Grc Tech: Governança de Inteligência Artificial, Segurança e Compliance

• Plataformas e metodologias de auditoria e segurança;
• Análise de riscos; testes de invasão e ferramentas de segurança;
• Sistemas de detecção de intrusão e monitoramento contínuo;
• Configuração de firewall;
• Segurança em redes corporativas.

• Conceito e evolução do direito digital no ordenamento jurídico brasileiro.
• Interdisciplinaridade entre direito e tecnologia.
• Análise do impacto do Marco Civil da Internet no comércio eletrônico.
• Responsabilidade civil e o Código de Defesa do Consumidor aplicados ao e-commerce.
• Responsabilidade civil das redes sociais por conteúdo produzido por terceiros.
• Relação das ISO 27001, 27002 e 27701 com o ordenamento jurídico brasileiro.
• Relação entre segurança da informação e privacidade.
• Finalidade da Lei Geral de Proteção de Dados Pessoais.
• Diferença entre dados pessoais, dados sensíveis e dados anonimizados.
• Importância das bases legais para realizar a adequação com a Lei Geral de Proteção de dados pessoais.
• Figuras e responsabilidades dos agentes previstos na Lei Geral de Proteção de dados pessoais.
• Economia compartilhada e ecossistema de inovação.
• Conceito de Startup.
• Cenário da inovação no Brasil.
• Aspectos jurídicos das startups.
• Aplicação da LGPD no uso de inteligência artificial.

IA e Transformação Digital; Identificação de Oportunidades para IA; Desenvolvimento de Estratégias de IA; Ferramentas e Plataformas de IA; Estudos de Caso: Sucesso e Falhas na Adoção de IA; Integração de IA na Cultura Organizacional; Desafios de Adoção e Escalabilidade;

• Fundamentos científicos da felicidade no ambiente de trabalho, com base na neurociência, psicologia positiva e economia do bem-estar.
• Relações entre engajamento, clima organizacional e alta performance.
• Estratégias para o desenvolvimento de resiliência, inteligência emocional e adaptabilidade em contextos corporativos.
• Mindfulness aplicado ao bem-estar no trabalho: benefícios, mitos e equívocos.
• Construção de culturas organizacionais voltadas à felicidade como diferencial competitivo e fator de retenção de talentos.
• Abordagem preventiva do estresse e burnout em cenários de transformação digital e alta performance.

• Princípios, estruturas e práticas para o controle, monitoramento e responsabilização de sistemas algorítmicos no contexto organizacional.
• Ciclo de vida dos algoritmos, desde o desenvolvimento até a implementação e supervisão contínua, com foco na mitigação de riscos, vieses e impactos regulatórios.
• Transparência, explicabilidade, accountability e auditoria algorítmica, bem como conformidade com a LGPD e demais normas aplicáveis.
• Frameworks de governança, políticas internas, avaliação de impacto e mecanismos de supervisão humana para implementar modelos de governança que assegurem o uso ético, seguro e responsável de sistemas automatizados, alinhados aos princípios de GRC.
• Accountability algorítmica.
• Auditoria de algoritmos.
• Rastreabilidade de decisões automatizadas.
• Governança do ciclo de vida dos modelos.
• Políticas corporativas de IA.
• Gestão ética de sistemas inteligentes.

• Princípios em criptografia, segurança de comunicação e da informação;
• Teoria dos Números e criptografia simétrica e assimétrica;
• Resumos criptográficos (funções hashing);
• Autenticação de mensagens;
• Assinaturas digitais;
• Cifradores de fluxo e de bloco;
• O DES (Data Encryption Standard);
• O AES (Advanced Encryption Standard);
• O criptosistema RSA;
• Criptosistema de curvas elípticas;
• Esquemas de estabelecimento de chaves;
• Protocolos criptográficos;
• Protocolos seguros de comunicação;
• Criptografia quântica;
• Análise de Riscos;
• Leis, normas e padrões de segurança da informação;
• Auditoria de sistemas;
• Autenticação e controle de acesso;
• Aspectos tecnológicos da segurança da informação;
• Plano de continuidade do negócio;
• Boas práticas em segurança da informação

• Definição e histórico.
• Mineração de dados.
• Evolução no tratamento dos diferentes modelos de bancos de dados.
• Big Data: definição, características e gerenciamento.
• Do processo de coleta ao processamento e a geração de conhecimento e sabedoria.
• Novos tipos de dados em Big Data: semi e não estruturados. Tratamento e gerenciamento.
• Tecnologias Fundamentais para Big Data: Infra-estrutura e interfaces.
• Desafios estruturais.
• Fundamentos do Ecossistema Hadoop (Map Reduce, Data Lake, HDFS).
• Big Data Analitycs.
• Computação em nuvem.
• Computação distribuída.
• Internet das Coisas.
• Bancos SQL e NoSQL.
• Soluções em Big Data / Consumo.
• Estudos de Caso. Tendências.
• Cientista de dados: perfil do novo profissional de dados.
• Mercado atual e tendências.

• Princípios, estruturas e práticas de governança aplicadas a dados e sistemas de inteligência artificial.
• Aspectos éticos relacionados à transparência, explicabilidade, privacidade, responsabilidade e mitigação de vieses algorítmicos.
• Marcos regulatórios e requisitos de conformidade para proteção de dados e uso responsável da IA.
• Gestão de riscos, segurança da informação e accountability em ambientes orientados por dados.
• Avaliação dos impactos organizacionais, sociais e econômicos da inteligência artificial.
• Aplicação de frameworks, boas práticas e mecanismos de monitoramento e auditoria de sistemas inteligentes.

• Fundamentos, aplicações e limitações da IA generativa no contexto organizacional.
• Utilização de modelos generativos para apoio à tomada de decisão, análise de cenários, planejamento e resolução de problemas.
• Engenharia de prompts e interação estratégica com agentes inteligentes.
• Aplicações em gestão, inovação, produtividade, comunicação e inteligência de negócios.
• Avaliação crítica de resultados, riscos e impactos organizacionais do uso da IA generativa.
• Desenvolvimento de fluxos de trabalho e processos orientados por IA para geração de valor e vantagem competitiva.