Pós-Graduação em Ciência de Dados Aplicada para Finanças e Economia

Compartilhar
To prevent automated spam submissions leave this field empty.
  • Modalidade: Live
    Início: 14/11/2024
    Carga Horária:
    432 horas/aula
    Matriculas até: 23/10/2024
    Duração: 14 meses
    Para continuar, escolha a localidade mais próxima de você:
    Visualizar as informações do curso na página
    Para se inscrever em um curso, você deve escolher uma opção acima
    Para baixar o programa em um curso, você deve escolher uma opção disponível
To prevent automated spam submissions leave this field empty.
  • Live

    Cursos com aulas ao vivo em dias e horários pré-estabelecidos, por meio de seu computador ou dispositivo móvel.

    Saiba mais sobre a modalidade ➔
    A Pós-Graduação em Ciência de Dados Aplicada para Finanças e Economia é voltada para profissionais que atuam ou que desejam atuar em empresas de tecnologia, como as fintechs, e em setores em intensa transformação digital, que desejam estruturar planos de investimentos inovadores, tomar decisões baseadas em análise de dados, como estudos de marketing analytics, previsões de demanda, entre outros. O estudante desenvolverá conhecimentos em métodos quantitativos aplicados, de estatística à econometria aplicada, computação aplicada e programação em Python e R, técnicas de machine learning, blockchain e tokenização da economia, além de aprender sobre regulações de fintechs e de meios de pagamentos digitais.

    Trata-se de uma pós-graduação em formato “live”, síncrona e mediada por tecnologia, voltada para profissionais que atuam ou desejam atuar com tomada de decisões baseadas em dados (data analytics). O seu formato permite a customização, podendo o estudante cursar disciplinas de outras ênfases, adequando melhor a jornada acadêmica com a sua formação e com os seus objetivos profissionais.

    Competências desenvolvidas ao longo do curso:
    • analisar grandes bancos de dados
    • realizar estimações, previsões e revisões de previsões
    • programar e montar estratégias de análises considerando quadros regulatórios de mercado
    • analisar novos modelos de negócios e elaboração de novos negócios em empresas de tecnologia
    Acesse o cronograma completo do curso

     

    Aulas semanais - 2ª e 3ª - das 19h às 22h20min.

    Coordenador Acadêmico: Márcio Holland de Brito
    Programa

    Pós-Graduação em Ciência de Dados Aplicada para Finanças e Economia

    Data Analytics & Visualization

    Conceitos iniciais de Data Analytics. Manipulação de datasets e dataframes. Técnicas de sumarização, limpeza e tratamento de dados. Técnicas de imputação estatística de dados. Visualização de dados utilizando o R. Desenvolvimento de relatórios e apresentações dinâmicas e introdução a construção de dashboards. 

    Eletiva 1

    .

    Eletiva 2

    .

    Eletiva 3

    .

    Econometria Aplicada

    Estimador de mínimos quadrados. Modelos de probabilidade (probit e logit). Variáveis instrumentais. Modelos com dados em painel (efeitos fixos e efeitos aleatórios). Estimação e previsão com modelos ARIMA.

    Estatística Aplicada

    Histogramas, medidas de tendência central, medidas de dispersão, escores-Z, box-plot, gráficos de dispersão, medidas de relação. Operadores de somatório e produto, espaço amostral, pontos amostrais e eventos, Teoria da Probabilidade: introdução, propriedades, probabilidade condicional. Variáveis aleatórias discretas e distribuições de probabilidade. Variáveis aleatórias discretas e contínuas e distribuições de probabilidade (esperança matemática, variância e coeficiente de correlação). Variáveis aleatórias contínuas e distribuições de probabilidade (distribuição normal e qui-quadrado). Variáveis aleatórias contínuas e distribuições de probabilidade (distribuição t de Student e F). Inferência estatística, estimação e testes de hipótese: erros tipos I e II, P-valor. Testes de hipótese: média, variância, comparação entre média, variâncias, amostras emparelhadas.

    Linguagem de Programação Aplicada

    Fundamentos de lógica de programação e algoritmos. Noções de R e Python. Visualização de gráficos. Tipos de dados e objetos. Manipulação de dados. Desenvolvimento de scripts, funções e utilização de pacotes.

    Macroeconomia Aplicada

    Mercado de bens e PIB. Mercado monetário e curva de juros. Modelo IS-LM. Mercado de trabalho e curva de Phillips. Abertura no mercado de bens e no mercado financeiro. Regimes cambiais. Depressões e crises. 

