Guia de Estudos para o concurso Sefaz MT 2026

Cadernos de Questões elaborados, por matéria,
conforme o edital do Concurso Sefaz MT 2026.

Acesse, neste artigo, os Cadernos de Questões elaborados, para cada matéria, conforme o conteúdo programático do edital Sefaz MT 2026.

Cadernos de Questões Sefaz MT

• Português
• Inglês
• Raciocínio Lógico-Matemático
• Matemática Financeira
• Estatística
• Direito Constitucional
• Direito Administrativo
• Direito Tributário
• Direito Civil (Cadu Carrilho)
• Direito Civil (Paulo Sousa)
• Direito Penal
• Direito Empresarial
• Legislação Tributaria Estadual – Parte I
• Legislação Tributaria sobre o Consumo (LTC)
• História do Estado de Mato Grosso
• Princípios da Ética e Filosofia
• Economia e Finanças Publicas
• Auditoria
• Contabilidade Geral (Profs. Julio + Luciano + Sande)
• Contabilidade Geral (Prof. Gilmar Possati)
• Contabilidade de Custos

Tecnologia da Informação

• Fundamentos de Dados e Banco De Dados – Modelagem de Dados: Conceitos de dados: estruturados, semiestruturados e não estruturados.
• Banco de Dados – Conceitos Básicos
• Modelagem Relacional: Entidades, Atributos, Relacionamentos, Chaves (primária, estrangeira). (Parte 1)
• Modelagem Relacional: Entidades, Atributos, Relacionamentos, Chaves (primária, estrangeira). (Parte 2)
• Normalização (até 3FN).
• Linguagem SQL: Linguagem de Consulta Estruturada (SQL) padrão ANSI. Comandos de Consulta de Dados (DQL): SELECT, FROM, WHERE, GROUP BY, HAVING, ORDER BY, DISTINCT. Junções (Joins): INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN, CROSS, JOIN. Funções de Agregação: COUNT, SUM, AVG, MIN, MAX. Subconsultas (Subqueries) e Expressões de Tabela Comuns (Common Table Expressions – CTEs). Funções Analíticas (Window Functions): OVER(), PARTITION BY, ROW_NUMBER, RANK, DENSE_RANK, LEAD, LAG. Manipulação de Dados (DML): Noções de INSERT, UPDATE, DELETE. Definição de Dados (DDL): Noções de CREATE TABLE, ALTER TABLE, DROP TABLE. Conceitos de Stored Procedures e Triggers.
• Banco de Dados Oracle: Conceitos de Sistema de Gerenciamento de Banco de Dados (SGBD). Arquitetura básica do Oracle Database.
• Análise e Engenharia de Dados com Python – Lógica de Programação e Fundamentos da Linguagem Python: Variáveis, tipos de dados, operadores. Estruturas de controle de fluxo (condicionais e laços). Estruturas de dados nativas (listas, tuplas, dicionários, conjuntos).
• Funções. Manipulação e Análise de Dados com Pandas e NumPy: NumPy: Arrays multidimensionais (ndarray), operações vetorizadas, broadcasting,indexação e fatiamento. Pandas: Series e DataFrame, leitura e escrita de dados, seleção e filtragem (loc, iloc), tratamento de dados ausentes, groupby, merge, join, concat, manipulação de séries temporais. Visualização de Dados com Matplotlib e Seaborn: Criação de gráficos de linha, barra, dispersão, histogramas e box plots. Customização de gráficos (títulos, eixos, legendas).
• Noções de Engenharia de Dados: Conceitos de ETL e ELT, Data Pipelines. Conceitos de Data Lake e Data Warehouse. Business Intelligence (BI) e Ferramentas de Visualização: Conceitos de BI e Data Discovery.
• Modelagem Dimensional: Fatos, Dimensões, Métricas, Esquemas Star Schema (Estrela) e Snowflake Schema (Floco de Neve).
• Funcionalidades de ferramentas de mercado (Microsoft Power BI, Qlik). Criação e interpretação de dashboards e relatórios interativos.
• Fundamentos de Big Data (Volume, Velocidade, Variedade).
• Noções do ecossistema Hadoop (HDFS) e do Apache Spark.
• Inteligência Artificial para a Fiscalização – Fundamentos de Aprendizado de Máquina (Machine Learning): Conceitos de IA e ML. Tipos de aprendizado (Supervisionado, Não Supervisionado). Fluxo de trabalho de um projeto de ML: preparação de dados, treinamento e avaliação de modelos (matriz de confusão, precisão, recall, F1-score, curva ROC). Overfitting e underfitting. Técnicas e Algoritmos para Detecção de Fraudes e Anomalias: Algoritmos de Classificação: Regressão Logística, Árvores de Decisão, Random Forest, Gradient Boosting (XGBoost). Algoritmos de Clusterização: K-Means. Técnicas de Detecção de Anomalias: Isolation Forest. (Parte 1)
• Inteligência Artificial para a Fiscalização – Fundamentos de Aprendizado de Máquina (Machine Learning): Conceitos de IA e ML. Tipos de aprendizado (Supervisionado, Não Supervisionado). Fluxo de trabalho de um projeto de ML: preparação de dados, treinamento e avaliação de modelos (matriz de confusão, precisão, recall, F1-score, curva ROC). Overfitting e underfitting. Técnicas e Algoritmos para Detecção de Fraudes e Anomalias: Algoritmos de Classificação: Regressão Logística, Árvores de Decisão, Random Forest, Gradient Boosting (XGBoost). Algoritmos de Clusterização: K-Means. Técnicas de Detecção de Anomalias: Isolation Forest. (Parte 2)
• Gestão de Tecnologia e Arquitetura de Sistemas – Gestão de Projetos com Métodos Ágeis: Diferenças entre modelos tradicionais e ágeis. Manifesto Ágil. Kanban: Princípios e métricas de fluxo.
• Scrum: Papéis, eventos e artefatos.
• Noções de Arquitetura de Sistemas: Arquitetura Monolítica vs. Microsserviços.
• APIs (Application Programming Interfaces) e Web services (REST).
• XML, JSON
• Governança e Segurança da Informação – Noções Fundamentais de Segurança da Informação: Princípios: Confidencialidade, Integridade, Disponibilidade, Autenticidade e Não-repúdio. Conceitos de ameaças, vulnerabilidades e riscos. Políticas de segurança, classificação da informação e controles de acesso.
• Engenharia Social, malware e phishing.
• Lei Geral de Proteção de Dados (LGPD – Lei nº 13.709/2018, alterada pela Lei nº 13.853/2019): Fundamentos, definições e princípios. Hipóteses de tratamento de dados pelo Poder Público. Direitos dos titulares e responsabilidades dos agentes de tratamento. A Autoridade Nacional de Proteção de Dados (ANPD).
• Estrutura de Dados Fiscais: Estrutura e principais campos do XML da Nota Fiscal Eletrônica (NF-e) com foco nos registros e blocos relevantes para a fiscalização.
• Escrituração Fiscal Digital (EFD ICMS/IPI), com foco nos registros e blocos relevantes para a fiscalização.
• visualização e comunicação de resultados.

