Pós-Graduação em Análise de Dados para Área Fiscal e Controle

Sobre a pós-graduação

O curso de Pós-Graduação em Análise de Dados para Área Fiscal e Controle foi desenvolvido para capacitar profissionais a dominar o ciclo completo da análise de dados, desde a modelagem de bancos de dados até a utilização de inteligência artificial para apoiar decisões estratégicas. Com um viés aplicado ao setor público, especialmente em órgãos de fiscalização e controle, o curso prepara o aluno para transformar dados em informações relevantes e insights de alto impacto.

A formação abrange fundamentos de bancos de dados, SQL, business intelligence, mineração de dados, inteligência artificial e linguagens de programação aplicadas à análise. Além disso, contempla práticas de pesquisa científica e ética acadêmica, oferecendo uma visão completa que une teoria, prática e compromisso ético na aplicação de soluções de análise de dados.

Voltado a candidatos a concursos, servidores públicos e profissionais das áreas fiscal, de controle e tecnologia da informação, o curso fornece competências técnicas e críticas para atuar em ambientes de alta complexidade. É a escolha ideal para quem busca ampliar seu campo de atuação e se destacar em cenários que demandam decisões baseadas em evidências.

Para ingressar na pós-graduação, você precisa ter, obrigatoriamente, diploma de curso superior.

1. Fundamentos de bancos de dados

Conceitos e características dos bancos de dados; processamento de transações; metadados e catálogo de dados; modelos de bancos de dados; arquitetura de três esquemas; independência de dados; modelo relacional; regras de Codd; álgebra relacional; formas normais e normalização.

2. SQL para análise de dados

Introdução ao SQL; DML com SELECT, DELETE, UPDATE e INSERT; funções de agregação e agrupamentos; joins e consultas aninhadas; comandos de definição de dados (DDL); criação e gerenciamento de tabelas, índices e visões; triggers, procedures e functions; controle de dados (DCL); transações com COMMIT, ROLLBACK e SAVEPOINT.

3. Inteligência de negócios e exploração de dados

Fundamentos de business intelligence; data warehouse, data marts e data lakes; processos de ETL e ELT; modelagem dimensional com tabelas fato e dimensão; OLAP e análise multidimensional; mineração de dados com classificação, regras de associação, clusterização e análise preditiva; aplicações de big data com Hadoop e Spark.

4. A inteligência artificial para apoio a tomada de decisão

Introdução à inteligência artificial; classificações da IA e aplicações práticas; agentes inteligentes; ética no uso da IA; ferramentas como ChatGPT, Copilot e Gemini; fundamentos de aprendizado de máquina, redes neurais, deep learning, árvores de decisão e SVM; processamento de linguagem natural e análise de sentimentos.

5. Linguagens de programação para análise de dados

Introdução às linguagens Python e R aplicadas à análise de dados; estruturas de dados, funções, classes e manipulação de arquivos; bibliotecas de análise estatística e exploração de dados; aplicações práticas para análise exploratória, manipulação e visualização de informações em contextos reais.

6. Fundamentos da pesquisa científica e ética acadêmica

Introdução à pesquisa científica; tipos de pesquisa; estruturação de projetos; técnicas de coleta, análise e interpretação de dados; normas técnicas nacionais e internacionais; ética acadêmica; integridade científica; plágio e originalidade; revisão por pares; seminários de pesquisa aplicada e responsabilidade na publicação de resultados.