|
|
Atividade
| 133549 - Módulo II - A Confluência entre Direito e Tecnologia: desafios e perspectivas relacionadas à transdisciplinariedade |
| Período da turma: | 12/03/2026 a 13/08/2026
|
||||
|
|
|||||
| Descrição: | Hardware e Software: conceitos, tecnologias e modelos de negócios
Ementa: Esta disciplina proporciona uma visão abrangente dos principais conceitos, tecnologias e modelos de negócio relacionados a hardware e software, preparando os alunos para entender e explorar as oportunidades e os desafios do mercado de tecnologia. Conteúdo Programático: 1. Introdução aos Conceitos Básicos de Hardware e Software: Definição de hardware e software; Componentes básicos de um sistema computacional; Evolução histórica e tendências atuais em hardware e software. 2. Arquiteturas de Computadores: Arquiteturas de processadores e memória; Estrutura e funcionamento de dispositivos de armazenamento; Redes de computadores e comunicação de dados. 3. Sistemas Operacionais: Conceitos básicos de sistemas operacionais; Tipos de sistemas operacionais e suas características; Gerenciamento de recursos e processos. 4. Desenvolvimento de Software: Ciclo de vida de desenvolvimento de software; Metodologias de desenvolvimento de software: waterfall, Agile, DevOps, entre outras; Linguagens de programação e ambientes de desenvolvimento. 5. Tecnologias Emergentes: Internet das Coisas (IoT); Computação em Nuvem; Blockchain; Aprendizado de Máquina e Inteligência Artificial. 6. Modelos de Negócio em Tecnologia: Tipos de modelos de negócio em tecnologia; Estratégias de monetização de produtos e serviços de tecnologia; Modelos de licenciamento de software: open source, freemium, software como serviço (SaaS), entre outros; Estudos de caso de empresas de tecnologia e inovação. 7. Estudo de Caso (obrigatório) Estudo de Caso - Obrigatório a ser discutido nesta aula: Caso Prático: "TechShield Solutions – Compliance e Responsabilidade no Mercado de Tecnologia" Cenário do Caso: A empresa fictícia TechShield Solutions, especializada em segurança cibernética, está desenvolvendo um novo produto: um dispositivo de firewall inteligente com software embarcado baseado em IA para proteção contra ataques cibernéticos em pequenas e médias empresas. A equipe jurídica precisa trabalhar em conjunto com os engenheiros de software e hardware para garantir que o produto esteja em conformidade com normas de segurança, privacidade e responsabilidade. Bibliografia Básica: CLARK, Tim; HAZEN, Bruce. Business models for teams: see how your organization really works and how each person fits in. Penguin, 2017. KAMPAKIS, Stylianos (Stelios). Business Models in Emerging Technologies: Data Science, AI, and Blockchain. Business Expert Press, 2022. ISBN 978-1637423134. AMIT, Raphael; ZOTT, Christoph. Business model innovation strategy: Transformational concepts and tools for entrepreneurial leaders. John Wiley & Sons, 2020. Bibliografia Complementar: ANCILLAI, Chiara et al. Digital technology and business model innovation: A systematic literature review and future research agenda. Technological Forecasting and Social Change, v. 188, p. 122307, 2023. BOUNCKEN, Ricarda B.; KRAUS, Sascha; ROIG-TIERNO, Norat. Knowledge-and innovation-based business models for future growth: Digitalized business models and portfolio considerations. Review of Managerial Science, v. 15, n. 1, p. 1-14, 2021. Programação e Direito Ementa: Esta ementa proporciona uma visão abrangente dos principais conceitos, tecnologias, procedimentos e algoritmos que ligam a programação de computadores ao exercício do Direito. Este curso capacita os estudantes a serem agentes informados para diálogos sobre a tecnologia envolvida em sistemas computacionais. Além disso, prepara os estudantes para formular argumentos legais e opiniões informadas sobre tecnologia. Ao longo do caminho, ele equipa os alunos com experiência prática em Python e ferramentas auxiliares, por meio das quais eles poderão extrair dados para encontrar respostas por si mesmos. Este curso proporcionará aos profissionais da área de Direito os conhecimentos básicos em programação necessários para automatizar tarefas, analisar dados jurídicos e desenvolver aplicações web simples para auxiliar em suas atividades profissionais. Conteúdo Programático: 1. Introdução à Programação: Conceitos básicos de programação; Importância da programação na área de Direito; Visão geral das linguagens de programação relevantes para profissionais de Direito. 2. Fundamentos de Python: Introdução à linguagem Python; Sintaxe básica e estruturas de controle de fluxo; Manipulação de dados e texto em Python. 3. Automação de Tarefas: Utilização de scripts para automação de tarefas rotineiras; Automatização de processos de análise e organização de documentos legais. 4. Análise de Dados Jurídicos: Introdução à análise de dados jurídicos; Utilização de bibliotecas Python para análise de texto e dados jurídicos; Extração de insights e padrões a partir de dados legais. 5. Introdução à Inteligência Artificial no Direito: Conceitos básicos de Inteligência Artificial (IA); Aplicações de IA no campo jurídico, como sistemas de recomendação, análise de contratos e pesquisa jurídica; Exploração de ferramentas e técnicas de IA para auxiliar em processos legais. 6. Ética e Segurança na Programação para Profissionais de Direito: Considerações éticas no uso da programação na área jurídica; Proteção de dados sensíveis e confidenciais; Boas práticas de segurança cibernética. Estudo de Caso - Obrigatório a ser discutido nesta aula: Caso Prático: "LegalBot – Automatizando Processos Jurídicos com Python" Cenário do Caso: Um grande escritório de advocacia fictício, o "LexData Partners", está buscando otimizar suas operações através do uso de tecnologia. Atualmente, os advogados gastam muito tempo organizando documentos, realizando pesquisas jurisprudenciais e analisando contratos. A proposta da equipe de TI do escritório é implementar automações em Python para otimizar essas tarefas, mas os advogados precisam entender os fundamentos e colaborar ativamente para garantir que a solução atenda aos requisitos legais. Bibliografia Básica: ASHLEY, Kevin D. Artificial intelligence and legal analytics: new tools for law practice in the digital age. Cambridge University Press, 2017. Legal Tech: A Practitioner’s Guide, Markus Hartung (Editor), Micha-Manuel Bues (Editor), Gernot Halbleib (Editor) MCKINNEY, Wes. Python for data analysis. " O'Reilly Media, Inc.", 2022. Bibliografia Complementar: Textos da coluna Migalhas de IA e Proteção de Dados (https://www.migalhas.com.br/coluna/migalhas-de-protecao-de-dados) An End-to-End Pipeline from Law Text to Logical FormulasAuthorsAarne Ranta, Inari Listenmaa, Jerrold Soh, Meng Weng Wong. DOI 10.3233/FAIA220473, Frontiers in Artificial Intelligence and Applications Law Isn’t Code – And That’s A Good Thing. https://www.artificiallawyer.com/2021/09/27/law-isnt-code-and-thats-a-good-thing/ Introdução à Ciência de Dados Ementa: Definição de Ciência de Dados. Manipulação de Dados. Visualização de Dados. Análise Exploratória de Dados. Aplicações Práticas em Ciência de Dados. Esta disciplina tem como objetivo introduzir os conceitos fundamentais da Ciência de Dados, fornecendo uma visão geral das técnicas, ferramentas e aplicações dessa área. Ao final do curso, espera-se que os alunos compreendam os princípios básicos da Ciência de Dados e sejam capazes de analisar e interpretar grandes volumes de dados em problemas do mundo real. Conteúdo Programático: 1. Introdução à Ciência de Dados: Definição de Ciência de Dados; Importância e aplicações da Ciência de Dados; Processo de análise de dados: coleta, preparação, análise e interpretação. 2. Manipulação de Dados: Ferramentas e linguagens para manipulação de dados; Limpeza e pré-processamento de dados; Transformação e manipulação de formatos de dados. 3. Visualização de Dados: Princípios de visualização de dados; Tipos de gráficos e suas aplicações; Ferramentas e bibliotecas para visualização de dados. 4. Análise Exploratória de Dados: Estatísticas descritivas; Exploração de distribuições e relações entre variáveis; Identificação de padrões e tendências nos dados; Avaliação de modelos e seleção de características. 6. Aplicações Práticas em Ciência de Dado. Estudos de caso e exemplos práticos de aplicações de ciência de dados. Estudo de Caso - Obrigatório a ser discutido nesta aula: Caso Prático: "Legal Insights – Aplicação de Ciência de Dados para Eficiência Jurídica" Cenário do Caso: A empresa fictícia "Legal Insights Consulting" foi contratada por um grande escritório de advocacia para implementar uma estratégia baseada em ciência de dados, com o objetivo de melhorar a análise de litígios e a gestão de riscos legais. O escritório possui um vasto histórico de processos e deseja identificar padrões que possam auxiliar na tomada de decisões e no desenvolvimento de estratégias jurídicas mais eficazes. Bibliografia Básica: LOVELL, Michael C. Data mining. In: The Review of Economics and Statistics, vol. 65, n. 01, fevereiro de 1983. CARVALHO, Andre et.al. Ciência de Dados - Fundamentos e Aplicações. LTC, 2024. MORETTIN, Pedro A.; SINGER, Julio M. IEstatística e Ciência de Dados: Fundamentos e Aplicações. Grupo GEN, 2022. Bibliografia Complementar: CAO, Longbing (29 June 2017). "Data Science: A Comprehensive Overview". ACM Computing Surveys. 50 (3): 43:1–43:42. arXiv:2007.03606. doi:10.1145/3076253. ISSN 0360-0300. S2CID 207595944. PRESS, Gil. "A Very Short History of Data Science". Forbes. "What's the Difference Between Data Science and Statistics?". Priceonomics. 13 October 2015. https://priceonomics.com/whats-the-difference-between-data-science-and/ Gestão de Segurança da Informação: prevenção, contenção e continuidade Ementa: Estudo sobre as melhores práticas e normas nacionais e internacionais para a gestão de segurança da informação com foco na prevenção de riscos, na contenção de ameaças e na manutenção da continuidade dos negócios. Serão analisadas, principalmente, as normas ISO 27001, ISO 27002 e ISO 27005, essenciais para a implementação, a operação, o monitoramento, a revisão, a manutenção e a melhoria de um sistema de gestão de segurança da informação (SGSI). Conteúdo Programático: 1. Introdução ao SGSI conforme a norma ISO 27001. 2. Implementação de Controles de Segurança com base na ISO 27002. 3. Avaliação e Tratamento de Riscos segundo a ISO 27005. 4. Planos de Resposta a Incidentes e Recuperação de Desastres. 5. Revisão e Melhoria Contínua do SGSI. Estudo de Caso - Obrigatório a ser discutido nesta aula: Caso Prático: "DataShield Corp – Implementação e Governança de Segurança da Informação" Cenário do Caso: A empresa fictícia "DataShield Corp", uma consultoria jurídica digital especializada na proteção de dados e compliance regulatório, enfrenta um desafio crescente: garantir a segurança das informações sensíveis de seus clientes, que incluem grandes escritórios de advocacia e departamentos jurídicos corporativos. A empresa busca implementar um Sistema de Gestão de Segurança da Informação (SGSI) conforme as normas ISO 27001, ISO 27002 e ISO 27005, garantindo conformidade com requisitos regulatórios, como a LGPD e o GDPR. Bibliografia Básica: Normas ISO 27001, 27002 e 27005. Mera-Amores, F., Roa, H.N. (2024). Enhancing Information Security Management in Small and Medium Enterprises (SMEs) Through ISO 27001 Compliance. In: Arai, K. (eds) Advances in Information and Communication. FICC 2024. Lecture Notes in Networks and Systems, vol 920. Springer, Cham. https://doi.org/10.1007/978-3-031-53963-3_14. Diamantopoulou, V., Tsohou, A., Karyda, M. (2020). From ISO/IEC 27002:2013 Information Security Controls to Personal Data Protection Controls: Guidelines for GDPR Compliance. In: Katsikas, S., et al. Computer Security. CyberICPS SECPRE SPOSE ADIoT 2019 2019 2019 2019. Lecture Notes in Computer Science(), vol 11980. Springer, Cham. https://doi.org/10.1007/978-3-030-42048-2_16. M. Fahrurozi, S. A. Tarigan, M. Alam Tanjung and K. Mutijarsa, "The Use of ISO/IEC 27005: 2018 for Strengthening Information Security Management (A Case Study at Data and Information Center of Ministry of Defence)," 2020 12th International Conference on Information Technology and Electrical Engineering (ICITEE), Yogyakarta, Indonesia, 2020, pp. 86-91, doi: 10.1109/ICITEE49829.2020.9271748. Bibliografia Complementar: Alrehili, A.A., Alhazmi, O.H. (2024). ISO/IEC 27001 Standard: Analytical and Comparative Overview. In: Das, S., Saha, S., Coello Coello, C.A., Bansal, J.C. (eds) Advances in Data-Driven Computing and Intelligent Systems. ADCIS 2023. Lecture Notes in Networks and Systems, vol 891. Springer, Singapore. https://doi.org/10.1007/978-981-99-9524-0_12. Fal’, O.M. Documentation in the ISO/IEC 27701 Standard. Cybern Syst Anal 57, 796–802 (2021). https://doi.org/10.1007/s10559-021-00404-3. Aquino Cruz, M., Huallpa Laguna, J.N., Huillcen Baca, H.A., Carpio Vargas, E.E., Palomino Valdivia, F.d.L. (2021). Implementation of an Information Security Management System Based on the ISO/IEC 27001: 2013 Standard for the Information Technology Division. In: Botto-Tobar, M., S. Gómez, O., Rosero Miranda, R., Díaz Cadena, A. (eds) Advances in Emerging Trends and Technologies. ICAETT 2020. Advances in Intelligent Systems and Computing, vol 1302. Springer, Cham. https://doi.org/10.1007/978-3-030-63665-4_21. Tariq, M.I. et al. (2022). Evaluation and Prioritization of Information Security Controls of ISO/IEC 27002:2013 for SMEs Through Fuzzy TOPSIS. In: Pan, JS., Balas, V.E., Chen, CM. (eds) Advances in Intelligent Data Analysis and Applications. Smart Innovation, Systems and Technologies, vol 253. Springer, Singapore. https://doi.org/10.1007/978-981-16-5036-9_27. Introdução ao Aprendizado de Máquina e Inteligência Artificial Ementa: Introdução à Inteligência Artificial. Fundamentos de Aprendizado de Máquina. Pré-processamento e normalização de Dados. Aprendizado Supervisionado. Aprendizado Não Supervisionado. Introdução às Redes Neurais Artificiais. Aplicações e Casos de Uso. Esta disciplina visa a proporcionar uma visão abrangente dos principais conceitos e técnicas em Aprendizado de Máquina e Inteligência Artificial, preparando os alunos para compreender e aplicar esses conhecimentos em diferentes contextos e problemas do mundo real. Conteúdo Programático: 1. Introdução à Inteligência Artificial: Definição de IA; História e evolução; Aplicações e impactos sociais; Perspectivas éticas e sociais da IA. 2. Fundamentos de Aprendizado de Máquina: Conceitos básicos; Tipos de aprendizado: supervisionado, não supervisionado e por reforço; Avaliação de modelos. 3. Pré-processamento de Dados: Limpeza de dados; Normalização e padronização; Seleção e extração de características. 4. Aprendizado Supervisionado: Regressão linear e logística; Classificação: árvores de decisão, k-vizinhos mais próximos (KNN), Naive Bayes; Avaliação de desempenho: precisão, revocação, F1-score. 5. Aprendizado Não Supervisionado; Agrupamento: k-means; Redução de dimensionalidade: PCA (Análise de Componentes Principais). 6. Introdução às Redes Neurais Artificiais: Neurônios artificiais; Arquiteturas de redes neurais; Algoritmo de retropropagação (backpropagation). 7. Aplicações e Casos de Uso. Estudos de caso e exemplos práticos de aplicação de Aprendizado de Máquina e Inteligência Artificial. Estudo de Caso - Obrigatório a ser discutido nesta aula: Caso Prático: "AI-Law Assist – Automação Inteligente no Escritório de Advocacia" Cenário do Caso: O escritório fictício "AI-Law Assist", especializado em direito empresarial, está enfrentando um crescimento no volume de documentos e precisa de uma solução baseada em Inteligência Artificial para otimizar processos como análise de contratos, triagem de processos e atendimento automatizado de clientes. O escritório deseja implementar soluções de aprendizado de máquina para classificar contratos, identificar cláusulas críticas e sugerir respostas automáticas a consultas jurídicas rotineiras. Bibliografia Básica: FACELI, Katti et al. Inteligência artificial: uma abordagem de aprendizado de máquina. 2. ed. Rio de Janeiro: LTC, 2023. ISBN 978-85-216-3734-9 NORVIG, Peter; RUSSELL, Stuart. Inteligência artificial. Rio de Janeiro: Grupo GEN, 2013. GABRIEL FILHO, Oscar. Inteligência Artificial e Aprendizagem de Máquina: Aspectos Teóricos e Aplicações. Blucher, 2023 Bibliografia Complementar: DOMINGOS, Pedro. A few useful things to know about machine learning. In: Communications of the ACM, vol. 55, n. 10, pp. 78 – 87. Disponível em: < https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf>, acessado em 20 de março de 2020. MITCHELL, Melanie. Artificial intelligence: A guide for thinking humans. Penguin UK, 2019. RUSSELL, Stuart. Human compatible: AI and the problem of control. Penguin Uk, 2019. *Disciplinas e ementas sujeitas a alterações. |
||||
| Carga Horária: |
106 horas |
||||
| Tipo: | Obrigatória | ||||
| Vagas oferecidas: | 300 | ||||
| Ministrantes: |
Alessandra Alaniz Macedo Alessandro Hirata Arnaldo Candido Junior Cíntia Rosa Pereira de Lima Evandro Eduardo Seron Ruiz Fernando Kaway Carvalho Ota Ivan Rizzo Guilherme Marcelo Fantinato Sandra Maria Aluisio Tiago Agostinho de Almeida |
 voltar |
|
Créditos © 1999 - 2025 - Superintendência de Tecnologia da Informação/USP |