Mentoria - SEFAZ-MT - Tecnologia da Informação.

A única Mentoria focada 100% no Edital e na Prova de Tecnologia da Informação da SEFAZ-MT de 2025/2026 conforme edital 01 publicado pela FCC em 19/12/2025.

Estude e tenha acesso diretamente a mim, que teho mais de 15 anos de experiência em cursos preparatórios de Tecnologia da Informação para Concursos e atuo nas Carreiras Fiscais desde 2011, já tendo contabilizado centenas de aprovados nas Carreiras Fiscais desde o início da sua Carreira. 

Modalidade: Mentoria com Aulas ao vivo. 

Concurso: SEFAZ-MT (2025/2026)

Cargo: Fiscal de Tributos Estaduais

Banca: FCC

Disciplina: Tecnologia da Informação

Professores: Gabriel Pacheco.

Parcerias: Nesta Mentoria nós teremos as seguintes parcerias garantidas para os alunos efetivamente matriculados e somente para os alunos efetivamente matriculados:

• 30% de desconto na Mentoria de LTE - Legislação Tributária Estadual do Professor André Fantoni.
• 20% de desconto nas assinaturas dos Planos Avançado e Padrão do site www.tecconcursos.com.br (todo o procedimento de cadastro e registro será detalhado em vídeo específico, não precisa enviar e-mail ou mensagens no momento da sua matrícula para nossa central ou para o Tec Concursos, apenas seguir os passos que serão detalhados no respectivo vídeo).
  

O que iremos te oferecer nesta mentoria: 

• Os alunos matriculados terão acesso integral a todas as nossas aulas do Curso Regular de Tecnologia da Informação (com no mínimo 70 horas e que atualmente é exclusivo dos nossos assinantes da plataforma);
• Todas as nossas aulas ao vivo serão realizadas via plataforma zoom e ficarão gravadas para que o aluno possa assistir por até um ano, tendo tal prazo estendido caso a prova não seja realizada dentro do respectivo período.
• As aulas serão realizadas conforme cronograma previamente estabelecido para que os alunos possam estudar o respectivo conteúdo previamente e estejam na aula preparados para aproveitarem os encontros ao máximo.
• Nossa aulas ao vivo terão um cronograma préviamente estabelecido e acordado com os alunos para que tenham tempo de estudar e assistir às aulas do curso Regular e aproveitarem efetivamente as aulas ao vivo.
• Cadernos de questões mapeados no TecConcursos de acordo com o respectivo tópico que estivermos estudando para poder praticar em casa. 
• Teremos um grupo de estudos no Telegram exclusivo para que os alunos possam tirar suas dúvidas diretamente comigo.
• A mentoria estará organizada internamente em dois cursos distintos para que o aluno possa organizar efetivamente suas aulas:
  • Aulas do curso Regular.
  • Aulas ao vivo.
• Nossos Módulos estão estruturados de forma didática para melhor aproveitamente do conteúdo para o aluno, verifique abaixo exatamente o que iremos trabalhar dentro de cada um dos módulos dos dois cursos que compoem a nossa Mentoria.
• Teremos algumas aulas adicionais com professores convidados e referências em suas disciplinas no dedorrer da mentoria para complementar seu conhecimento.
• OBS.: Assista às aulas do curso de Aulas ao vivo antes de começar seus estudos, ela apresenta diversas informações úteis e necessárias para o seu aproveitamente na Mentoria.

--------------------------------

Cronograma das aulas ao vivo (poderá ser alterado mediante evolução da turma e das aulas).

• OFFLINE - Aula 00 - Aula Inaugural, Conceitos de Bancos de Dados.

• 21/12/2025 – 17h – Aula 01 - Estratégia de estudos pós-edital e Modelagem Relacional.

• 06/01/2026 – 19h – Aula 02 - Modelagem Relacional.

• 13/01/2026 – 19h - Aula 03 - SQL/Oracle.

• 17/01/2026 – 09h - Aula 04 - Businesse Intelligence.

