Introdução à ética, Ética no Desenvolvimento de Sistemas com Inteligência Artificial e Ética no uso desses sistemas. Implicações éticas da coleta e uso de dados. Conceito de Justiça e Equidade Algorítmica, Transparência e Explicabilidade, Governança e Ética Institucional. Cases.

Princípios de segurança; Segurança em sistemas de IA; Segurança e privacidade em infraestrutura de Big Data e em Cloud Computing; Riscos, Ameaças e Vulnerabilidades comuns; Ataques a Modelos de ML, Conformidade com Regulamentações, Técnicas de Anonimização de Dados; Defesas e Mitigação de Riscos.

Dados e Metadados, Tipos de Dados. Fundamentos matemáticos para análise de dados, Análise Exploratória de Dados (EDA), Análise de Causalidade x Correlação, Visualização, Introdução à qualidade de dados, dimensões de qualidade, custos e consequências da má qualidade dos dados, métricas de qualidade, limpeza, detecção de outliers, dados ausentes e tratamento de dados.

Conceito, Breve histórico, Visão Geral da IA, Subáreas, Paradigmas de Aprendizado, Tarefas, Algoritmos e Arquiteturas de redes mais usadas, Desafios e limitações relacionadas ao desenvolvimento de modelos de IA: overfitting, underfitting, vieses e qualidade dos dados.

Conceito de LLM, Breve histórico, Funcionamento, Integração e Ferramentas (Fine Tuning, RAG, uso de API), Definição e tipos de prompt, elementos essenciais e boas práticas na construção de prompts, Aplicações, Desafios (alucinações, vieses, segurança) e mitigação de riscos.

Conceito. Ciclo de Vida de um Projeto. Tipos de Dados, Big Data: Coleta e Armazenamento, Pré-processamento e qualidade de dados,Análise Exploratória de Dados (EDA), Fundamentos de Probabilidade e Inferência e de ML, Desenvolvimento de Modelos de IA, Formas de Avaliação de Modelos, Visualização de Resultados (dashboards, ferramentas de BI, Storytelling com dados).

Conceito e Justificativa da Governança de Dados. Dado como ativo estratégico e risco. Governança de Dados x Gestão de Dados. Modelos Organizacionais. Papéis e Responsabilidades. Qualidade de Dados e Metadados. Dimensões de Qualidade e Métricas. Ferramentas e técnicas para descobir regras, anomalias, rastreabilidade; Conformidade legal, Segurança e Ética.

Lei Geral de Proteção de Dados no Brasil (LGPD), Diretrizes e Marcos Legais Brasileiros de IA, Regulação Global, Transparência e Explicabilidade Legal, Auditoria e Avaliação de Risco, Requisitos Legais de Segurança e Notificação de Incidentes, Responsabilidade Civil e Criminal.

Conceito de Prova Digital e suas peculiaridades epistemológicas e jurídicas. Análise dos tipos e fontes de prova digital (dados voláteis, metadata, logs, dados na nuvem, blockchain). Assessment de dados em macroinvestigações e macroprocessos (grandes volumes de dados - Big Data). Ferramentas especializadas de busca, coleta, preservação (chain of custody) e organização de dados relevantes (eDiscovery, Computer Forensics e e-Forensics). Inteligência Artificial (IA) e seu papel na análise preditiva, extração de conhecimento e no processo decisório (policial e judicial). Ferramentas disponíveis e em uso pelas autoridades (Polícia, MP e Judiciário) na persecução penal no Brasil. Paridade de armas no acesso e uso das ferramentas tecnológicas e periciais entre acusação e defesa. Rigidez dos prazos e procedimentos e as possíveis adaptações demandadas para assegurar a efetividade das garantias da ampla defesa, do contraditório e do devido processo penal na era digital.

Diferentes espécies de Inteligência Artificial (IA) com aplicação jurídica (preditiva, analítica, generativa e consultiva) e os seus potenciais impactos e limites na prática advocatícia. Uso estratégico de Tecnologias para a gestão de escritórios (Legal Operations), de documentos (Legal Design) e de rotinas automatizadas (workflows e bots). Pesquisa e análise jurisprudencial com apoio de IA (Legal Analytics). Aplicação de IA no suporte à Investigação privada, Due Diligence, organização de provas, arranjo de peças processuais e preparação de audiências e julgamentos orais (LegalTech). Escrevendo para a máquina: desafios de escrita e apresentação de ideias para o leitor não-humano e humano (Visual Law, Legal Design e Linguagem Simples). Deontologia profissional em tempos de IA: o dever de conduta ético-profissional, o sigilo profissional, a curadoria humana da IA (human in the loop) e a necessidade de demarcação dos limites da atuação advocatícia legítima (compliance e LGPD).

Cibercriminalidade: evolução histórica, conceito, características e categorias (crimes próprios, impróprios e mistos). Tratamento internacional da cibercriminalidade, com foco na Convenção de Budapeste e na cooperação jurídica internacional. Análise das condutas criminosas no ambiente virtual: hacktivismo, hackerismo, phishing, malware e engenharia social. Legislação penal e processual penal no Brasil sobre cibercrime (Lei nº 12.737/12 – Lei Carolina Dieckmann, Crimes de Invasão, Interceptação e Uso de Dados). Estudo da Cibercriminologia e dos perfis criminais na Internet (profiling criminal). Produção de provas em crimes digitais: desafios da jurisdição, coleta transfronteiriça e a cadeia de custódia da evidência. Algoritmos, Big Data e seletividade penal: a crítica à justiça preditiva e o risco de vieses. Tutela penal dos direitos autorais na era digital e as implicações da Inteligência Artificial (IA) na autoria, reprodução e responsabilidade penal por conteúdo gerado.