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.
