Falta apenas mais um passo

O código do exercício de análise de dados que você quer baixar foi enviado para o seu e-mail. Procure pelo título “Aqui está o código”.

A partir de agora você também receberá por e-mail nossos exercícios de análise de dados todas as semanas.

Toda terça-feira pela manhã chegará um novo compilado com nossos exercícios incríveis de análise de dados 😉

Veja os nossos exercícios mais recentes

A aplicação das técnicas de mineração de texto pode trazer análises quantitativas informativas sobre a emoção, tom, categoria e outros padrões de interesse em documentos textuais. O primeiro passo é identificar, coletar e preparar estes dados brutos. Neste artigo, apresentamos bases de dados públicas de Economia e Finanças que podem ser exploradas, assim como ferramentas de programação úteis.
Com uma matéria prima em comum, a mineração de textos e a inteligência artificial generativa usam grandes volumes de dados não estruturados para fins distintos e com aplicações em Economia, Finanças, Marketing e outras áreas. Mas quando devemos usar uma técnica e não a outra? O que é possível fazer e o que é mineração de textos? Neste artigo introduzimos estes tópicos e fornecemos alguns exemplos de aplicações.
O objetivo deste exercício é introduzir o uso do método de Controle Sintético na linguagem de programação R, aplicando-o a um exemplo prático relevante para a análise de políticas públicas. Vamos focar na utilização dessa técnica para avaliar o impacto do Regime de Recuperação Fiscal (RRF) sobre o número de vínculos do poder executivo nos estados brasileiros, com ênfase no caso do Rio de Janeiro.
Este exercício quantifica o repasse cambial sobre a inflação para a economia brasileira sob a ótica de um modelo Estimamos as funções de impulso resposta para analisar choques na variação do câmbio e a resposta ao longo do tempo sobre a inflação de preços livres usando a linguagem de programação Python para coleta, análise de dados e modelagem.
Nos últimos dias, infelizmente, observamos um aumento no número de focos de queimadas em várias regiões do Brasil. Em resposta a essa situação, realizamos uma análise no Python da série temporal dos focos de queimadas no país, utilizando dados mensais coletados pelo Instituto Nacional de Pesquisas Espaciais (INPE) de 1998 a 2024. O objetivo desta análise é investigar tendências, padrões sazonais, distribuição e o comportamento geral do número de focos de queimadas, a fim de identificar padrões relevantes que possam contribuir para uma melhor compreensão do problema.
A previsão de séries temporais hierárquicas é uma técnica para analisar e prever dados que se estruturam em diferentes níveis de granularidade. Neste artigo, vamos realizar a previsão de séries temporais hierárquicas usando a IA TimeGPT.
O PIB é uma variável econômica complexa e de difícil previsão. Neste artigo, mostramos que unir métodos simples e métodos avançados pode aumentar significativamente a previsibilidade do crescimento da economia.
Realizar previsões de séries financeiras é uma tarefa inglória. Ainda mais quando utiliza-se uma variável tão errática quanto um índice de mercado. Mas, e se ao invés de utilizarmos modelos já conhecidos, fazermos o uso da IA Generativa? Neste exercício usamos Gemini, Python e técnicas de Engenharia de Prompt e Árvore de Pensamento para prever o Ibovespa.
Apesar de serem muito utilizados para compartilhar informações, os arquivos PDFs podem ser um empecilho para extrair dados. Neste artigo mostramos como usar IA para superar este desafio facilmente através do Python.
A previsão de séries temporais hierárquicas é uma técnica para analisar e prever dados que se estruturam em diferentes níveis de granularidade. Neste artigo, vamos mergulhar no mundo da modelagem preditiva de séries temporais hierárquicas utilizando Python, explorando os conceitos, métodos e aplicações práticas dessa técnica usando o Python.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp