][learn_more caption=”TECNOLOGIA”] 1 Banco de dados. 1.1 Arquitetura de banco de dados: relacional (MySQL, PostgreSQL), não relacional (orientado a documento, chave-valor, grafo, colunar, time series), hierárquico (ADABAS) e rede. 1.2 Modelagem de banco de dados: físico, lógico e conceitual. 1.3 Álgebra relacional, SQL/ANSI e linguagens procedurais embarcadas. 1.4 Gestão de banco de dados. 1.4.1 Controle de acesso, usuário, cálculo volumétrico, replicação, cluster, particionamento e esquemas. 2 Servidores webe de aplicação. 2.1 Wildfly, IIS, Websphere, Apache, Nginx e Tomcat. 3 Linguagens de programação. 3.1 Java, JavaScript, TypeScript, Python, PHP, C#, C, C++, Natural, Cobol e Go. 4 Tecnologias e práticas front end web: HTML, CSS, UX, Ajax, frameworks(Bootstrap, angular, VueJS e React). 4.1 Padrões de frontend. 4.1.1 SPA e PWA. 5. Tecnologias backend:5.1 Frameworks: Hibernate, .NET Core, Quarkus, SpringBoot, Flask, Django, NodeJS, Express e NestJS.5.2 Especificações: JEE (JPA, EJB, JSF, JMS e JTA), JVM.6 Ferramentas de qualidade: SonarQube, Robot Framework e JMeter. 7 Modelagem: UML 2.x e BPM (BPMN). 8 Tecnologia de desenvolvimento móvel: Android (Kotlin), IOS (Swift), Flutter, ReactNative, Ionic, Xamarin e Banco de Dados SQLite. 9 Ferramentas de gestão configuração: versionamento (Git e GitLab), CI/CD (GitLab CI e Jenkins). 10 Protocolos HTTPS, SSL/TLS, HTTP/2, gRPC e WebSockets. 11 Ferramentas de integração assíncrona: Kafka, NATS Streaming, ActiveMQ e WebSphereMQ. 12 Containers: Docker e Kubernetes. [/learn_more][learn_more caption=”ENGENHARIA DE SOFTWARE”]1 Engenharia de requisitos. 2 Análise e projeto. 3 Implementação: orientação a objetos, estrutura de dados e algoritmos. 4 Qualidade. 4.1 Análise estática de código. 4.2 Teste unitário. 4.3 Teste de integração. 4.4 Teste de RNF (carga, estresse). 4.5 Revisão por pares. 5 Gestão de configuração. 5.1 DevOps, modelo de versionamento, merge, branch, pipeline, CI/CD e database migration. [/learn_more][learn_more caption=”ARQUITETURA”] 1 Padrões de projeto. 2 GoF. 2.1 Padrões de criação (Singleton, Prototype). 2.2 Padrões estruturais (Adapter, Facade). 2.3 Padrões comportamentais (command, iterator). 3 Padrões GRASP (controller, expert). 4 SOLID. 5 Tecnologias de integração. 5.1 Workflow. 5.2 Web services. 5.2.1 RESTful, SOAP e GraphQL. 5.3 Mensageria, stream e CORBA. 6 Design de software. 6.1 DDD, arquitetura hexagonal, microsserviços (orquestração de serviços e API gateway) e containers. 7 Padrões de microsserviços. 7.1 SAGA e CQRS. 8 Transações distribuídas. [/learn_more][learn_more caption=”TÓPICOS AVANÇADOS”] 1 Arquitetura e desenvolvimento em nuvem. 2 Inteligência artificial, business intelligence, big data, data warehouse, ferramentas ETL e OLAP. 3 Georreferenciamento e geoprocessamento. 4 Block chain e smart contracts. 5 IaC (infrastructure as code). 6 IoT (internet of things).[/learn_more]

Acesse o edital completo:

Check-list do candidato

Agora é hora de retomar alguns pontos e fazer uma check-list para confirmar se o concurso Serpro é mesmo para você:

Ter formação de Nível Superior na área de TI ou qualquer área com pós-graduação em Ciência de Dados;
Ter, no mínimo, 18 anos;
Morar ou estar disposto a morar em Brasília, São Paulo, Rio de Janeiro ou Curitiba;
Ter dedicação e empenho;
Desejar estabilidade financeira e profissional.

Quer dicas para passar em Concurso Público?

Para otimizar ou iniciar sua preparação, indicamos a nossa seção de Dicas para passar em Concurso Público. Nela você encontrará artigos com valiosas dicas para colocá-lo mais próximo da sua aprovação, como por exemplo:

Prefere dicas em vídeo? Acesse nossa seção com dicas de concursos, melhores cursos preparatórios, guia do primeiro concurso e muito mais!

Quais os melhores cursos preparatórios?

Se você tem como investir tempo e dinheiro em curso preparatório, é preciso pensar bem antes para escolher um que seja adequado às suas necessidades. Afinal, é sempre um diferencial apostar em um módulo específico para a área ou cargo pretendido.

Desse modo, veja algumas opções realmente boas:

O Gran Cursos Online está muito bem avaliado. De fato, tem material completo com videoaulas, além de professores de primeira linha. Assim, se você quer um curso com bom histórico de aprovação, e a possibilidade de estudar para mais de um concurso, o Gran Cursos certamente é uma ótima opção.

O Estratégia Concursos tem ótimos índices de aprovação nos principais concursos do país, pois conta com um material de qualidade e professores renomados. Ou seja, se você quer ter a certeza que está estudando pelo melhor material e, além disso, não se importa em pagar pela qualidade, o Estratégia Concursos é, com efeito, sua melhor opção.

O Exponencial é mais uma excelente alternativa. Igualmente aos demais cursos, é voltado para o aprendizado acelerado, mas oferece ainda o interessante serviço de coaching 100% especializado.

Quer conhecer outras opções? Confira no link a seguir:

Siga também nossas redes sociais: Facebook, Twitter, Instagram e Youtube.

Bons estudos e boa sorte!

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Concursos, Federais, Notícias, Últimas Notícias

Acompanhe o melhor canal com vídeos com dicas de estudos e notícias sobre concursos públicos.