    Microeconomia Aplicada

    Sistema de preços de mercado. Teoria do Consumidor e curva de demanda. Teoria da Firma e curva de oferta. Equilíbrio de mercado e eficiência de Pareto. Externalidades e bens públicos. Informação assimétrica. Competição monopolística e monopólio. Oligopólio e Teoria dos Jogos.

    Plano de Negócios II

    Aprender a fazer um Plano de negócios real, a partir dos seus principais conceitos, a saber, funções e aplicações de um Plano de negócios, prospecção de ideias para um novo negócio, modelo de negócio, Canvas de produto, Canvas de negócio, Plano de operações e a sua relação com o Plano financeiro. 
    Como se trata de uma disciplina em que o estudante precisa desenvolver e apresentar um Plano de negócios, mesmo tendo a avaliação composta de 60% de nota de presença e participação em sala de aula e 40% de apresentações, em grupo ou individuais, a participação em sala de aula na forma de debate e discussão sobre os planos de negócios apresentados será muita valorizada.

    Plano de Negócios I

    Aprender a fazer um Plano de negócios real, a partir dos seus principais conceitos, a saber, funções e aplicações de um Plano de negócios, prospecção de ideias para um novo negócio, modelo de negócio, Canvas de produto, Canvas de negócio, Plano de operações e a sua relação com o Plano financeiro. 
    Nessa disciplina, há uma combinação entre aulas expositivas (lectures) sobre a abordagem de como se faz um Plano de negócios com apresentações de estudos de casos e situações reais. Será apresentada a seguinte abordagem teórico-conceitual: conceitos e técnicas relacionados ao desenvolvimento de um Plano de negócios. Funções e aplicações de um Plano de negócios, prospecção de ideias para um novo negócio. Modelo de negócio. Canvas de produto: produto, público e necessidade. Canvas de negócio e os seus elementos. Plano de operações e a sua relação com o Plano financeiro e a viabilidade econômico-financeira do negócio.

    Técnicas de Machine Learning

    Fundamentos de machine learning (tipos de problema, classes de modelos, tipos de erro, treino, teste, complexidade, overfitting). Regressão linear, extensões do modelo linear, regularização, validação, avaliação dos erros de classificação, modelo logístico, Lasso, k-vizinhos mais próximos. Fundamentos de machine learning: tipos de erro, treino, teste; validação, avaliação dos erros de classificação. Implementação dos modelos discutidos em linguagem de programação. Fundamentos de machine learning (tipos de problema, classes de modelos, tipos de erro, treino, teste, complexidade, overfitting); regressão linear; regressão logística; regularização; validação.
    Seminário de Encerramento

    A Pós-Graduação Live prevê um seminário obrigatório ao final como parte da última disciplina do curso. Esse seminário poderá ser realizado remotamente ou presencialmente, na localidade de São Paulo.

    Ao longo do curso, o estudante poderá escolher de que forma participará do evento, se remotamente ou presencialmente.

    Investimento
    Escolha o Município do encontro presencial para exibir as formas de pagamento.
    Escolha o Município do local de prova para exibir as formas de pagamento.
    Público-alvo
    A Pós-Graduação em Ciência de Dados Aplicada para Finanças e Economia é recomendada para:
    • Profissionais que atuam ou que desejam atuar em novos negócios ou novas empresas de tecnologia e em setores em transformação digital, ou que desejam tomar decisões baseadas em dados.
     
    Pré-requisitos do curso:
    • Possuir graduação em diversas áreas, como economia, administração, estatística, matemática, engenharia, direto ou áreas afins.
    Certificado

    Ao ser aprovado no curso de Pós-Graduação Live, você terá direito ao certificado impresso, em nível de especialização (pós-graduação lato sensu), emitido por uma das escolas FGV.
    Ao final de todas as disciplinas, seu certificado é emitido automaticamente e enviado para seu endereço cadastrado no Portal do Aluno, o prazo de entrega está regido por regulamento.

    Processo seletivo

    com processo seletivo: análise curricular

    processo seletivo com análise curricular

     

    • O processo seletivo é composto pela análise curricular do candidato;
    • As informações submetidas pelo candidato e o resultado do processo seletivo serão mantidas em caráter confidencial e divulgadas somente ao e-mail cadastrado.
    • Cópia autenticada do diploma de ensino superior * ;
    • Cópia do documento de Identidade e do CPF.

    *  Não serão aceitos diplomas de cursos superiores sequenciais de formação específica ou certificados de cursos superiores sequenciais de formação complementar, conforme normativa do MEC. O candidato nesta condição poderá se matricular apenas na condição de aluno ouvinte.

    Serão aceitos diplomas de graduação com carga horária mínima de 1600 horas.