• Aula 01 – Afinal, o que é ciência de dados
• Aula 02 – Habilidades requeridas pela ciência de dados
• Aula 03 – Como adicionar ciência de dados ao currículo e se tornar um profissional disputado no mercado?
• Aula 04 – Por que o Excel não basta?
• Aula 05 – O que é uma linguagem de programação e por que eu preciso aprender isso?
• Aula 06 – Introdução à linguagem R
• Aula 07 – Introdução à linguagem Python
• Aula 08 – O que são banco de dados?
• Aula 09 – Introdução à linguagem SQL
• Aula 10 – Importação: onde estão os dados
• Aula 11 – Limpando os dados: por que a vida não é simples?
• Aula 12 – Análise exploratória de dados: usando estatística simples para entender o que está acontecendo com a sua base de dados
• Aula 13 – O que são modelos
• Aula 14 – Aprendendo a fazer uma regressão linear
• Aula 15 – Como apresentar os resultados da sua análise de dados?
• Aula 16 – Construindo sua primeira análise de dados do ZERO
• Aula 17 – Como continuar aprendendo?

• Aula 01 – Por que usar uma linguagem de programação para analisar dados?
• Aula 02 – Escolhendo uma IDE e trabalhando com o `Google Colab`;
• Aula 03 – Instalando pacotes e entendendo as mensagens;
• Aula 04 – Introdução ao `pandas` e `numpy`;
• Aula 05 – Criando `scripts`;
• Aula 06 – Lidando com objetos no Python;
• Aula 07 – Estruturas de Dados (data frames, listas, matrizes, vetores);
• Aula 08 – Operadores lógicos;
• Aula 09 – Operadores aritméticos;
• Aula 10 – Funções;
• Aula 11 – Estruturas de repetição e de decisão;
• Aula 12 – Introdução à coleta de dados;
• Aula 13 – Trabalhando com arquivos .csv;
• Aula 14 – Trabalhando com arquivos Excel;
• Aula 15 – O que são APIs e como utilizá-las?
• Aula 16 – Consumindo dados brasileiros;
• Aula 17 – Trabalhando com SQL;
• Aula 18 – Trabalhando com Google Sheets;
• Aula 19 – Trabalhando com Google Drive;
• Aula 20 – Trabalhando com arquivos JSON;
• Aula 21 – Trabalhando com arquivos XML;
• Aula 22 – Exportando dados;
• Aula 23 – Introdução à Web Scraping;
• Aula 24 – Introdução à limpeza de dados;
• Aula 25 – Tratamento de dados textuais;
• Aula 26 – Renomeando colunas;
• Aula 27 – Selecionando colunas;
• Aula 28 – Como criar e alterar colunas;
• Aula 29 – Como aplicar filtros em linhas;
• Aula 30 – Como fazer operações por grupos de dados;
• Aula 31 – Como sumarizar os dados;
• Aula 32 – Formato long vs wide;
• Aula 33 – Como fazer cruzamento de dados;
• Aula 34 – Lidando com datas no Python;
• Aula 35 – Identificando e tratando dados faltantes;
• Aula 36 – Como deflacionar uma série;
• Aula 37 – Como fazer ajuste sazonal;
• Aula 38 – Introdução à visualização de dados e *storytelling*;
• Aula 40 – Produzindo relatórios;
• Aula 41 – Produzindo dashboards;
• Aula 42 – Como automatizar o processo de análise de dados?

• Aula 01 – Por que aprender SQL?
• Aula 02 – Bancos de dados
• Aula 03 – SQLite
• Aula 04 – Select
• Aula 05 – Where
• Aula 06 – Group by e Order by
• Aula 07 – Instruções Case
• Aula 08 – Join
• Aula 09 – Design de banco de dados
• Aula 10 – Gerenciando dados
• Aula 11 – Construindo um banco de dados econômicos e financeiros
•  

• Aula 01 – Introdução à Macroeconomia;
• Projeto de Curso 01 – Deflacionando dados no Python;
• Aula 02 – Contas Nacionais Trimestrais;
• Projeto de Curso 02 – Análise das Contas Nacionais do SIDRA no Python;
• Aula 03 – A economia no curto prazo: entendendo o ciclo econômico e o hiato do produto;
• Projeto de Curso 03a – Construindo o hiato do produto no Python;
• Projeto de Curso 03b – Datação de Ciclos Econômicos com o Algoritmo Harding-Pagan (2002);
• Aula 04 – A economia no longo prazo: modelo de Solow e suas extensões;
• Projeto de Curso 04 – Implementando o modelo de Solow no Python;
• Aula 05 – Economia Intertemporal: a microeconomia por trás da macro;
• Projeto de Curso 05 – Análise de Microdados da PNAD Contínua;
• Aula 06 – Política Econômica;
• Projeto de Curso 06 – Análise das Atas do Copom via Text Mining;

• Aula 01 – Apresentação do Curso;
• Aula 02 – Fundamentos Estatísticos necessários para trabalhar com dados macroeconômicos;
• Aula 03 – Coletando dados macroeconômicos com o Python;
• Aula 04 – Coleta e tratamento de dados do PIB com o Python;
• Aula 05 – Coleta e tratamento de dados das Vendas do Comércio com o Python;
• Aula 06 – Coleta e tratamento de dados da Pesquisa Mensal de Serviços com o Python;
• Aula 07 – Coleta e tratamento da Produção Industrial com o Python;
• Aula 08 – Coleta e tratamento de dados da PNAD Contínua com o Python;
• Aula 09 – Coleta e tratamento de dados do CAGED com o Python;
• Aula 10 – Análise da Inflação no Brasil;
• Aula 11 – Desvendando o IPCA: classificações, difusão e núcleos;
• Aula 12 – O pacote {nucleos}: análise desagregada da inflação no Python;
• Aula 13 – Análise de dados de inflação com o Python;
• Aula 14 – Análise do mercado de crédito com o Python;
• Aula 15 – A política monetária no Brasil: Copom, mercado de reservas e a taxa Selic;
• Aula 16 – Análise do boletim Focus com o Python;
• Aula 17 – Coleta e tratamento de dados fiscais com o Python;
• Aula 18 – Coleta e tratamento de dados de economia internacional com o Python;
• Aula 19 – Criando relatórios personalizados;
• Aula 20 – Produção de Dashboards

• Aula 01 – Preparando o ambiente;
• Aula 02 – Dados Univariados: vetores, estatísticas descritivas e dados categóricos;
• Aula 03 – Dados Bivariados: amostras independentes, estruturas de dados no R/Python e dados emparelhados;
• Aula 04 – Dados Multivariados: data frames, aplicando funções sobre dados e dados externos;
• Aula 05 – Gráficos Multivariados: gráficos básicos, ggplot2 e matplotlib;
• Aula 06 – População: variáveis aleatórias discretas e diferentes tipos de distribuição;
• Aula 07 – Inferência Estatística;
• Aula 08 – Intervalos de Confiança;
• Aula 09 – Testes de Significância;
• Aula 10 – Qualidade do Ajuste;
• Aula 11 – Regressão Linear;
• Aula 12 – Análise de Variância;
• Aula 13 – Extensões: modelos lineares generalizados e modelos não lineares;

• Aula 01 – Preparando o ambiente;
• Aula 02 – Regressão linear simples;
• Aula 03 – Regressão linear múltipla: estimação;
• Aula 04 – Regressão linear múltipla: inferência;
• Aula 05 – Regressão linear múltipla: OLS assintótico;
• Aula 06 – Regressão linear múltipla: outros problemas;
• Aula 08 – Heterocedasticidade;
• Aula 09 – Mais em especificações e problemas de dados;

• Aula 01 – Apresentação do Curso;
• Aula 02 – O modelo básico novo-keynesiano;
• Aula 03 – Regressão Linear para Séries Temporais;
• Aula 04 – Mínimos Quadrados em 2 Estágios (TSLS);
• Aula 05 – Método dos Momentos Generalizado (GMM);
• Aula 06 – A Curva de Phillips com restrição de verticalidade estimada com instrumentos;
• Aula 07 – A Curva IS estimada com instrumentos;
• Aula 08 – A função de reação do Banco Central estimada com instrumentos;
• Aula 09 – A Curva do prêmio do swap pré-DI 360 estimada com instrumentos;
• Aula 10 – Construindo exercícios aplicados de macroeconometria;
• Aula 11 – Ampliando a série de desemprego da PNAD Contínua;
• Aula 12 – O IBC-Br é um bom preditor do PIB?
• Aula 13 – Meta de Inflação e Expectativas dos Agentes;
• Aula 14 – Construindo um modelo para a inflação de alimentos;
• Aula 15 – Estimando a inércia inflacionária;
• Aula 16 – Estimando o juro neutro para o Brasil;
• Aula 17 – O Banco Central deve reagir a um choque de preços administrados?
• Aula 18 – Medindo o efeito da volatilidade sobre a taxa de câmbio;
• Aula 19 – Como o Banco Central reage a choques cambiais?
• Aula 20 – Usando swaps cambiais para reagir a choques;
• Aula 21 – Estimando a volatilidade da taxa de câmbio;
• Aula 22 – Estimando o repasse externo sobre a inflação brasileira;
• Aula 23 – Ancoragem de Expectativas;
• Aula 24 – Juro a pessoa física: um modelo explicativo;
• Aula 25 – A Bolsa é um bom preditor para o PIB?

• Aula 01 – Apresentação do Curso;
• Aula 02 – Fundamentos Estatísticos;
• Aula 03 – Coleta de dados financeiros com o Python;
• Aula 04 – Mercados Financeiros;
• Aula 05 – Juros;
• Aula 06 – Riscos financeiros;
• Aula 07 – Produtos financeiros;
• Aula 08 – Mercado de Renda Fixa;
• Aula 09 – Mercado de Ações;
• Aula 10 – Risco vs. Retorno;
• Aula 11 – Seleção de Carteira e Teoria de Markowitz;
• Aula 12 – Índice de Sharp;
• Aula 13 – Capital Asset Pricing Model (CAPM);
• Aula 14 – Modelo Fama-French;
• Aula 15 – Derivativos;
• Projeto de Curso 01 – Transformando preços em retornos;
• Projeto de Curso 02 – Construindo um Shiny App para Retornos de Portfólios;
• Projeto de Curso 03 – Construindo um Shiny App para Desvio-Padrão;
• Projeto de Curso 04 – Construindo um Shiny App para assimetria e curtose de retornos;
• Projeto de Curso 05 – Shiny App para índice sharpe;
• Projeto de Curso 06 – Shiny App para CAPM Beta;
• Projeto de Curso 07 – Construindo um Shiny App para o modelo Fama-French;
• Projeto de Curso 08 – Contribuição do ativo para o desvio padrão do portfólio;
• Projeto de Curso 09 – Simulação de Monte Carlo;

• Aula 01 – Preparando o ambiente: tudo o que você precisa para começar no Python;
• Aula 02 – Estruturas de Dados: vetores, listas, matrizes e dataframes;
• Aula 03 – Importação de Dados: APIS, planilhas Excel, pdfs e arquivos proprietários;
• Aula 04 – Visualização de Dados com seaborn e matplotlib;
• Aula 05 – Ambientes Controlado: criando funções, if-else, while loop, for loop, break e continue;
• Aula 06 – Análise Exploratória de Dados Macroeconômicos: transformações de séries temporais, defasagens, diferenciação, médias móveis, deflacionamento de séries, curvas de phillips, curvas de juros e convergência de renda;
• Aula 07 – Análise Exploratória de Microdados: exemplos com datasus, censos e auxílio emergencial;
• Aula 08 – Modelos: regressão linear, ARIMA, Dados em Painel e Scikit Learn;
• Aula 09 – Comunicando Resultados;
• Aula 10 – Projeto de Curso: Gráficos para Análises e Operações no Python;
• Aula 11 – Projeto de Curso: Python e Finanças: relação de risco e retorno;
• Aula 12 – Projeto de Curso: DataReader e Análises com Yahoo! Finance;
• Aula 13 – Projeto de Curso: Regressões Lineares no Python;
• Aula 14 – Projeto de Curso: Estimando o Beta de Mercado no Python;
• Aula 15 – Projeto de Curso: Seleção de Fatores via Machine Learning;
• Aula 16 – Projeto de Curso: Construindo o juro real e o juro neutro em Python;
• Aula 17 – Projeto de Curso: Estrutura a Termo da Taxa de Juros em Python;
• Aula 18 – Projeto de Curso: Construindo uma carteira de investimentos em Python;
• Aula 19 – Projeto de Curso: Criando medidas de volatilidade no Python;
• Aula 20 – Projeto de Curso: Cointegração e Pair Trading no Python;
• Aula 21 – Projeto de Curso: Análise de Portfólio com pyfolio;
• Aula 22 – Projeto de Curso: Filtro de Kalman e Beta de Mercado;
• Aula 23 – Projeto de Curso: Médias Móveis Simples para Trading com o Python;
• Aula 24 – Projeto de Curso: Criando indicadores fundamentalistas com Python;
• Aula 25 – Projeto de Curso: Integração com a plataforma MetaTrader;

Aulas

• Aula 01 – Introdução à macroeconomia: o que é macroeconomia, motivações clássicas da macroeconomia, como pensam os economistas, conceitos fundamentais, preparando o ambiente;
• Aula 02 – O produto interno bruto: o que é o PIB, óticas do PIB, PIB nominal vs. real, deflator do PIB;
• Aula 03 – A economia no curto prazo: entendendo o ciclo econômico e o hiato do produto;
• Aula 04 – A economia no longo prazo: modelo de Solow e extensões;
• Aula 05 – Economia intertemporal: a microeconomia por trás da macro;
• Aula 06 – A teoria e a prática da política econômica;
• Aula 07 – Coleta e tratamento de dados macroeconômicos;
• Aula 08 – Fundamentos Estatísticos para lidar com dados macroeconômicos

Projetos

• Projeto de Curso 01: Coleta e tratamento de dados do PIB;
• Projeto de Curso 02: Coleta e tratamento de dados da produção industrial, vendas do comércio e serviços;
• Projeto de Curso 03: análise do mercado de trabalho através da PNAD e do CAGED;
• Projeto de Curso 04: análise da inflação no Brasil;
• Projeto de Curso 05: análise do mercado de crédito;
• Projeto de Curso 06: juro real vs juro neutro;
• Projeto de Curso 07: Estrutura a Termo da Taxa de Juros;
• Projeto de Curso 08: lidando com expectativas do boletim Focus;
• Projeto de Curso 09: análise de dados fiscais;
• Projeto de Curso 10: análise de dados de economia internacional;
• Projeto de Curso 11: criando relatórios personalizados de macroeconomia;
• Projeto de Curso 12: criando dashboards com indicadores macroeconômicos;

• Aula 01 – Apresentação do Curso e Análise de balanços e demonstrações contábeis;
• Aula 02 – Coletando e analisando dados do Balanço Patrimonial com o Python;
• Aula 03 – Coletando e analisando dados da DRE com o Python;
• Aula 04 – Coletando e analisando dados da DFC com o Python;
• Aula 05 – Estrutura e Análise Horizontal e Vertical das Contas Contábeis;
• Aula 06 – Indicadores Contábeis;
• Aula 07 – Indicadores de Liquidez;
• Aula 08 – Indicadores de Endividamento;
• Aula 09 – Indicadores de Eficiência;
• Aula 10 – Indicadores de Crescimento;
• Aula 11 – Construção de Dashboard de Indicadores e Demonstrativos;
• Aula 12 – Automatizando o dashboard de indicadores contábeis com o Github Actions e Github Pages;
• Aula 13 – Valuation de empresas usando o Python;

• Aula 01 – Boas-vindas e apresentação do Curso;
• Aula 02 – Dashboards no ciclo de análise de dados;
• Aula 03 – Como produzir dashboards do zero?
• Aula 04 – Quais ferramentas usar para produção de dashboards?
• Aula 05 – Preparando o ambiente de programação;
• Aula 06 – Projetos de Cursos de Dashboards;
• Aula 07 – Qual é a estrutura de uma dashboard estática?
• Aula 08 – Quais são os elementos da interface do usuário?
• Aula 09 – Como rodar e visualizar a dashboard?
• Aula 10 – Como inserir visualizações de dados?
• Aula 11 – Personalizações básicas;
• Aula 12 – Qual é a estrutura de uma dashboard dinâmica?
• Aula 13 – Por que dashboards usam programação reativa?
• Aula 14 – Como adicionar elementos interativos?
• Aula 15 – Definindo a dinâmica da dashboard;
• Aula 16 – Projeto de Curso 1: Dashboard de Análise da Inflação;
• Aula 17 – Projeto de Curso 2: Dashboard de Economia Internacional;
• Aula 18 – O que é o deploy de uma dashboard?
• Aula 19 – Opções e serviços disponíveis;
• Aula 20 – Deploy de uma dashboard;
• Aula 21 – Como funciona a automatização de um código?
• Aula 22 – Qual é o maior desafio para automatização de um código?
• Aula 23 – Quais ferramentas podem ser usadas para automatização?
• Aula 24 – Automatizando um projeto de Curso de Dashboard;
• Aula 25 – Monitoramento, erros e manutenção;

• Aula 01 – Boas vindas e apresentação do curso;
• Aula 02 – Relatórios no ciclo de análise de dados;
• Aula 03 – Como produzir relatórios do zero?
• Aula 04 – Quais ferramentas usar para produção de relatórios?
• Aula 05 – Preparando o ambiente de programação Posit Cloud;
• Aula 06 – Projetos de curso de relatórios e apresentações;
• Aula 07 – Guia de primeiros passos usando o Quarto;
• Aula 08 – Como formatar o layout do relatório?
• Aula 09 – Como formatar o conteúdo do relatório?
• Aula 10 – Como criar apresentações com o Quarto?
• Aula 11 – Como formatar o layout da apresentação
• Aula 12 – Como formatar o conteúdo da apresentação
• Aula 13 – Projeto de curso 1: Relatório de Análise da Inflação;
• Aula 14 – Projeto de curso 2: Apresentação sobre DataViz;
• Aula 15 – Como funciona a automatização de um código?
• Aula 16 – Qual é o maior desafio para automatização de um código?
• Aula 17 – Quais ferramentas podem ser usadas para automatização?
• Aula 18 – Automatizando um projeto de curso de relatório do curso;
• Aula 19 – Monitoramento, erros e manutenção;