Master em Data Science Aplicada

Compartilhar
MUDAR DE LOCALIDADE
São Paulo, SP
Modalidade: Presencial
Escolha uma unidade da FGV
Dias e horários
Selecione
To prevent automated spam submissions leave this field empty.
Dias e horários
Selecione
  • Frequência: Semanal
    2ª e 4ª das 19h30 às 22h50 via webconferência e aos sábados das 09h30 às 16h05 presencial
    Início:15/07/2024
    Data limite de inscrição: 03/07/2024
    Duração: 19 meses
    Carga Horária: 450 horas/aula
    INSCREVA-SE
    RECEBA MAIS INFORMAÇÕES
Visualize as informações do curso na página
Para se inscrever em um curso, você deve escolher uma opção de local e horário acima
Para baixar o programa em um curso, você deve escolher uma opção disponível
INSCREVA-SE
RECEBA O PROGRAMA
To prevent automated spam submissions leave this field empty.
  • Presencial

    Cursos presenciais e semipresenciais.

    Saiba mais sobre a modalidade ➔
    No Master em Data Science Aplicada, oferecido na modalidade semipresencial, você terá a oportunidade de aprimorar seus conhecimentos em um ambiente flexível e adaptado às suas necessidades. Com 8 encontros por disciplina, incluindo 6 aulas ao vivo, duas vezes por semana, das 19h30 às 22h50, e 2 encontros presenciais aos sábados, que englobam a aula inaugural e a de encerramento, você terá acesso a uma formação de qualidade que se ajusta à sua agenda.

    Neste programa, você poderá escolher uma das duas áreas de enfoque oferecidas: Tecnologias Financeiras ou Economia & Negócios em geral. Essa flexibilidade permite que profissionais que já atuam no campo das finanças ou desejam ingressar nesse setor escolham o caminho mais adequado às suas aspirações e aos seus objetivos de carreira.

    Independentemente do enfoque escolhido, o Master em Data Science Aplicada proporcionará as habilidades essenciais para tomar decisões estratégicas e gerenciar empresas com excelência, em um ambiente cada vez mais desafiador e dinâmico. Prepare-se para destacar-se no mundo profissional com uma formação de alto nível e focada nas demandas do mercado.

     

    Clique aqui para visualizar o programa.

    Coordenador Acadêmico: Márcio Holland de Brito
    Programa

    Master em Data Science Aplicada

    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.

    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.?

    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.??

    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.

    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.

    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.

    Eletivas

    A oferta das eletivas sugeridas está sujeita à quantidade mínima de alunos, estabelecida previamente pela coordenação. Serão disponibilizadas eletivas com recomendação para cursar 3 disciplinas, cada uma com duração de 30h-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.

    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.

    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.??

    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.
    Investimento

    Até 31/05/2024

    • R$ 37.573,20 à vista ou até 30x de R$ 1.461,00

    Até 03/07/2024

    • R$ 41.748,00 à vista ou até 30x de R$ 1.624,00
    Público-alvo
    Essa Pós-graduação foi desenhada para que jovens profissionais desenvolvam competências em análises de dados e visualizações, em técnicas de machine learning e inteligência artificial aplicada às empresas de tecnologia financeiras (fintechs) ou aos negócios em geral, como marketing Analytics.
    Certificado

    Ao concluir o Programa de Pós-Graduação Master da FGV EESP você obterá o certificado de especialista em nível de pós-graduação lato sensu com ênfase na área escolhida, que o habilita, inclusive, ministrar aulas em cursos superiores.

     

    “Badge” : seja um Master em Finanças e Economia: Economia de Negócios.

     

                                                                       sem_titulo-1.png

     

    Para alcançar esse badge digital, é necessário cursar 4 disciplinas, obter uma nota igual ou superior a 8,0 (oito) em cada uma delas e ter 85% de frequência. Essa exigência não apenas reconhece o esforço e o comprometimento do(a) aluno(a), mas também reflete um alto padrão de desempenho acadêmico.

    O valor desse badge vai além do reconhecimento interno na instituição educacional. Ao adquiri-lo, os(as) estudantes podem compartilhar suas conquistas nas redes sociais, ampliando sua visibilidade profissional. O LinkedIn, em particular, tem se destacado como uma plataforma essencial para conectar profissionais, participar de discussões relevantes e explorar oportunidades de carreira. Com um badge com a chancela da FGV EESP que destaca seu sucesso acadêmico, os(as) alunos(as) podem potencializar sua credibilidade e aumentar a atratividade para potenciais empregadores.

     

    Processo seletivo

    com processo seletivo: entrevista - MASTER EESP

     

     

    • O processo seletivo é composto por entrevista e análise curricular, podendo ser presencial ou virtual, conforme a escolha e disponibilidade do candidato.
    • Na etapa final da inscrição é necessário agendar a entrevista, considerando a opção desejada.
    • A entrevista é o momento para entender como o curso contribuirá para seus objetivos profissionais, alinhando expectativas entre o candidato e a FGV.
    • Cédula de identidade.
    • Foto digital recente no formato 3x4 (colorida).
    • Diploma do curso de graduação*.
    • Histórico escolar de graduação.

    * Graduação superior com carga horária mínima de 1600 h.a. 
    * 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.