Basta clicar nas Matérias acima estando logado no nosso SQ para ser redirecionado ao respectivo Caderno de Questões:

Encontrou algum erro nos Cadernos?

Clique no link abaixo e relate qualquer erro que tenha encontrado nos Cadernos de Questões deste Guia. Iremos retificar rapidamente.

Quero relatar um erro!

É o seu feedback que nos ajuda a melhorar!

O que é o Guia de Estudos?

O nosso SQ possui o maior banco de dados de questões de concursos comentadas por professores. Entretanto, no estudo para concurso, não dá tempo de resolver todas as questões disponíveis. A recomendação é que você foque na resolução daqueles exercícios que mais tenham a ver com o estilo da sua prova (dificuldade, preferências e perfil da banca) para que possa otimizar o seu tempo.

Para justamente facilitar essa “filtragem” das questões de acordo com as particularidades de cada edital de concurso público, foram criados os Guias de Estudo.

Os Guias são artigos postados no site do Estratégia Concursos com links para Cadernos de Questões, por Matéria, customizados de acordo com o conteúdo programático de cada edital.

IMPORTANTE : Ao clicar nas Matérias de cada cargo listado acima, você será redirecionado ao respectivo Caderno de Questões em nosso sistema de questões. Para usar os Guias, você precisa ser assinante. Se ainda não for assinante, faça o cadastro no site e ganhe, enquanto isso, acesso gratuito por 7 dias.

Clique abaixo e conheça o nosso Sistema de Questões: