Master em Data Science Aplicada
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
Compostas por seminários e mesas-redondas conduzidos pelo professor e convidados. Os encontros abordarão temas atuais e relevantes nas áreas de Inteligência Artificial, Economia de Negócios, Investimentos e Finanças.
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.
Projeto de Pesquisa
A disciplina de Projeto de Pesquisa foi concebida para integrar teoria e prática ao longo de toda a jornada do aluno na estrutura dos Programas Master, promovendo o desenvolvimento progressivo.
