Pós-Graduação em Ciência de Dados Aplicada para Finanças e Economia

Previsão: 13/10/2025

O que é o curso

Tome decisões financeiras estratégicas baseadas em dados.

Com a Pós-Graduação em Ciência de Dados Aplicada para Finanças e Economia, você será capaz de analisar e atuar em novos modelos de negócios. Você vai adquirir uma visão abrangente sobre as fintechs e os meios de pagamento digitais, dominando temas como machine learning, blockchain e tokenização da economia, além dos aspectos regulatórios do setor.

Abordagem estratégica da análise de dados aplicada ao setor financeiro

Na Pós-Graduação em Ciência de Dados Aplicada para Finanças e Economia, você desenvolverá competências para analisar grandes bancos de dados (big data), criar estratégias e realizar previsões. Vai adquirir conhecimentos sobre métodos quantitativos aplicados, estatística, econometria, computação e programação em Python e R.

Para quem é o curso

| Graduados em Administração, Estatística, Matemática, Engenharia, Direto e áreas afins.

| Profissionais que atuam ou desejam atuar em empresas de tecnologia e em setores que estão passando por transformação digital.

Pré-requisitos:

| Ter graduação completa.

O que você vai aprender

Desenvolva competências para estruturar e gerenciar planos de investimento inovadores:

| Aplicar os fundamentos de lógica de programação e de algoritmos.

| Elaborar estratégias de análises de dados observando os quadros regulatórios do mercado.

| Analisar e estruturar novos negócios em empresas de tecnologia.

O que você vai ver nesse curso

Conceitos iniciais de Data Analytics. Manipulação de datasets e dataframes. Técnicas de sumarização, limpeza e tratamento de dados. Técnicas de imputação estatística de dados. Visualização de dados utilizando o R. Desenvolvimento de relatórios e apresentações dinâmicas e introdução a construção de dashboards.

O estudante deverá escolher uma das seguintes disciplinas recomendadas para o curso: Técnicas Avançadas de Machine Learning Modelos de Previsão Modelo de Negócios das Fintechs Blockchain & Token Economy

Estimador de mínimos quadrados. Modelos de probabilidade (probit e logit). Variáveis instrumentais. Modelos com dados em painel (efeitos fixos e efeitos aleatórios). Estimação e previsão com modelos ARIMA.

Histogramas, medidas de tendência central, medidas de dispersão, escores-Z, box-plot, gráficos de dispersão, medidas de relação. Operadores de somatório e produto, espaço amostral, pontos amostrais e eventos, Teoria da Probabilidade: introdução, propriedades, probabilidade condicional. Variáveis aleatórias discretas e distribuições de probabilidade. Variáveis aleatórias discretas e contínuas e distribuições de probabilidade (esperança matemática, variância e coeficiente de correlação). Variáveis aleatórias contínuas e distribuições de probabilidade (distribuição normal e qui-quadrado). Variáveis aleatórias contínuas e distribuições de probabilidade (distribuição t de Student e F). Inferência estatística, estimação e testes de hipótese: erros tipos I e II, P-valor. Testes de hipótese: média, variância, comparação entre média, variâncias, amostras emparelhadas.

Fundamentos de lógica de programação e algoritmos. Noções de R e Python. Visualização de gráficos. Tipos de dados e objetos. Manipulação de dados. Desenvolvimento de scripts, funções e utilização de pacotes

Mercado de bens e PIB. Mercado monetário e curva de juros. Modelo IS-LM. Mercado de trabalho e curva de Phillips. Abertura no mercado de bens e no mercado financeiro. Regimes cambiais. Depressões e crises.

Sistema de preços de mercado. Teoria do Consumidor e curva de demanda. Teoria da Firma e curva de oferta. Equilíbrio de mercado e eficiência de Pareto. Externalidades e bens públicos. Informação assimétrica. Competição monopolística e monopólio. Oligopólio e Teoria dos Jogos.

Aprender a fazer um Plano de negócios real, a partir dos seus principais conceitos, a saber, funções e aplicações de um Plano de negócios, prospecção de ideias para um novo negócio, modelo de negócio, Canvas de produto, Canvas de negócio, Plano de operações e a sua relação com o Plano financeiro. Como se trata de uma disciplina em que o estudante precisa desenvolver e apresentar um Plano de negócios, mesmo tendo a avaliação composta de 60% de nota de presença e participação em sala de aula e 40% de apresentações, em grupo ou individuais, a participação em sala de aula na forma de debate e discussão sobre os planos de negócios apresentados será muita valorizada.

Aprender a fazer um Plano de negócios real, a partir dos seus principais conceitos, a saber, funções e aplicações de um Plano de negócios, prospecção de ideias para um novo negócio, modelo de negócio, Canvas de produto, Canvas de negócio, Plano de operações e a sua relação com o Plano financeiro. Nessa disciplina, há uma combinação entre aulas expositivas (lectures) sobre a abordagem de como se faz um Plano de negócios com apresentações de estudos de casos e situações reais. Será apresentada a seguinte abordagem teórico-conceitual: conceitos e técnicas relacionados ao desenvolvimento de um Plano de negócios. Funções e aplicações de um Plano de negócios, prospecção de ideias para um novo negócio. Modelo de negócio. Canvas de produto: produto, público e necessidade. Canvas de negócio e os seus elementos. Plano de operações e a sua relação com o Plano financeiro e a viabilidade econômico-financeira do negócio.

Fundamentos de machine learning (tipos de problema, classes de modelos, tipos de erro, treino, teste, complexidade, overfitting). Regressão linear, extensões do modelo linear, regularização, validação, avaliação dos erros de classificação, modelo logístico, Lasso, k-vizinhos mais próximos. Fundamentos de machine learning: tipos de erro, treino, teste; validação, avaliação dos erros de classificação. Implementação dos modelos discutidos em linguagem de programação. Fundamentos de machine learning (tipos de problema, classes de modelos, tipos de erro, treino, teste, complexidade, overfitting); regressão linear; regressão logística; regularização; validação.

Coordenação do Curso

Márcio Holland de Brito

em pós-doutorado em Economia pela University of California, Berkeley (2004/2005), doutor em economia pelo Instituto de Economia da Unicamp, é pesquisador produtividade em pesquisa CNPq, nível 1, desde março de 2000. Foi visiting scholar no Center for Latin American Studies da UC-Berkeley. Foi Secretário Executivo Adjunto da ANPEC (Associação Nacional dos Centros de Pós-Graduação em Economia). É, atualmente, professor na Escola de Economia da Fundação Getúlio Vargas, São Paulo, SP (desde agosto de 2006). Realiza pesquisas sobre macroeconomia aberta e finanças internacionais, especialmente sobre o comportamento da taxa de câmbio, escolha de estratégias monetária e cambial, determinação da taxa de juros e questões diversas associadas com a relação entre taxa de juros, taxa de câmbio, risco-país, entre outros. Tem também pesquisando regularmente sobre crescimento econômico a partir de modelos de crescimento com restrições de balanço de pagamentos e especialização produtiva. Tem publicado artigos científicos nos principais periódicos científicos nacionais e alguns internacionais, além de participação regular em jornais de grande circulação nacional.