Tag: python
- Inteligência Artificial
Construímos um agente de IA que recebe um pedido em português e decide sozinho onde buscar o dado — no Banco Central ou no IBGE. Ele coleta, valida em três camadas e guarda só o que passou. E quando não sabe o que está pegando, pergunta em vez de inventar. Por dentro: LangGraph, o loop agêntico, os guardrails de cada fonte e a memória do agente.
- Inteligência Artificial
Toda reunião do Copom gera uma ata longa, e ler o documento para achar a Selic e o tom do comitê consome tempo. Mostramos um agente de IA que faz isso sozinho: três agentes (leitor, analista e redator) buscam a ata real na API do Banco Central, leem o documento inteiro e devolvem um resumo com a Selic exata. O post explica como o sistema funciona por dentro — o ciclo do agente, o mural compartilhado e as ferramentas (LangGraph, Python, Streamlit) — com o resultado real.
- Inteligência Artificial
Como instalar o Claude Code no VS Code e começar a usar o agente de IA da Anthropic que atua no terminal e no editor: lê arquivos, executa comandos e edita código, em vez de só sugerir como um chatbot. O guia reúne o que é o agente e como ele decide o que fazer, o terreno em que ele pisa (terminal, CLI, script e IDE), a instalação passo a passo e o uso no dia a dia — modelos, janela de contexto, o arquivo CLAUDE.md e a fórmula de um bom primeiro prompt para análise de dados.
- Inteligência Artificial
Este artigo apresenta um tutorial sobre como construir um Índice de Tom para as atas do Copom utilizando Grandes Modelos de Linguagem (LLMs) e Python. Mostramos o processo de coleta de dados via API do BCB, engenharia de prompt com o Google Gemini e calibração do índice via regressão linear para expressá-lo em unidades equivalentes à taxa Selic. O resultado é um indicador quantitativo que mede o sentimento (hawkish vs. dovish) da comunicação do Banco Central.
- Macroeconomia
Este artigo apresenta uma análise detalhada dos maiores salários de contratação no Brasil em 2025, com foco nos estados do Sudeste. Utilizando a linguagem Python e Google Colab, o estudo detalha a construção de um pipeline de engenharia de dados para processar milhões de microdados do Novo CAGED, desde a coleta via FTP até a agregação e armazenamento em formato Parquet. A metodologia inclui a aplicação de filtros estatísticos e o cálculo da mediana salarial para ranquear as 15 ocupações mais bem remuneradas.
Boletim AM
Encontre o seu conteúdo
Categorias
- Comentário de Conjuntura
- Cursos da Análise Macro
- Indicadores
- Artigos de Economia
- Hackeando o R
- Data Science
- Política Monetária
- Macroeconometria
- Inflação
- PIB
- Eventos
- Indicação de Leitura Econômica
- Clube AM
- Dados Macroeconômicos
- Mercado financeiro
- Mercado de Trabalho
- Política Fiscal
- Resenhas de Conjuntura Econômica
Artigos mais acessados
Análise Macro © 2011 / 2026
comercial@analisemacro.com.br – Rua Visconde de Pirajá, 414, Sala 718
Ipanema, Rio de Janeiro – RJ – CEP: 22410-002
