Turmas de Primavera: inscrições abertas!

Estão abertas as inscrições para as Turmas de Primavera dos nossos Cursos Aplicados de R. Temos vagas para 16 Cursos Livres e 3 Formações.

As turmas de Primavera terão início no dia 15/09 e contarão com Nivelamento em R, de modo que não é necessário nenhum conhecimento prévio na linguagem.

Para todos os detalhes sobre as Turmas de Primavera, continue lendo esse informativo...

Abrimos vagas para as cinco áreas dos nossos Cursos Livres: Data Science, Macroeconomia Aplicada, Econometria, Finanças e Central Banking. Há vagas para 16 Cursos, a saber:

Cursos de Data Science

Macroeconomia Aplicada

Cursos de Econometria

Cursos de Finanças

Cursos de Central Banking

Além disso, também abrimos as inscrições para as nossas Formações:

Plano Único

Será ofertado um Plano Único com acesso ao conteúdo dos Cursos por 12 meses, suporte customizado do professor e acesso ao Clube do Código também por 12 meses. Nosso objetivo com isso é dar um treinamento totalmente customizado para os alunos inscritos.

Investimento

Os preços dos Cursos variam de acordo com a complexidade do conteúdo. Os alunos poderão financiar a aquisição dos Cursos em até 10x sem juros no cartão de crédito.

Adquirindo todos os Cursos de uma área

Nossos Cursos Aplicados de R são divididos por áreas temáticas. Caso queiram, os alunos poderão adquirir todos os cursos de uma determinada área com desconto adicional. Para isso, basta utilizar os links abaixo:

Qualquer dúvida adicional, por favor, mande e-mail para comercial@analisemacro.com.br.

______________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise exploratória para modelagem preditiva no Python

Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.