Curso de Contabilidade e Inteligência Artificial

Aula 1 • O Papel em Evolução dos Contadores

Examina como a automação remodela as tarefas contábeis e as responsabilidades profissionais. Define as expectativas para o desenvolvimento de competências ao longo do curso.

Aula 2 • Dados como Fundamento da IA

Explica por que a qualidade e a estrutura dos dados determinam a confiabilidade da saída da IA na contabilidade. Conecta a governança de dados à elaboração de relatórios financeiros precisos.

Aula 3 • Revisão dos Princípios Fundamentais de Contabilidade

Aborda a equação contábil, a escrituração pelo método das partidas dobradas e a estrutura das demonstrações financeiras. Fundamenta as discussões sobre IA em conceitos contábeis precisos.

Aula 1 • Métodos de Coleta de Dados Financeiros

Aborda lançamento manual, exportações de ERP, APIs e web scraping para dados financeiros. Estabelece pipelines de dados confiáveis como pré-requisito para entradas de modelos de IA.

Aula 2 • Transformação de Dados e Engenharia de Atributos

Converte valores contábeis brutos em atributos que os modelos de IA podem interpretar de forma eficaz. Faz a ponte entre dados brutos do razão e matrizes de entrada prontas para modelagem.

Aula 3 • Privacidade e Conformidade de Dados em Finanças

Aborda regulamentações de privacidade, anonimização de dados e controles de acesso para registros financeiros. Garante que projetos de IA cumpram as obrigações de proteção de dados.

Aula 4 • Fundamentos de Banco de Dados e Armazenamento

Apresenta bancos de dados relacionais, data warehouses e armazenamento em nuvem para dados contábeis. Garante que os alunos possam organizar e recuperar dados de forma eficiente para fluxos de trabalho de IA.

Aula 1 • Sobreajuste, Subajuste e Regularização

Explica o dilema viés-variância e métodos de regularização para construir modelos financeiros robustos. Previne previsões não confiáveis em sistemas contábeis de produção.

Aula 2 • Avaliação e Seleção de Modelos

Ensina métricas de acurácia, precisão, recall e AUC para avaliar o desempenho do modelo. Permite que contadores escolham modelos que atendam aos padrões de precisão financeira.

Aula 3 • Aprendizado Supervisionado em Contabilidade

Aborda algoritmos de regressão e classificação usando conjuntos de dados financeiros rotulados. Permite diretamente a previsão de despesas e a projeção de receitas em capítulos posteriores.

Aula 4 • Ferramentas Práticas de ML para Contadores

Apresenta bibliotecas Python e plataformas no-code para construir modelos de ML contábeis. Reduz a barreira técnica para contadores que ingressam em fluxos de trabalho orientados por IA.

Aula 1 • Fundamentos de Análise de Séries Temporais

Aborda estacionariedade, autocorrelação e decomposição de dados financeiros de séries temporais. Fornece a base estatística para todos os modelos de previsão neste capítulo.

Aula 2 • Aprendizado Profundo para Previsão Financeira

Apresenta modelos baseados em LSTM e transformadores para capturar padrões financeiros complexos. Estende a capacidade de previsão além dos métodos estatísticos clássicos.

Aula 3 • Previsão de Fluxo de Caixa e Orçamento

Aplica modelos de previsão especificamente a projeções de fluxo de caixa e análise de variação orçamentária. Conecta as saídas do modelo diretamente a decisões acionáveis de planejamento financeiro.

Aula 4 • Modelos Clássicos de Previsão

Aplica ARIMA e suavização exponencial a tarefas de previsão de receitas e despesas. Estabelece uma linha de base de desempenho antes de introduzir alternativas de aprendizado profundo.

Aula 1 • Detecção de Anomalias com Aprendizado de Máquina

Aplica isolation forests, autoencoders e one-class SVM a dados de transações. Permite a detecção de novos padrões de fraude não capturados por sistemas baseados em regras.

Aula 2 • Métodos Estatísticos de Detecção de Anomalias

Aborda pontuação Z, IQR e Lei de Benford para detectar lançamentos financeiros incomuns. Constrói o conjunto de ferramentas estatísticas usado antes da introdução da detecção baseada em ML.

Aula 3 • Detecção de Fraude em Transações Financeiras

Constrói classificadores de fraude supervisionados usando conjuntos de dados de transações rotulados com casos de fraude conhecidos. Diretamente aplicável à revisão de contas a pagar e relatórios de despesas.

Aula 4 • Pipelines de Auditoria Contínua

Projeta pipelines automatizados que monitoram transações em tempo real e geram alertas de auditoria. Altera a prática de auditoria de revisão periódica para garantia contínua.

Aula 1 • Processamento Automatizado de Documentos Financeiros

Usa PLN para extrair dados de faturas, contratos e demonstrações financeiras automaticamente. Reduz o lançamento manual de dados e acelera o ciclo de contas a pagar.

Aula 2 • Análise de Texto Regulatório e Conformidade

Usa PLN para monitorar atualizações regulatórias e mapear requisitos para controles internos. Automatiza a análise de lacunas de conformidade em grandes volumes de texto regulatório.

Aula 3 • Análise de Sentimento para Inteligência Financeira

Aplica modelos de sentimento a teleconferências de resultados, relatórios de analistas e notícias para sinais de mercado. Conecta o sentimento textual a modelos quantitativos de previsão financeira.

Aula 4 • Fundamentos de PLN para Finanças

Apresenta tokenização, stemming e reconhecimento de entidades nomeadas em textos financeiros. Fornece a base de PLN necessária para todas as tarefas de automação de documentos a seguir.

Aula 1 • Sistemas de Suporte à Decisão em Finanças

Integra modelos de IA em sistemas de suporte à decisão para alocação de capital e precificação. Conecta saídas preditivas a estruturas de decisão estruturadas usadas por executivos.

Aula 2 • Padrões de Relatórios e Divulgação de IA

Aborda como o uso de IA na elaboração de relatórios financeiros deve ser divulgado sob os padrões atuais. Prepara contadores para documentar métodos de IA para auditores e reguladores.

Aula 3 • Relatórios Gerenciais Impulsionados por IA

Constrói relatórios gerenciais dinâmicos que são atualizados automaticamente à medida que novos dados financeiros chegam. Muda a elaboração de relatórios de instantâneos estáticos para inteligência continuamente atualizada.

Aula 4 • Visualização de Dados para Saídas de IA Financeira

Projeta gráficos, mapas de calor e dashboards interativos para comunicar insights gerados por IA. Garante que os tomadores de decisão possam interpretar e agir com base em saídas complexas do modelo.

Aula 1 • Construção de uma Estrutura de Governança de IA

Orienta a construção de políticas, papéis e processos de revisão para a supervisão de IA contábil. Produz uma estrutura de governança que os alunos podem adaptar às suas organizações.

Aula 2 • Gerenciamento de Riscos de IA em Contabilidade

Identifica risco de modelo, risco de dados e risco operacional específicos para implantações de IA contábil. Permite que contadores construam registros de riscos e planos de mitigação para projetos de IA.

Aula 3 • Princípios Éticos para IA em Finanças

Aborda justiça, transparência, accountability e privacidade aplicados a sistemas financeiros de IA. Estabelece a base ética para todas as estruturas de governança neste capítulo.

Aula 4 • Conformidade Regulatória para IA Contábil

Mapeia requisitos de governança de IA de reguladores financeiros e autoridades de proteção de dados. Garante que as implantações de IA cumpram as obrigações de auditoria, relatórios e manuseio de dados.