Tecnico Tecnologias Informacion – Banco de España

Tecnico Tecnologias Informacion – Banco de España

🔗 Bases oficiales: Consulta la convocatoria

Tecnico Tecnologias Informacion – Banco de España es un recurso completo para preparar tu oposición en Banco de España.

📲 Compartir por WhatsApp

¿Qué incluye este temario?

• Contenidos teóricos completos organizados por epígrafes.
• Test autocorregibles y exámenes simulacro.
• Formato digital descargable (PDF).

Estructura del temario

PROGRAMA DE CONTENIDOS

Contenidos comunes

1. Sistemas operativos:

• Conceptos básicos: funciones de un sistema operativo, gestión de procesos.

• Administración de sistemas: configuración y gestión de sistemas operativos (Linux, Windows).

2. Redes y comunicaciones:

• Fundamentos de redes: TCP/IP, DNS, HTTP, modelos OSI.

• Configuración y gestión de redes: VLANs, VPNs, subnetting, balanceo de carga.

3. Fundamentos de programación:

• Programación básica: introducción a la programación (Python, Java, C++).

• Programación orientada a objetos: clases, objetos, herencia y polimorfismo.

• Estructuras de datos: listas, pilas, colas, árboles y grafos.

4. Bases de datos:

• Modelado de bases de datos: diseño de bases de datos y normalización.

• SQL y bases de datos relacionales: consultas básicas y avanzadas, gestión de bases de datos.

• Bases de datos no relacionales: NoSQL, casos de uso, tecnologías (ejemplo MongoDB, Cassandra).

5. Arquitectura de sistemas:

• Diseño y arquitectura de sistemas: principios de diseño y patrones arquitectónicos.

• Integración de sistemas empresariales: Middleware, APIs y servicios web.

6. Seguridad informática:

• Fundamentos de ciberseguridad: amenazas, vulnerabilidades, principios de seguridad (CIA).

• Criptografía: algoritmos de cifrado, firmas digitales y gestión de claves.

• Gestión de riesgos y vulnerabilidades: evaluación de riesgos y pruebas de penetración.

Contenidos específicos

Tecnologías basadas en la nube híbrida. Ciberseguridad y seguridad de la información.

1. Fundamentos de la nube:

• Definición y características de la computación en la nube.

• Modelos de servicio (IaaS, PaaS, SaaS).

• Tipos de nube (pública, privada, híbrida).

  1. Nube pública: proveedores principales y características.

  2. Nube privada: implementación y gestión.

  3. Nube híbrida: casos de uso y desafíos.

2. Fundamentos de ciberseguridad:

• Principios de seguridad (CIA).

• Amenazas y vulnerabilidades.

• Gestión de identidades y accesos (IAM).

• Criptografía.

• Seguridad en la nube: protección de datos y privacidad.

3. Virtualización de recursos:

• Hipervisores (Tipos y funcionamiento).

  1. Tipos de hipervisores (Tipo 1 y Tipo 2).

  2. Funcionamiento y características.

• Máquinas virtuales (creación, gestión, configuración).

4. Virtualización avanzada y contenedores:

• Creación y gestión de máquinas virtuales (VMs):

  1. Creación y gestión de VMs.

  2. Configuración de recursos (CPU, RAM, almacenamiento).

  3. Migración de VMs.

• Contenedores (Docker, Kubernetes):

  1. Qué son los contenedores y diferencias con las máquinas virtuales.

  2. Docker: conceptos básicos y comandos esenciales.

  3. Kubernetes: orquestación de contenedores (conceptos básicos).

5. Arquitecturas y tecnologías de nube:

• Microservicios y Apificación:

  1. Arquitectura de microservicios: definición, características y ventajas.

  2. Diferencias entre arquitectura monolítica y de microservicios.

  3. Diseño de APIs RESTful.

  4. Seguridad y gestión de APIs.

• CI/CD y DevSecOps:

  1. Principios y prácticas de CI/CD.

  2. Herramientas de CI/CD (por ejemplo, Jenkins).

  3. Integración de seguridad en el ciclo de vida del desarrollo del software.

  4. Automatización de controles de seguridad y pruebas.

• Observabilidad:

