Master em Data Science Aplicada
Nivelamentos
Disciplinas passíveis de liberação de carga, mediante análise e autorização da coordenação. Essas disciplinas serão realizadas no início do curso, por mediação de tecnologia. Serão oferecidas as seguintes disciplinas de nivelamento: Métodos Matemáticos, Matemática Financeira, Contabilidade, Métodos Estatísticos e Programação, cada uma com duração de 15h-a.
Métodos Estatísticos Aplicados
Teoria da Probabilidade: Introdução, Propriedades, Probabilidade Condicional, Teorema de Bayes; Variáveis Aleatórias Discretas e Distribuições de Probabilidade: Uniforme, Bernoulli, Binomial, Hipergeométrica, Poisson; Variáveis Aleatórias Contínuas e Distribuições de Probabilidade: Uniforme, Normal, Qui-Quadrado, T-Student, F; Estimação e Testes de Hipótese: Erro Tipo I e II, P-valor, Média, Diferença entre Médias, Proporção, Diferença entre Proporções, Variância, Comparação entre Variâncias, Amostras Emparelhadas.
Econometria Aplicada
Ajustando curvas e retas aos dados: O método de Mínimos Quadrados; propondo um Modelo: Regressão, o que é e quando utilizar? Avaliando o Modelo de Regressão: Testes de Especificação e violações das hipóteses; E se tivermos viés na estimação? Introdução à Variáveis Instrumentais; Introdução às séries de tempo: Correlograma, Memória e Processos Básicos; Regressão espúria: o que é e como detectar e Introdução aos dados de Painel: Efeito Fixo e Aleatório.
Computação Aplicada
A teoria Metodologia de Modelagem Quantitativa Aplicada a Economia e Finanças; Técnicas para implementação computacional de modelos e melhores práticas; Conceitos básicos de lógica programação e estrutura de dados; modelagem quantitativa computacional para problemas reais que envolvem simulação, processos numéricos para solução de equações, séries temporais e métodos de otimização, entre outras técnicas aplicadas a problemas de finanças, economia e estatística.
Programação em Python
Elementos básicos da linguagem; tipos de dados; controle de fluxo (if, for etc); noções de numpy, elementos de Pandas; análise descritiva com Seaborne e MatplotLib; elementos básicos do ScikitLearn.
Applied Time Series Analysis
Introdução à Análise de Séries Temporais, principais fontes e características dos dados financeiros; Modelos ARMA suas aplicações para Finanças; Testes de Raiz Unitária; Modelos ARIMA e SARIMA. Aplicações da teoria dos mercados eficientes; Modelagem da volatilidade de ativos (ARCH e GARCH); Modelos Autorregressivos Vetoriais– VAR. 6.1. Causalidade de Granger; 6.2. Função de Resposta ao Impulso; Modelos de Correção de Erros Vetoriais – VECM.
Técnica de Machine Learning
Introdução Regressão; Regressão com penalização (LASSO, Ridge e outros); Modelos de escolha binária (Logit/Probit/. Naïve Bayesian Classifier); Técnicas de Bagging/ Boosting; Regression Tree/ Random Fores; Redes Neurais e Dados de Network.
Data Analytics e Visualization
Conceitos Básicos e Manipulação de Datasetse Dataframes; Técnicas de sumarização, limpeza e imputação de dados; Visualização de dados; Desenvolvimento de Dashboards E Introdução ao Web Scraping.
MasterClass em Data Science Aplicada
Seminários e mesas redondas com o professor e seus convidados para discutir e apresentar temas atualizados do mundo da inteligência artificial, estudos de casos em data Analytics, modelos de fintechs e temas da fronteira de Data Science voltada para finanças e negócios em geral.
Eletivas
A seguir, algumas das principais disciplinas eletivas oferecidas no Master:
- Applied Time Series Analysis
- Behavioral Finance
- Blockchain & Token Economy
- Business Plan
- Deep Learning e Redes Neurais
- Econometria Aplicada
- Economia Bancária e Fintechs
- Engenharia Financeira
- Fundos Imobiliários
- Gestão de Pessoas
- Gestão de Riscos Financeiros
- Marketing Analytics
- Marketing Digital
- Meios de Pagamentos Digitais
- Modelos de Negócios das Fintechs
- Modelos de Previsão
- Planejamento e Orçamento Empesarial
- Planejamento e Tributário
- Programação em Python
- Regulação Financeira e Fintechs
- Tópicos de Programação
- Tópicos em Business Plan
- Tópicos em Controladorua e Auditoria
- Tópicos em Data Analytics & Visualization
- Tópicos em Machine Learning
- Valuation de Empresas
- Venture Capital e Private Equity
Além das eletivas sugeridas, os alunos dos Programas de Pós-Graduação Master podem cursar disciplinas de outras áreas de concentração e, até duas disciplinas no Mestrado Profissional em Economia.
Fórum de discussão
São 60h de atividades complementares, através de desafios propostos para os alunos, ao longo do curso. Eles resolverão 15 desafios, com cada um deles correspondendo a 4 horas. 15x4 = 60h de Desafios.
