Nova Formação: Produção de Trabalhos Empíricos usando o R

Tá no final da graduação e precisa entregar um TCC? Lutando no mestrado para ter uma ideia para a dissertação? No Doutorado, se torturando com bases de dados? É professor e escreve papers, mas quer migrar para o R? Tá no mercado, mas também escreve artigos científicos? Se você respondeu sim para alguma dessas perguntas, leia as próximas linhas, porque temos uma nova Formação que pode ser do seu interesse!


Ao longo dos últimos anos, temos ajudado uma porção de gente em uma dessas situações aqui na Análise Macro. Seja através dos nossos Cursos Aplicados de R, seja através de consultorias customizadas, que atendem necessidades específicas. Já atendemos médicos em doutoramento, engenheiros enrolados com a dissertação de mestrado, economistas em busca de uma ideia de pesquisa, etc, etc. Nossa proposta para esse ano foi, então, construir uma Formação que integrasse os conhecimentos necessários para pessoas interessadas em lidar com bases de dados, cumprindo as quatro etapas necessárias para qualquer trabalho empírico: coleta de dados, tratamento, análise e apresentação de resultados. O programa completo da Formação envolverá seis módulos e, importante, não irá supor nenhum conhecimento dos alunos. Isso mesmo, a Formação não terá pré-requisitos. Listamos a seguir cada um dos módulos:

 

  • Introdução ao R;
  • Análise Exploratória de Dados;
  • Modelagem 1;
  • Modelagem 2;
  • Modelagem 3;
  • Construindo apresentações e relatórios usando RMarkdown.

 

Vamos começar do zero, com a instalação dos programas necessários e uma introdução ao R e ao RStudio. Depois disso, vamos aprender a coletar e tratar dados com os pacotes do tidyverse. Feito isso, passamos à exploração dos dados. Com os dados coletados, tratados e já com alguma hipótese na cabeça, passamos à etapa de modelagem propriamente dita. Nessa fase, vamos cobrir as três principais estruturas de dados: dados cross-section (corte transversal), séries temporais dados em painel. Por fim, com nosso modelo construído, podemos apresentar os resultados utilizando o Rmarkdown, uma poderosa ferramenta de produção de relatórios e apresentações.

Além dos seis módulos, como grande diferencial da Formação, os alunos também terão acesso à seis mentorias, realizadas via appear.in, com o professor. Nessas mentorias, os alunos poderão tirar dúvidas sobre a hipótese de trabalho, problemas específicos de bases de dados, onde encontrar dados, qual seria o melhor modelo, etc.

Todos os módulos ficarão disponíveis desde o início da Formação e poderão ser acessadas durante 1 ano pelos alunos. Por fim, todos os alunos da Formação também terão acesso a mais de 50 exercícios de análise de dados do Clube do Código, onde poderão ver na prática como coletar, tratar, analisar e apresentar dados!

Nós abriremos as inscrições no final de abril. Quem tiver interesse e quiser colocar o nome na lista, mande e-mail para comercial@analisemacro.com.br e garanta a sua vaga desde já! Para quem se antecipar, daremos desconto de 20%!

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Previsões do Boletim Focus em Anos Eleitorais

Eleições são momentos de incerteza, mas os dados do Boletim Focus mostram que nem toda incerteza é igual. Ao analisar as previsões de inflação, juros e câmbio nos anos que antecederam as eleições de 2014, 2018 e 2022, este post investiga como o mercado revisa cenários macroeconômicos ao longo do tempo.

Como Medir o Ciclo das Concessões de Crédito usando Python

Este exercício apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pró ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem 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.