SEFAZ MT - Secretaria de Estado de Fazenda de Mato Grosso - Fiscal de Tributos Estaduais (Pós-Edital)

Proposta

A fim de preparar os candidatos para concursos públicos para o cargo de Fiscal de Tributos Estaduais, o Gran Concursos escalou a equipe de professores mais experiente e renomada em preparatórios para essa área.

No curso SEFAZ MT - Secretaria de Estado de Fazenda de Mato Grosso - Fiscal de Tributos Estaduais, além das nossas já tradicionais videoaulas, com a mais alta qualidade audiovisual do mercado, você contará também com materiais de apoio em PDF das aulas ministradas pelos professores. Dessa forma, fica claro que este é um produto idealizado para concretizar o sonho de muitos profissionais da área Fiscal de ingressarem em uma carreira tão respeitada e cobiçada.

Quanto ao corpo docente, é importante ressaltar que a grande maioria dos professores que compõem o curso, além de especialistas, mestres e doutores com vasta experiência em suas áreas de conhecimento, ocupam cargos importantes nas carreiras Fiscais.

Dessa forma, o alinhamento e o compromisso com o que há de mais técnico e fundamental para seus estudos estarão sempre à sua disposição no curso que agora oferecemos.

✅Assinatura Ilimitada: Garanta acesso a todas as inovações lançadas na Reinvenção 2025 para a Assinatura X, além dos diferenciais de estudar com os recursos do Gran.
✅Questões: Pratique com situações reais de provas. Meça seu desempenho em cada simulado e revise as respostas com videoaulas elaboradas por professores.
✅Estudo com Tecnologia: Audiobooks e gerenciador de estudos.
✅Tutor 24 horas: Permite obter respostas instantâneas enquanto estuda na plataforma do Gran. Surgiu uma dúvida? Basta clicar no botão “Pergunte ao Tutor 24 horas”!
✅Cronograma de Estudos Moderno: Integra videoaulas e PDFs no mesmo cronograma (*exclusivo na Assinatura Ilimitada X).
✅MAIA: A Inteligência Artificial do Gran (*exclusivo na Assinatura Ilimitada X).
✅Garantia de Atualização Pós-Edital e Fórum de Dúvidas: Atualização das matérias e fórum para tirar dúvidas com toda a nossa equipe.

Mais detalhes

1. Curso baseado no Edital nº 001/2025.
2. Serão abordados os tópicos mais relevantes de cada disciplina (não necessariamente todos), conforme critério dos respectivos professores.
3. As videoaulas ainda não disponibilizadas serão acrescidas de forma gradual, conforme o cronograma de gravação dos professores. Periodicamente, divulgaremos o cronograma com os novos vídeos a serem disponibilizados.
4. A coordenação pedagógica, juntamente com toda a equipe de professores, está trabalhando com total dedicação para uma preparação verdadeiramente completa e eficaz.
5. Não serão ministrados os seguintes tópicos do edital: Tecnologia da Informação: 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. Funções Analíticas (Window Functions): OVER(), PARTITION BY, ROW_NUMBER, RANK, DENSE_RANK, LEAD, LAG.
6. Informamos que, para facilitar a compreensão e a absorção dos conteúdos previstos no edital, as videoaulas de determinadas disciplinas foram organizadas com base na lógica didática proposta pelo(a) docente responsável, e não de acordo com a ordem dos tópicos do conteúdo programático do certame.

O rol de professores poderá sofrer acréscimos ou substituições por motivos de força maior, ficando a cargo do Gran Concursos realizar as modificações necessárias.

Aulas em PDF
1. O curso conta com PDFs autossuficientes, ideais para quem busca objetividade e alto rendimento:
2. Conteúdo produzido por mestres especializados, com leitura estratégica e linguagem clara.
3. Material prático que acelera a aprendizagem e facilita revisões.
4. Exercícios comentados, focados no padrão da banca.
5. Não serão ministrados em PDF: Raciocínio Lógico:  raciocínio matemático abordado em matematica fianceira. Estatística: Modelagem estatística e aprendizado de máquina: visualização e comunicação de resultados; aprendizado supervisionado e não supervisionado; processos de treinamento, validação e teste; modelos supervisionados (regressão linear, regressão logística, árvores de decisão, Random Forest, k-vizinhos mais próximos (k-NN), máquinas de vetor de suporte (SVM); modelos não supervisionados (k-means, agrupamento hierárquico, análise de componentes principais (PCA), componentes independentes (ICA), regras de associação); overfitting, underfitting, regularização (Ridge, Lasso), seleção de variáveis e redução de dimensionalidade; identificação de padrões, tendências e anomalias. Noções de Direito Constitucional: Constituição do Estado do Mato Grosso. Tecnologia da Informação: Fundamentos de Dados e Banco De Dados - Modelagem de Dados e Estrutura de Dados Fiscais:Conceitos de dados: estruturados, semiestruturados (XML) e não estruturados. Banco de Dados Oracle 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. Expressões de Tabela Comuns (Common Table Expressions - CTEs). Funções Analíticas (Window Functions): OVER(), PARTITION BY, ROW_NUMBER, RANK, DENSE_RANK, LEAD, LAG. Análise e Engenharia de Dados com Python 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. 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 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).Business Intelligence (BI)"; "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. 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