Ganhe um livro de econometria da Análise Macro!

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_signup admin_label="E-Mail Optin" provider="feedburner" feedburner_uri="AnliseMacro" mailchimp_list="none" aweber_list="none" button_text="Assinar gratuitamente" use_background_color="on" background_color="#7EBEC5" background_layout="dark" text_orientation="center" use_focus_border_color="off" use_border_color="off" border_color="#ffffff" border_style="solid" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0"]

Assine a newsletter da Análise Macro ao lado e concorra a um livro de econometria, o A Guide to Modern Econometrics, oferecido pela Wiley! O sorteio ocorrerá no dia 30/11!

O sorteio será feito entre os assinantes ativos (aqueles que confirmaram a assinatura por e-mail) no dia 30/11, ok?

[/et_pb_signup][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Construindo RAG para Análise do COPOM com SmolAgents

Este exercício demonstra, passo a passo, como aplicar o conceito de Retrieval-Augmented Generation (RAG) com agentes inteligentes na análise de documentos econômicos. Utilizando a biblioteca SmolAgents, desenvolvemos um agente capaz de interpretar e responder a perguntas sobre as atas do COPOM com base em buscas semânticas.

Como criar um Agente de IA?

Unindo conhecimentos sobre Tools, LLMs e Vector Stores, agora é hora de integrar diferentes conceitos e aprender a construir um Agente de IA completo. Neste post, nosso objetivo será criar um Agente capaz de responder perguntas sobre o cenário macroeconômico brasileiro, utilizando dados de expectativas de mercado do Boletim Focus do Banco Central do Brasil (BCB) e o framework LangChain no Python.

Como criar um Supervisor de Agentes com LangGraph

Este tutorial mostra como construir um supervisor multiagente usando LangGraph, integrando dois agentes especialistas: um focado em pesquisa na internet com Tavily e outro especializado em operações matemáticas. Para orquestrar esses agentes, utilizamos o modelo Gemini 2.0 da Google.

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.