• 27/01/2026 – 19h - Aula 05 - Big Data, Inteligência Artificial e Machine Learning.

• 05/02/2026 – 19h - Aula 06 - Métodos Ágeis/Arquitetura de Sistemas.

• 10/02/2026 – 19h - Aula 07 - Estatística aplicada à Análise de Dados (Professor Carlos Henrique).

• 13/02/2026 – 19h - Aula 08 - Python (Professor Julio Leitão).

• 14/02/2026 – 19h - Aula 09 - Conceitos de Segurança da Informação.

• 17/02/2026 – 19h - Aula 10 - Políticas de Segurança da Informação e LGPD.

• 19/02/2026 – 09h - Aula 11.

• A definir – Aula 12.

• Aula Bônus – Simulado comentado com questões inéditas.

---------------------------------

Módulos

Fundamentos de Dados e Banco De Dados – 

Modelagem de Dados e Estrutura de Dados Fiscais: Conceitos de dados: estruturados, semiestruturados (XML) e não estruturados. Modelagem Relacional: Entidades, Atributos, Relacionamentos, Chaves (primária, estrangeira), Normalização (até 3FN). Estrutura e principais campos do XML da Nota Fiscal Eletrônica (NF-e) e da Escrituração Fiscal Digital (EFD ICMS/IPI), com foco nos registros e blocos relevantes para a fiscalização. Banco de Dados Oracle e Linguagem SQL:Conceitos de Sistema de Gerenciamento de Banco de Dados (SGBD). Arquitetura básica do Oracle Database. 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

Ciência de Dados (Módulo Criado para melhor estruturar o conteúdo de Ciência de Dados)

Business Intelligence (BI) e Ferramentas de Visualização: Conceitos de BI e Data Discovery. Funcionalidades de ferramentas de mercado (Microsoft Power BI, Qlik). Criação e interpretação de dashboards e relatórios interativos. Modelagem Dimensional: Fatos, Dimensões, Métricas, Esquemas Star Schema (Estrela) e Snowflake Schema (Floco de Neve). Noções de Engenharia de Dados e Big Data: Conceitos de ETL e ELT, Data Pipelines.Fundamentos de Big Data (Volume, Velocidade, Variedade). Conceitos de Data Lake e Data Warehouse. Noções do ecossistema Hadoop (HDFS) e do Apache Spark

Estatística Aplicada e Inteligência Artificial para a Fiscalização

Estatística Aplicada à Análise de Dados: Estatística Descritiva: Medidas de tendência central e de dispersão. Probabilidade e Distribuições de Probabilidade (Normal, Binomial, Poisson). Inferência Estatística: Amostragem, intervalos de confiança. Testes de Hipóteses: Hipótese nula e alternativa, p-valor, erros tipo I e II. Correlação e Regressão Linear Simples e Múltipla. (Conteúdo deverá ser estudado pelo aluno na parte de Estatística do respectivo edital, trata-se de conteúdo coincidente específico de estatística). 

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 Classicação: Regressão Logística, Árvores de Decisão, Random Forest, Gradient Boosting (XGBoost). Algoritmos de Clusterização: K-Means. Técnicas de Detecção de Anomalias: Isolation Forest

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). 

Gestão de Tecnologia e Arquitetura de Sistemas

Gestão de Projetos com Métodos Ágeis: Diferenças entre modelos tradicionais e ágeis. Manifesto Ágil. Scrum: Papéis, eventos e artefatos. Kanban: Princípios e métricas de fluxo. Noções de Arquitetura de Sistemas: Arquitetura Monolítica vs. Microsserviços. APIs (Application Programming Interfaces) e Web services (REST, com uso de formatos como 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).

Concurseiro das Carreiras Fiscais que está estudando para a SEFAZ-MT no pós-edital e precisa aprender de forma integra e com o acompanhamento adequado o conteúdo de Tecnologia da Informação com quem realmente entende do assunto e sabe ensinar.