  1. Definición y principios de observabilidad.

  2. Herramientas de observabilidad (por ejemplo, Prometheus, Grafana).

  3. Implementación y mejores prácticas.

6. Redes y conectividad:

• Redes virtuales (VLANs, VPNs):

  1. VLANs: segmentación de redes.

  2. VPNs: conexiones seguras a través de Internet.

  3. Subnetting.

• Balanceo de carga:

  1. Conceptos básicos y tipos de balanceadores.

• Seguridad de redes:

  1. Firewalls, IDS/IPS.

  2. VPNs y seguridad inalámbrica.

  3. Cifrado de datos en tránsito y en reposo.

7. Almacenamiento en la nube:

• Tipos de almacenamiento:

  1. Almacenamiento en bloques.

  2. Almacenamiento de objetos.

  3. Almacenamiento de archivos.

• Almacenamiento distribuido:

  • Conceptos básicos y beneficios.

• Conceptos de backup y restore:

  • Conceptos básicos de copias de seguridad.

  • Conceptos de recuperación de la información.

8. Gestión de vulnerabilidades:

• Escaneo de vulnerabilidades.

• Pruebas de penetración.

• Amenazas y vulnerabilidades en la nube.

9. Gestión de riesgos y normativas de seguridad:

• Metodologías de evaluación de riesgos.

• Gestión de incidentes de seguridad.

• Políticas y Normativas de TI: Normativas (ISO 27001, RGPD).

Soluciones de Analítica del Dato y Soluciones de Inteligencia Artificial

1. Fundamentos de datos:

• Tipos de datos y estructuras:

  1. Numéricos, categóricos, texto, etc.

  2. Tablas, grafos, documentos.

• Bases de datos relacionales:

  1. Conceptos de tablas, relaciones y claves.

  2. Lenguaje SQL: consultas básicas y avanzadas.

• Bases de datos no relacionales:

  1. Tipos (documentales, clave-valor, etc.).

  2. Casos de uso.

• Conceptos de Big Data:

  1. Conceptos de volumen, velocidad y variedad.

  2. Tecnologías básicas (Hadoop, Spark).

2. Fundamentos de Inteligencia Artificial:

• Definición y tipos de IA: IA débil vs. IA fuerte, aprendizaje supervisado, no supervisado y por refuerzo.

• Algoritmos de aprendizaje supervisado: regresión, clasificación.

• Algoritmos de aprendizaje no supervisado: clustering, reducción de dimensionalidad.

• Evaluación de modelos: métricas y validación cruzada.

3. Procesamiento y preparación de datos:

• Extracción, transformación y carga (ETL):

  1. Procesos de extracción, transformación y carga de datos.

  2. Herramientas de ETL.

• Limpieza y preprocesamiento de datos:

  1. Manejo de valores faltantes y atípicos.

  2. Estandarización y normalización de datos.

• Ingeniería de características (Feature Engineering):

  1. Creación de nuevas variables a partir de datos existentes.

  2. Selección de características relevantes.

4. Análisis y visualización de datos:

• Estadística descriptiva e inferencial:

  1. Medidas de tendencia central y dispersión.

  2. Distribuciones de probabilidad.

  3. Pruebas de hipótesis.

  4. Intervalos de confianza.

• Análisis exploratorio de datos (EDA):

  1. Técnicas de exploración visual y estadística.

  2. Identificación de patrones y anomalías.

• Herramientas de visualización (Power BI, Tableau, etc.):

  1. Creación de gráficos y cuadros de mando interactivos.

  2. Interpretación de visualizaciones.

5. Modelado predictivo y descriptivo:

• Algoritmos de machine learning (regresión, clasificación, clustering):

  1. Algoritmos de regresión (lineal, logística).

  2. Algoritmos de clasificación (árboles de decisión, k-NN).

  3. Algoritmos de clustering (k-means, jerárquico).

• Evaluación de modelos:

  1. Métricas de rendimiento (precisión, recall, F1-score, etc.).

  2. Validación cruzada.

• Interpretación de resultados:

  1. Extracción de insights y conclusiones.

  2. Comunicación de resultados a stakeholders.

6. Gestión de bases de datos, Big Data y analítica:

• Lenguaje SQL:

  1. Consultas avanzadas (joins, subconsultas, etc.).

  2. Optimización de consultas.

• Gestión de sistemas de almacenamiento:

  1. Tipos de sistemas de almacenamiento (almacenes de datos, data lakes).

  2. Gestión de esquemas y metadatos.

• Fundamentos de Big Data: volumen, velocidad, valor, variedad y veracidad. Tecnologías (ejemplo: Hadoop, Spark).

• Herramientas de análisis de datos: ETL, análisis exploratorio, visualización de datos.

7. Conocimientos de estadística y álgebra lineal:

• Conocimientos básicos de estadística inferencial.

• Conocimientos básicos de álgebra lineal para la comprensión de los modelos.

8. Lenguajes, algoritmos y modelos de aprendizaje automático:

• Lenguajes de programación: Python o R, Java o Scala y librerías (TensorFlow, Keras, Scikit-learn).

• Algoritmos básicos: regresión lineal, árboles de decisión, k-means, máquinas de soporte vectorial (SVM).

• Evaluación y mejora de modelos:

  1. Métricas de evaluación: precisión, recall, F1-score, AUC-ROC.

  2. Técnicas de validación: validación cruzada, manejo de overfitting y underfitting.

• Redes neuronales: conceptos básicos de redes neuronales artificiales, perceptrón multicapa (MLP).

Soluciones de Planificación de Recursos Empresariales (ERP) y de Gestión de Procesos de Negocio

Soluciones de Ingeniería de Software aplicadas a infraestructuras de mercados financieros o monedas digitales (DLT).

1. Fundamentos de ingeniería de software:

• Ciclo de vida del desarrollo de software: planificación, análisis, diseño, implementación, pruebas.

• Metodologías de desarrollo: Ágil, Waterfall, Scrum.

• Principios de diseño de software.

2. Diseño e implementación de interfaces de usuario:

• Principios de diseño de interfaces de usuario (UI/UX).

• Herramientas y tecnologías para el desarrollo de interfaces (HTML, CSS, JavaScript, frameworks como React o Angular).

3. Lógica de negocio y backend:

• Diseño de bases de datos y gestión de datos.

• Desarrollo de APIs y servicios web.

• Seguridad en el desarrollo de software (encriptación, autenticación, autorización).

4. La información económico-financiera de la empresa:

• Concepto y tipos de contabilidad.

• Estados financieros: el balance de situación, la cuenta de resultados y tesorería.

• El ciclo contable.

• Introducción a la contabilidad de costes.

5. Fundamentos de soluciones ERP:

• Ciclo de vida de implementación de ERP y principios básicos de gestión de proyectos en implementaciones de ERP.

• Conceptos de módulos ERP y comprensión de los módulos principales (finanzas, cadena de suministro, etc.).

• Bases de datos relacionales y SQL para consultar y gestionar datos dentro del ERP.

• Configuración y personalización de módulos ERP. Generación y análisis de reportes.

• Conocimiento de lenguajes de scripting o programación específicos del ERP (por ejemplo, ABAP para SAP, JavaScript para NetSuite).

• Modelos de seguridad en sistemas ERP.

6. Fundamentos de blockchain y DLT:

• Conceptos de blockchain, DLT y criptomonedas.

• Mecanismos de consenso (PoW, PoS).

• Tipos de blockchains (públicas, privadas, consorcio).

• Seguridad de wallets y exchanges.

• Plataformas de blockchain: Ethereum e Hyperledger.

7. Desarrollo de contratos inteligentes:

• Smart contracts: definición, uso y desarrollo.

• Lenguajes de programación de contratos inteligentes (Solidity).

• Desarrollo y despliegue de contratos inteligentes.

• Vulnerabilidades en contratos inteligentes.

Preguntas frecuentes

• ¿En qué formato se entrega?
  En PDF descargable.
• ¿Incluye actualizaciones?
  Sí, si cambia la convocatoria.
• ¿Se puede imprimir?
  Sí, está preparado para imprimir o estudiar online.