TJPB 2026 - Analista Judiciário – Tecnologia da Informação – Inteligência Artificial

O que tem no plano

10 matérias, numa ordem pensada

Você começa pelas 8 primeiras, em rodízio no mesmo dia. Quando termina uma, a próxima da fila entra. Depois de clonar, dá para mudar a ordem e tirar ou incluir assuntos.

Começam juntasToque numa matéria para ver os assuntos.

1. 1Língua Portuguesa6 assuntos

   • Compreensão e interpretação de textos de gêneros variados
   • Reconhecimento de Tipos e Gêneros Textuais
   • Domínio da ortografia oficial
   • Domínio dos Mecanismos de Coesão Textual
   • Domínio da estrutura morfossintática do período
   • Reescrita de frases e parágrafos do texto
2. 2Inteligência Artificial11 assuntos

   • 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), F1score, 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)
3. 3Algoritmos e Programação8 assuntos

   • 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
   • 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
4. 4Fundamentos de Tecnologia da Informação7 assuntos

   • Conceitos Gerais
   • Engenharia de Software
   • Segurança da Informação
   • Governança e Gestão de TI
   • Gestão de Dados e Inteligência Artificial
   • Transformação Digital no Poder Judiciário
   • Normas de TIC no Poder Judiciário
5. 5Linguagens de Consulta e Manipulação de Dados7 assuntos

   • 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
6. 6Engenharia de Dados4 assuntos

   • 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)
7. 7Qualidade, Governança e Integração Nacional de Dados3 assuntos

   • 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
8. 8Business Intelligence e Jurimetria1 assunto

   • Storytelling com dados. Estudos jurimétricos de suporte à alta gestão. Métricas judiciais: Taxa de Congestionamento, IPC-Jus e Metas Estratégicas
9. 9Raciocínio Lógico e Matemático19 assuntos

   • 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
10. 10Estatística e Modelos Analíticos4 assuntos

    • 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)
    • 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 [...]

Perguntas frequentes