Formação online

Do Zero à Análise de Dados Econômicos e Financeiros com Python

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 Python, 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

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.

Quem já fez essa trilha

Como estudar o curso

Este curso não tem pré-requisitos

(Curso revisado e atualizado - Versão 2023)

Suporte individualizado

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 Python para Análise de Dados
  • 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?
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 Python
  • 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;
Análise de Conjuntura usando Python
  • 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
Estatística para Análise de Dados usando Python
  • 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 Python
  • 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;
Macroeconometria usando Python
  • 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 Python
  • 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;
Python para Investimentos
  • 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;
Macroeconomia para Investimentos

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;
Análise de Demonstrativos Financeiros usando Python
  • 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;
Produção de Dashboards Automáticos usando 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;
Produção de Relatórios Automáticos usando Python
  • 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 Didáticos

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 14 Certificados ao longo da Formação Do Zero à Análise de Dados Econômicos e Financeiros com Python, totalizando uma carga horária em vídeos de 184h, que é composta pelas videoaulas e atividades necessárias para concluir os Cursos.

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$ 7.605,00 por

R$3.802,50

À vista no PIX ou boleto bancário

ou parcelado em 10x no cartão de crédito sem juros

Pela última vez neste preço e com esta condição especial de 50% de desconto

Formação online

Do Zero à Análise de Dados Econômicos e Financeiros com Python

Adquira essa formação agora e tenha acesso aos seguintes benefícios:

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.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp