Logotipo Análise Macro
Modelos Preditivos de Machine Learning usando R

Programa e informações gerais do curso

1 Resumo

O curso ensina a construir modelos de machine learning em R para prever variáveis macroeconômicas brasileiras, como IPCA, IGP-M, taxa de câmbio, crédito, nível de atividade, desemprego, Selic e variáveis fiscais e externas. O foco é montar um ambiente automático de previsão que vai da coleta dos dados até a apresentação dos resultados, sem depender de planilhas de Excel ou de softwares pagos.

O trabalho é totalmente hands-on. Para cada variável você automatiza a coleta, faz o tratamento dos dados, treina e testa diferentes algoritmos, gera previsões fora da amostra e monta um dashboard em Shiny para visualizar os resultados. Ao longo do curso são aplicados algoritmos como Regressão, LASSO, Bagging, CSR, Random Forest, Redes Neurais, Árvores de Decisão e SVM, entre outros.

O curso é voltado a quem trabalha com análise de variáveis macroeconômicas e quer automatizar esse processo com programação: estudantes de pós-graduação interessados em modelos de previsão, professores de ensino e pesquisa em modelos preditivos e profissionais de mercado que buscam ferramentas avançadas de forecasting.

Ficha técnica
Categoria Especialização em R
Carga horária total 120 horas
Horas de vídeo 30 horas
Número de aulas 27
Nível Avançado
Certificado Sim

2 Pré-requisitos e Objetivos

Pré-requisitos

  • Saber programar com a linguagem R
  • Estatística aplicada
  • Econometria aplicada
  • Análise de séries temporais
  • Macroeconomia aplicada e análise de conjuntura

O que você será capaz de fazer

  • Implementar na prática modelos de machine learning para previsão de variáveis macroeconômicas
  • Automatizar a coleta e o tratamento das variáveis usadas nos modelos
  • Construir um ambiente automático que cobre coleta, tratamento, modelagem e apresentação dos resultados
  • Treinar e testar diferentes algoritmos e gerar previsões fora da amostra
  • Desenvolver dashboards em Shiny para visualizar as projeções de cada variável

Habilidades e ferramentas

  • Linguagem: R
  • Dashboards: Shiny
  • Algoritmos: Regressão, LASSO, Bagging, CSR, Random Forest, Redes Neurais, Árvores de Decisão, SVM, entre outros
  • Aplicações: automatização da coleta de dados, tratamento de séries, treino e teste de modelos, previsão fora da amostra

3 Programa Detalhado

  • Seção 01 — Apresentação do Curso e Introdução a Modelos Preditivos
  • Seção 02 — Modelos de Previsão para a inflação medida pelo IPCA
  • Seção 03 — Criando um dashboard em Shiny para previsão da inflação (IPCA)
  • Seção 04 — Modelos de Previsão para a Produção Industrial
  • Seção 05 — Dashboard em Shiny para previsão da Produção Industrial
  • Seção 06 — Prevendo os Serviços (PMS)
  • Seção 07 — Dashboard em Shiny para previsão de Serviços
  • Seção 08 — Modelando as Vendas do Comércio (PMC)
  • Seção 09 — Dashboard em Shiny para previsão das Vendas do Comércio
  • Seção 10 — Nowcasting do PIB
  • Seção 11 — Dashboard de Nowcasting do PIB
  • Seção 12 — Modelo de Previsão do Desemprego (PNAD Contínua)
  • Seção 13 — Dashboard de previsão para o desemprego
  • Seção 14 — Modelo de Previsão para Crédito a Pessoa Física
  • Seção 15 — Dashboard de previsão do Crédito a Pessoa Física
  • Seção 16 — Modelo de Previsão para a Taxa Selic
  • Seção 17 — Dashboard de Previsão para a Taxa Selic
  • Seção 18 — Modelo de Previsão para a taxa de câmbio R\(/US\)
  • Seção 19 — Dashboard de previsão da taxa de câmbio R\(/US\)
  • Seção 20 — Modelos de Previsão do IGP-M
  • Seção 21 — Dashboard de previsão do IGP-M
  • Seção 22 — Previsão de Variáveis Fiscais Brasileiras
  • Seção 23 — Dashboard de Previsão de Variáveis Fiscais Brasileiras
  • Seção 24 — Previsão de Variáveis Externas
  • Seção 25 — Dashboard de Previsão de Variáveis Externas

4 Inscrição

A matrícula dá acesso às aulas em vídeo, aos slides e códigos para download, ao suporte da IA Jobs (disponível 24/7) e ao certificado de conclusão do curso.