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)
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).
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.
