"IA sem Riscos: Governança, LGPD e Como Evitar Vieses em Projetos Reais (96h)", com foco em mitigação de riscos, compliance e ética aplicada para líderes corporativos:

Módulo 0: Introdução aos Riscos da IA (8h)

Objetivo: Alertar sobre falhas catastróficas e criar senso de urgência.

• Aula 0.1: "Quando a IA dá errado: Cases de vazamentos, discriminação e prejuízos milionários" (4h)
  Exemplo: Viés racial em algoritmos de RH (case Amazon).

• Aula 0.2: "Os 5 Pilares da IA Responsável: Transparência, Justiça, Privacidade, Segurança e Accountability" (4h)

Módulo 1: Governança de IA na Prática (24h)

Objetivo: Estruturar processos para decisões seguras.

• Aula 1.1: "Como criar um Comitê de Ética de IA na sua empresa" (6h)
  Template: Matriz de responsabilidades (CEO, DPO, TI).

• Aula 1.2: "Frameworks de Governança: ISO 42001, NIST AI RMF e EU AI Act" (6h)

• Workshop 1.3: "Checklist de Due Diligence para fornecedores de IA" (6h)
  Cobertura: Auditoria de datasets, certificações e histórico de vieses.

• Painel 1.4: "Juristas vs. CTOs: Como equilibrar inovação e compliance" (6h)

Módulo 2: LGPD e IA – Como Não Multar sua Empresa (20h)

Objetivo: Adequar projetos à lei brasileira e evitar sanções.

• Aula 2.1: "Tratamento de dados pessoais em ML: O que a ANPD fiscaliza?" (6h)
  Caso: Uso de dados de saúde em treinamento de modelos.

• Aula 2.2: "DPIA (Data Protection Impact Assessment) para projetos de IA" (6h)
  Exercício: Avaliação de risco em um sistema de crédito com IA.

• Workshop 2.3: "Documentação obrigatória: Relatório de Impacto e Termos de Uso" (8h)

Módulo 3: Detecção e Correção de Vieses (24h)

Objetivo: Identificar e corrigir discriminação em algoritmos.

• Aula 3.1: "Testes de Justiça Algorithmica: Métricas estatísticas (Paridade, Equalized Odds)" (6h)

• Workshop 3.2: "Ferramentas práticas: IBM Fairness 360, Google What-If Tool" (6h)

• Case 3.3: "Como o Itaú corrigiu viés de gênero em aprovação de empréstimos" (6h)

• Exercício 3.4: "Revisão crítica de um dataset real (ex. recrutamento)" (6h)

Módulo 4: Segurança e Monitoramento Contínuo (12h)

Objetivo: Prevenir ataques e garantir rastreabilidade.

• Aula 4.1: "Adversarial Attacks – Como hackers enganam sistemas de IA" (4h)
  Demo: Perturbação de imagens para fraudar reconhecimento facial.

• Aula 4.2: "MLOps com Compliance: Logging de decisões automáticas para auditoria" (4h)

• Workshop 4.3: "Planos de contingência para recalls de modelos" (4h)

Módulo 5: Projeto Final – Plano de Governança (8h)

Objetivo: Aplicar conhecimento em um caso real.

• Entrega:

  • Política interna de uso de IA (com aprovação do jurídico).

  • Análise de viés em um modelo escolhido pelo aluno.

  • Simulação de notificação à ANPD em caso de incidente.