Mercado Financeiro e Gestão de Portfólios: inscrições abertas!

Inscrições abertas para a 2ª Turma do nosso super Curso de Mercado Financeiro e Gestão de Portfólios. O Curso é voltado para profissionais do mercado financeiro em busca de novas ferramentas analíticas, professores de graduação e pós-graduação envolvidos no ensino e pesquisa de finanças, bem como estudantes de graduação e pós-graduação em busca de diferenciais competitivos para ingressar no mercado.

Ao se inscrever no Curso de Mercado Financeiro e Gestão de Portfólios, o aluno terá acesso a três blocos de conteúdo: (1) Nivelamento em R; (2) Curso de Mercado Financeiro e Gestão de Portfólios; (3) Laboratórios.

No nivelamento, o aluno terá acesso a uma introdução completa ao universo tidyverse, pacotes do R especialmente construídos para análise de dados. Já nas 15 seções do Curso de Mercado Financeiro e Gestão de Portfólios, o aluno irá aprender tudo sobre os principais produtos e instituições financeiras, risco e retorno de ativos, bem como sobre como construir e administrar o seu portfólio com o R. Por fim, ficará disponível um módulo Laboratórios com a disponibilização de códigos super práticos para a construção de shiny apps.

Confira todas as informações do nosso super Curso aqui.

______________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Resultado PIB - 3° Trimestre/2024

A Análise Macro apresenta os resultados da PIB 3º trimestre de 2024, com gráficos e tabelas elaborados em Python para coleta, tratamento e visualização de dados.

Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

Como selecionar variáveis para modelos de previsão no Python?

Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.

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.