Login
Login

Formação online

Do Zero à Análise de Dados Econômicos e Financeiros com a Linguagem R

Aprenda do ZERO a coletar, tratar, construir modelos e apresentar dados econômicos e financeiros através de relatórios e dashboards incríveis com o nosso combo de cursos de R, uma das linguagens mais utilizadas no mercado.

O que você será capaz de fazer

Precisa tomar decisões baseadas em dados e ainda está preso ao mundo do Excel e das recomendações de terceiros? Com este curso completo você será capaz de coletar dados das principais bases de dados econômicas e financeiras de forma automatizada, poderá criar análises, relatórios e dashboards automáticos, aumentar a percepção de valor do seu trabalho e ainda ganhar tempo em tarefas que hoje são tediosas e repetitivas.

Quais habilidades eu aprenderei

  • Dominar os fundamentos da ciência de dados
  • Coletar dados automaticamente com R
  • Armazenar informações em SQL
  • Criar relatórios automáticos
  • Construir dashboards automáticas
  • Aprender a coletar dados econômicos e financeiros
  • Aprender estatística e modelagem
  • Aplicar modelos estatísticos a dados econômicos e financeiros

Quais ferramentas eu usarei

Para quem este treinamento é indicado

Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry’s standard dummy text ever since the 1500s.

Estudantes de Graduação

Mesmo ainda na graduação, sem experiência com programação, você já pode se diferenciar dos seus colegas ao investir em sua futura carreria em ciência de dados.

Professores e Acadêmicos

Utilize o poder das linguagens de programação mais modernas do mercado como o R e o Python para produzir trabalho acadêmicos com mais facilidade e agilidade.

Profissionais de Mercado

Chega de lidar com planilhas Excel confusas e tarefas repetitivas. Ao dominar Ciência de Dados, você ganha o poder de automatizar as tarefas repetitivas do seu dia-a-dia.

O que você aprenderá neste treinamento

Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry’s standard dummy text ever since the 1500s.

Fundamentos de análise de dados

O objetivo deste módulo é o de fornecer uma porta de entrada a estudantes e profissionais de mercado que queiram adicionar conhecimentos de ciência de dados aos seus currículos.

Linguagem R

Nesta versão atualizada do curso e revisada, você entrará no mundo tidyverse, a evolução da linguagem R. Uma introdução qualificada a poderosos pacotes construídos exclusivamente para lidar com coleta, tratamento, análise e apresentação de dados.

Linguagem Phyton

Você terá a oportunidade de aprender Python com muitos exemplos de aplicações em macro e microeconomia. Um passo a passo para você sair do zero até a construção de relatórios e apresentações.

SQL para economia e finanças

O objetivo deste módulo é o de fazer uma introdução a bancos de dados e à linguagem SQL, tendo como pano de fundo exemplos envolvendo dados econômicos e financeiros.

Criação de gráficos

Através do uso do ggplot2, você dominará a principal biblioteca do R para a produção de gráficos na atualidade. É feita uma introdução à lógica por trás da construção de gráficos em camadas, bem como a ilustração dos diversos tipos de gráficos possíveis.

Criação de gráficos

Através do uso do ggplot2, você dominará a principal biblioteca do R para a produção de gráficos na atualidade. É feita uma introdução à lógica por trás da construção de gráficos em camadas, bem como a ilustração dos diversos tipos de gráficos possíveis.

Criação de relatórios

Através do uso do RMarkdown, você aprenderá a construir relatórios e apresentações automatizadas e reprodutíveis, substituindo diversos programas por um único documento.

Criação de dashboards inteligentes

Através do domínio da ferramenta shiny, você será capaz de criar Dashboards Inteligentes para visualização de dados, dominando a principal ferramenta do mercado.

Estatística com R e Phyton

Sua porta de entrada para o mundo da estatística usando as duas principais linguagens do mundo da análise de dados: R e Python.

Análise de dados econômicos financeiros

O objetivo deste módulo é proporcionar aos alunos uma imersão no mundo dos dados econômicos e financeiros através do uso de uma linguagem de programação.
Anterior
Próximo

Quem já fez essa trilha

Como estudar o curso

Este curso não tem pré-requisitos

  • O curso foi pensado para que pessoas sem experiência em programação e ciência de dados pudessem sair do ZERO até a construção de análises sofisticadas envolvendo dados econômicos e financeiros;
  • Separe 1 hora por dia para estudar através das videoaulas e conclua os Cursos da Formação 9 meses, mudando a sua carreira em definitivo;
  • São 24 meses para ver e rever o conteúdo quantas vezes quiser;
  • Replique os códigos e exercícios propostos ao longo dos Cursos para fixar o conhecimento, faça testes automáticos para verificar o andamento do seu aprendizado;
  • Tire suas dúvidas individualmente em um chat exclusivo do aluno diretamente com nossos professores;

(Curso revisado e atualizado - Versão 2023)

Suporte individualizado

Programação dos cursos

Fundamentos de Análise de Dados
  • 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?
Programação em R para Análise de Dados
  • Aula 01 – Por que usar uma linguagem de programação para analisar dados?
  • Aula 02 – Instalando os programas necessários;
  • Aula 03 – Instalando pacotes e entendendo as mensagens no Console;
  • Aula 04 – Introdução ao mundo `tidyverse`;
  • Aula 05 – Criando `scripts`;
  • Aula 06 – Lidando com objetos no R;
  • Aula 07 – Estruturas de Dados (data frames, listas, matrizes, vetores);
  • Aula 08 – Operadores lógicos e aritméticos;
  • Aula 09 – O operador `pipe`;
  • 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 R;
  • 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 39 – Produzindo gráficos com ggplot2;
  • Aula 40 – Produzindo relatórios com RMarkdown;
  • Aula 41 – Produzindo dashboards;
  • Aula 42 – Como automatizar o processo de análise de dados?
SQL para Economia e Finanças
  • 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
  •  
Teoria Macroeconômica usando R
  • Aula 01 – Introdução à Macroeconomia;
  • Projeto de Curso 01 – Deflacionando dados no R;
  • Aula 02 – Contas Nacionais Trimestrais;
  • Projeto de Curso 02 – Análise das Contas Nacionais do SIDRA no R;
  • 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 R;
  • 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 R;
  • 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;
Análise de Conjuntura usando R
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Fundamentos Estatísticos necessários para trabalhar com dados macroeconômicos;
  • Aula 03 – Coletando dados macroeconômicos com o R;
  • Aula 04 – Coleta e tratamento de dados do PIB com o R;
  • Aula 05 – Coleta e tratamento de dados das Vendas do Comércio com o R;
  • Aula 06 – Coleta e tratamento de dados da Pesquisa Mensal de Serviços com o R;
  • Aula 07 – Coleta e tratamento da Produção Industrial com o R;
  • Aula 08 – Coleta e tratamento de dados da PNAD Contínua com o R;
  • Aula 09 – Coleta e tratamento de dados do CAGED com o R;
  • 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 R;
  • Aula 13 – Análise de dados de inflação com o R;
  • Aula 14 – Análise do mercado de crédito com o R;
  • Aula 15 – A política monetária no Brasil: Copom, mercado de reservas e a taxa Selic;
  • Aula 16 – Análise do boletim Focus com o R;
  • Aula 17 – Coleta e tratamento de dados fiscais com o R;
  • Aula 18 – Coleta e tratamento de dados de economia internacional com o R;
  • Aula 19 – Criando relatórios personalizados;
  • Aula 20 – Produção de Dashboards;
Estatística para Análise de Dados usando R
  • 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;
Econometria Aplicada usando R
  • 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;
Análise de Séries Temporais
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Características de Séries Temporais;
  • Aula 03 – Regressão de Séries Temporais e Análise Exploratória de Dados;
  • Aula 04 – Estudo de Caso: Estimando uma Curva IS via OLS, TSLS e GMM;
  • Aula 05 – Introdução a Modelos Univariados;
  • Aula 06 – Funções de Autocorrelação;
  • Aula 07 – Processos ARMA;
  • Aula 08 – Testes de Estacionariedade;
  • Aula 09 – Metodologia Box-Jenkins: construindo modelos univariados de previsão;
  • Aula 10 – Estudo de Caso: construindo um modelo SARIMA para a inflação brasileira;
  • Aula 11 – Introdução a Modelos Multivariados;
  • Aula 12 – Vetores Autorregressivos;
  • Aula 13 – Estudo de Caso: usando modelos VAR para previsão;
  • Aula 14 – Modelo VAR Estrutural (SVAR);
  • Aula 15 – Estudo de Caso: Análise de funções impulso-resposta;
  • Aula 16 – Regressões Espúrias;
  • Aula 17 – O conceito de cointegração e o modelo de correção de erros;
  • Aula 18 – Estudo de Caso: Dívida Bruta e Incerteza Econômica;
  • Aula 19 – A metodologia de Johansen e o Vetor de Correção de Erros (VEC);
  • Aula 20 – Estudo de Caso: Previsão do Desemprego medido pela PNAD através de um modelo VEC;
  • Aula 21 – VEC Estrutural;
  • Aula 22 – Teste de Causalidade de Granger;
  • Aula 23 – O procedimento de Toda-Yamamoto;
  • Aula 24 – Estudo de Caso: Consumo de Energia Elétrica e Crescimento do PIB;
  • Aula 25 – Estudo de Caso: Uma comparação econométrica entre o CAGED e a PNAD Contínua;
Dados em Painel
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Introdução aos cortes transversais agrupados e à análise econométrica de dados em painel;
  • Aula 03 – Agrupamento independente de cortes transversais ao longo do tempo;
  • Aula 04 – O estimador de diferença em diferenças;
  • Aula 05 – Análise de dados em painel de dois períodos;
  • Aula 06 – A organização dos dados em painel no R e o estimador de primeira diferença na prática;
  • Aula 07 – A diferenciação com mais de dois períodos de tempo;
  • Aula 08 – O modelo de efeitos fixos;
  • Aula 09 – O modelo de efeitos aleatórios;
  • Aula 10 – Testes em modelos de painel;
  • Aula 11 – Discussões Avançadas;
Machine Learning
  • Aula 01 – Introdução à Machine Learning;
  • Aula 02 – Entendendo os dados;
  • Aula 03 – Regressão Linear;
  • Aula 04 – Classificação;
  • Aula 05 – Classificação usando algoritmos k-NN;
  • Aula 06 – Classificação usando Naive Bayes;
  • Aula 07 – Árvores de Decisão;
  • Aula 08 – Previsão numérica usando métodos de regressão;
  • Aula 09 – Redes Neurais;
  • Aula 10 – Support Vector Machine (SVM);
  • Aula 11 – Detecção de padrões com regras de associação;
  • Aula 12 – Clustering;
  • Aula 13 – Métodos de Reamostragem;
  • Aula 14 – Seleção e regularização linear de modelos;
  • Aula 15 – Bagging, Random Forests e Boosting;
  • Aula 16 – Avaliando o desempenho do modelo;
  • Aula 17 – Aumentando o desempenho do modelo
Análise de Dados Macroeconômicos e Financeiros
  • Aula 01 – Por que usar uma linguagem de programação para analisar dados econômicos e financeiros?
  • Aula 02 – Coletando dados do SIDRA, Banco Central, Ipeadata, OCDE, FMI, Banco Mundial e outras fontes
  • Aula 03 – Fazendo limpeza nos dados e desenvolvendo scripts automatizados
  • Aula 04 – Análise exploratória de dados: sazonalidade, estacionariedade, outliers, boxplots, histogramas, densidade e outras coisas
  • Aula 05 – Vamos modelar: como construir um modelo de séries temporais? Um resumo das principais abordagens disponíveis (Modelos ARIMA, Regressões, VAR, VEC, ARCH/GARCH e outros)
  • Aula 06 – Testar, treinar e avaliar: como construir um modelo de previsão para séries temporais? Desenvolvendo uma metodologia completa de previsão de variáveis econômicas e financeiras
  • Aula 07 – Projeto de Curso 1: construção de modelo de previsão para a inflação brasileira medida pelo IPCA
