Curso de Análise de Conjuntura está com inscrições abertas!

Começa no próximo dia 22/04, a Turma de Outono do Curso de Análise de Conjuntura usando o R. Totalmente revisado e reformulado, o curso busca ensinar alunos de graduação e pós-graduação, professores e profissionais de mercado a usar o R para coletar e tratar dados macroeconômicos. Com uma proposta única e inovadora no país, o curso utiliza uma das linguagens mais utilizadas em data science para analisar dados de nível de atividade, mercado de trabalho, inflação, mercado de crédito, política fiscal, política monetária, setor externo e economia internacional.

Ao longo das 11 seções do curso, os alunos aprendem a coletar e tratar diversos índices e séries da economia brasileira, como PIB, IBC-Br, PMC, PIM-PF, PNAD Contínua, CAGED, IPCA, taxas de juros, spread bancário, inadimplência, endividamento das famílias, gastos e receitas do governo, endividamento do governo, superávit requerido, formação da taxa básica de juros, taxa de câmbio, operações de swap, dentre outras.

São ensinadas diversas técnicas para coletar os dados de fontes como IBGE, IPEADATA e Banco Central com pacotes como sidraR, ecoseries, BETS rbcb. Ademais, o curso ensina a tratar os dados, construindo variações mensais, interanuais e acumuladas em 12 meses, criar médias móveis, tratar sazonalidade e deflacionar dados nominais. Tudo isso, utilizando o R como linguagem natural.

Veja o conteúdo completo aqui.

Curtiu? Então, garanta já a sua vaga na Turma de Outono aqui!

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como preparar os dados para um modelo preditivo?

Modelos de previsão macroeconômica podem facilmente alcançar um número elevado de variáveis. Mesmo modelos simplificados, como o Modelo de Pequeno Porte (MPP) do Banco Central, usam cerca de 30 variáveis. Isso impõe um grande desafio ao nosso dia a dia: como fazer a gestão destes dados para uso em modelos, desde a coleta até o tratamento?

Transfer Learning para Previsão de Séries Temporais com o Python

A aprendizagem por transferência (ou transfer learning) é a técnica de reutilizar um modelo previamente treinado em um novo problema. Esse conceito representa um grande avanço para a previsão de variáveis, especialmente aquelas organizadas ao longo do tempo, como séries temporais. Neste post, exploramos como usar transfer learning com Python para trabalhar com esse tipo de dado.

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.