  • Aula 08 – Projeto de Curso 2: Análise de impulso resposta em séries financeiras
  • Aula 09 – Projeto de Curso 3: construindo uma Dashboard em shiny do início ao fim
Previsão Macroeconométrica
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Propriedades Estatísticas de Séries Temporais;
  • Aula 03 – Introdução à Estratégias de Previsão Macroeconométrica;
  • Aula 04 – Avaliação de Previsões Macroeconométricas;
  • Aula 05 – Modelos ARIMA e Metodologia Box-Jenkins;
  • Aula 06 – Análise de Regressão e Previsão;
  • Aula 07 – Vetor Autorregressivo (VAR);
  • Aula 08 – Cointegração e Vetor de Correção de Erros (VEC);
  • Aula 09 – VAR Bayesiano;
  • Aula 10 – Combinando Previsões;
  • Aula 11 – Modelos de ML aplicados à Macroeconomia;
  • Aula 12 – Métodos de Reamostragem;
  • Aula 13 – Bagging, Random Forests e Boosting;
  • Aula 14 – Trabalho de Conclusão de Curso;
Modelos Preditivos de Machine Learning
  • Aula 01 – Apresentação do Curso e Introdução a Modelos Preditivos;
  • Aula 02 – Modelos de Previsão para a inflação medida pelo IPCA;
  • Aula 03 – Criando um dashboard em shiny para previsão da inflação medida pelo IPCA;
  • Aula 04 – Modelos de Previsão para a Produção Industrial;
  • Aula 05 – Criando um dashboard em shiny para previsão da produção industrial;
  • Aula 06 – Prevendo os Serviços (PMS);
  • Aula 07 – Dashboard em shiny para previsão de Serviços;
  • Aula 08 – Modelando as Vendas do Comércio (PMC);
  • Aula 09 – Dashboard em shiny para previsão das vendas do Comércio;
  • Aula 10 – Nowcasting do PIB;
  • Aula 11 – Dashboard de nowcasting do PIB;
  • Aula 12 – Modelo de Previsão do Desemprego medido pela PNAD Contínua;
  • Aula 13 – Dashboard de previsão para o desemprego brasileiro;
  • Aula 14 – Modelo de Previsão para Crédito à Pessoa Física;
  • Aula 15 – Dashboard de previsão do crédito a Pessoa Física;
  • Aula 16 – Modelo de Previsão para a Taxa Selic;
  • Aula 17 – Dashboard de Previsão para a Taxa Selic;
  • Aula 18 – Modelo de Previsão para a taxa de câmbio R$/US$;
  • Aula 19 – Dashboard de previsão da taxa de câmbio R$/US$;
  • Aula 20 – Modelos de Previsão do IGP-M;
  • Aula 21 – Dashboard de previsão do IGP-M;
  • Aula 22 – Previsão de variáveis fiscais brasileiras;
  • Aula 23 – Dashboard de previsão de variáveis fiscais brasileiras;
  • Aula 24 – Previsão de variáveis externas;
  • Aula 25 – Dashboard de previsão de variáveis externas;
Macroeconometria usando R
  • 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?
Mercado Financeiro e Gestão de Portfólios usando R
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Fundamentos Estatísticos;
  • Aula 03 – Coleta de dados financeiros com o R;
  • 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;
Econometria Financeira
  • Aula 01 – Apresentação do Curso;
  • Aula 02 – Introdução aos dados financeiros e suas propriedades;
  • Aula 03 – Modelos Lineares Univariados (ARMA, ARIMA, ARIMAX, SARIMA, SARIMAX e metodologia Box-Jenkins);
  • Aula 04 – Modelos Multivariados com séries estacionárias e não estacionárias (VAR, SVAR, Cointegração, VECM e SVECM);
  • Aula 05 – Volatilidade de Ativos e Modelos de Volatilidade (ARCH, GARCH, IGARCH, GARCH-M e EGARCH);
  • Aula 06 – Estudo de Caso – Aplicações de modelos de volatilidade
Análise de Demonstrativos Financeiros usando R
  • Aula 01 – Apresentação do Curso e Análise de balanços e demonstrações contábeis;
  • Aula 02 – Coletando e analisando dados do Balanço Patrimonial com o R;
  • Aula 03 – Coletando e analisando dados da DRE com o R;
  • Aula 04 – Coletando e analisando dados da DFC com o R;
  • 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 R;
Produção de Dashboards Automáticos usando R
  • 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;
Produção de Relatórios Automáticos usando R
  • 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

Materiais utilizados

Vídeos e Códigos

Cada seção será acompanhada de videoaulas subdividas em tópicos específicos, tornando o aprendizado ainda mais dinâmico.

Slides e Códigos disponíveis

Todos os slides e códigos utilizados ao longo das seções ficam disponíveis para os alunos baixarem e reproduzirem.

Clube AM

Acesso aos exercícios, mentorias semanais e networking do Clube AM

Certificação

O aluno terá acesso a 19 Certificados ao longo da Formação Do Zero à Análise de Dados Econômicos e Financeiros com a Linguagem R, totalizando uma carga horária em vídeos de 400h, que é composta pelas videoaulas e atividades necessárias para concluir os Cursos.
  • Carga horária: 400h
  • Total de horas em vídeo: 234h
  • Número de aulas: 365

Coordenador e professor dos cursos

Vítor Wilher

Mestre em Economia e Cientista-Chefe da Análise Macro


Especialista em ciência de dados. Dá aulas e presta consultoria há 7 anos na área de dados, já tendo ajudado milhares de alunos no Brasil a darem o primeiro passo em análise de dados envolvendo R e Python.

Professores

Fernando da Silva

Bacharel em Economia e Cientista de Dados


Especializado em economia e finanças. Trabalha com modelagem e previsão de séries temporais, análise e visualização de dados e automatização de relatórios e dashboards.

Luiz Henrique

Cientista de Dados


Especializado em coleta, tratamento, modelagem e apresentação de dados financeiros e econômicos em R e Python.

Depoimentos dos nossos alunos

Investimento

De R$ 11.899,00 por

Sob Consulta

Com 51% de desconto

Verifique com nossa equipe a condição deste mês e a disponibilidade de turma no WhatsApp.

Verificar disponibilidade no WhatsApp

À vista no PIX ou boleto bancário

ou parcelado em 10x no cartão de crédito sem juros

  • Garantimos seu dinheiro de volta em até 7 dias

Formação online

Do Zero à Análise de Dados Econômicos e Financeiros com a Linguagem R

Adquira essa formação agora e tenha acesso aos seguintes benefícios:

  • Acesso completo por 24 meses
  • Plataforma de estudos própria
  • Suporte individual de dúvidas
  • Reunião Inicial com o Coordenador para traçar plano individual de aprendizado
  • Certificados individuais dos 19 Cursos
  • Mentorias Individuais

Perguntas frequentes

Resposta: Você poderá realizar sua matrícula através de boleto bancário ou cartão de crédito, podendo parcelar em até 10x sem juros no cartão de crédito.

Resposta: Você terá até 24 meses para ver quantas vezes quiser os conteúdos dos cursos.

Resposta: Esta oferta foi desenhada exatamente para as pessoas que nunca tiveram relação com linguagem de programação, mas desejam dar um upgrade na carreira.

Resposta: No próprio site há uma plataforma exclusiva para tirar dúvidas direto com nossa equipe o professor Vítor Wilher. Você estará sempre acompanhado durante sua jornada.

Análise Macro © 2011 / 2024

comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002

Criação Kamus – Hospedagem HostWP

botao-fale-com-um-especialista-no-whatsapp

Atendimento por whatsapp

Preencha esse rápido formulário para ser redirecionado ao WhatsApp

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp