O Master em Data Science Aplicada tem como objetivo capacitar líderes com conhecimento de excelência em Data Science Aplicada para elevar sua carreira a um novo patamar e liderar organizações e equipes, buscando dar um enfoque em sua formação, seja em tecnologias financeiras, seja em economia e negócios em geral.

  • Sobre o Curso

    Sobre o Curso

    • No Master em Data Science, você terá a opção de escolher entre dois enfoques: Tecnologias Financeiras ou Economia & Negócios em geral. Essa escolha é ideal para profissionais que já atuam ou desejam ingressar em empresas de tecnologia ou no campo da economia. Independentemente do enfoque escolhido, você adquirirá as habilidades necessárias para tomar decisões estratégicas e gerenciar com excelência.

  • ESTRUTURA

    • Além das disciplinas da ênfase em Data Science Aplicada, você poderá aprofundar seus conhecimentos nos Cursos de Aperfeiçoamentos do Programa de Pós-Graduação em Finanças e Economia - Master, com cursos de curta duração, de oferta livre, formato "live", voltados para a atualização e reforço de conteúdos.

      Cursos com carga horária de 15h-aula cada, e sua liberação pode variar conforme necessidade do tema. Sua abertura está condicionada a quantidade mínima de alunos, pré-estabelecido pela coordenação. Serão oferecidos mediados por tecnologia, no decorrer do semestre letivo.

       

    • Disciplina

      Semestre

      Carga Horária

      Métodos Matemáticos

      Revisão de álgebra e Geometria: Proporções, desigualdades, intervalos, conjuntos, a reta; Equações e sistemas de equações; Funções; Áreas e funções trigonométricas; Fundamento de Cálculo: Cálculo diferencial; Limites Derivadas e Otimização.

      15 horas

      Matemática Financeira

      Juros Simples; Desconto Simples; Juros Compostos; Taxa Real de Juros; Valor Presente e Taxa Interna de Retorno; Sequências Uniformes e Não Uniformes e Amortização de Empréstimos de Cálculo  

      15 horas

      Contabilidade

      Balanço Patrimonial; Demonstração do Resultado do Exercício; Demonstração dos Fluxos de Caixa; Análise horizontal e análise vertical; Principais técnicas de avaliação econômica e financeira; Principais indicadores de rentabilidade e retorno e margens e Estudo dos efeitos de algumas variáveis econômicas e de mercado sobre o desempenho empresarial  

      15 horas

      Métodos Estatísticos

      Histogramas: Frequência, Assimetria, Quantis; Medidas de Tendência Central: Média, Mediana e Moda; Medidas de Dispersão: Variância e Desvio padrão.;  Escores-Z; Box-Plot; Gráficos de Dispersão e Medidas de Relação: Covariância e Correlação .

      15 horas

      Programação

      Instalação e softwares auxiliares; processamento em R; Gráficos: como fazer gráficos no R (Pacote ggplot2); Programação em R (Operações básicas, Tipos de objetos); Manipulação de dados (Pacotes: readr, readxl, dplyr, tidyr) e Programação em R (Trabalhando com Scripts e projetos, e funções) *

      *Disciplinas passiveis de substituição, mediante a análise e liberação da coordenação, sendo realizada  em modo síncrono por mediação de tecnologia 

      15 horas

      Disciplina

      Semestre

      Carga Horária

      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.  

      30 horas

      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.

      30 horas

      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.

      30 horas

      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. 

      30 horas

      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.  

        

      30 horas

      Técnicas 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.

      30 horas

      Data Analytics & 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.  

      30 horas

      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.  

      30 horas

      Disciplina

      Semestre

      Carga Horária

      Economia Bancária e Fintech

      Modelos de intermediação financeira. Microeconomia bancária. Modelagem da firma bancária. Equilíbrio com racionamento no mercado de crédito. Macroeconomia bancária. Intermediação financeira e crescimento econômico. Sistema financeiro e política monetária. Caracterização dos bancos digitais e fintechs. Normas regulatórias recentes e impactos nos modelos tradicionais de economia bancária.  

       

      30 horas

      Regulação Financeira das Fintechs

      Evolução do Mercado de Pagamentos no Brasil e no mundo; Instituições Financeiras, Fintechs e novas entidades reguladas; Arranjos de pagamento: instrumento de pagamento; interoperabilidade e pagamentos instantâneos; Modelos de Negócio e Produtos: Banking as a Service, Operação White-Label, Open Banking; Sandbox Regulatório: modelos brasileiros e experiências internacionais e Blockchain: Moedas digitais e ativos digitais.

      30 horas

      Modelos de Negócios das Fintechs

      Futuro da Tecnologia; Ecossistema de Fintechs; Eficiência em Meios de Pagamento Eletrônicos; Economia da Informação; Mercado de Plataforma; Blockchain, Criptoativos e Aplicações Empresariais; Tecnologia e Desenvolvimento (ICT4D); Evolução do E-Business e E-Commerce.  

       

      30 horas

      Behavioral Finance

      A performance dos investidores individuais; Excesso de confiança, busca por adrenalina; Disposition effect ; Baixa diversificação, viés local, familiaridade; Ações com cara de loteria; Ações salientes e de onde vêm os vieses comportamentais?  

      30 horas

      Modelos de Previsão

      Visualização de séries temporais; .Princípios básicos de modelos de previsão; Alisamento exponencial; Modelos ARIMA; Modelos de regressão dinâmica e Métodos avançados de previsão.  

      30 horas

      Venture Capital e Private Equity

      Visão panorâmica da indústria brasileira, estruturação de fundos e processo de captação; Ecossistema empreendedor; Investimento e monitoramento das empresas investidas; Risco, retorno e processo de desinvestimento  

      30 horas

      Tópicos em Machine Learning

      Algoritmo KNN (k-nearest neighbors); Agrupamento -K-Means; Técnicas de redução de dimensionalidade –PCA; Técnicas de redução de dimensionalidade/classificação -LDA; Aprendizagem supervisionada com SVM (Support vector machine); Algoritmos de Interpolação (Cubic Spline / Constrained Cubic Spline / Bilinear), Métodos de otimização Numérica (Método de Newton, Newton's raphson, BFGS, Nelder–Mead, Gradient Descent)  

      30 horas

      Tópicos em Programação

      Ferramentas avançadas para trabalhar com coleções; Uso aprofundado do Numpy e Pandas; Recursos gráficos no Python;  Uso e análise de dados categorizados;  Ferramentas de strings: parse e expressões regulares;  Ferramentas de Data Science: recursos de patsy e scikitlearn  

      A abertura das eletivas sugeridas está condicionada a quantidade mínima de alunos, pré-estabelecido pela coordenação.

      30 horas

      Disciplina

      Semestre

      Carga Horária

      Marketing Digital

      Tendências e apresentação do mundo do Marketing Digital; Marketing de Ferramentas de Busca; SEO e PPC; Marketing de Redes Sociais; Marketing de Conteúdo; Social Selling e  Construindo funis de relacionamentos digitais.

      30 horas

      Marketing Analytics

      Introdução ao Marketing Analytics; Métricas de Performance para Sites;· Métricas do Google Analytics; Métricas de Social Media Marketing;Métricas para Video Marketing e Métricas de Performance.

      30 horas

      Behavioral Finance

      A performance dos investidores individuais; Excesso de confiança, busca por adrenalina; Disposition effect ; Baixa diversificação, viés local, familiaridade; Ações com cara de loteria; Ações salientes e de onde vêm os vieses comportamentais?  

      30 horas

      Blockchain & Token Economy

      Bitcoin e blockchain - Origens históricas e propostas de valor; Introdução à tecnologia - Livro-razão distribuído, prova de trabalho, mineração, remuneração, carteiras etc; Contratos inteligentes - Conceito básico, potenciais, limitações; Tipos de DLTs - Permissionadas, não permissionadas, com ou sem blockchain; Alternativas da tecnologia - Protocolos de segunda camada, outros algoritmos de consenso; Decentralized Finance (DeFi); Non Fungible Tokens (NFT); Decentralized Autonomous Organizations (DAOs); Central BanksDigitalCurrencies (CDBC); Identidades autossoberanas; Web3–A Futura Arquitetura da Web.  

      30 horas

      Tópicos em Programação

      Ferramentas avançadas para trabalhar com coleções; Uso aprofundado do Numpy e Pandas; Recursos gráficos no Python;  Uso e análise de dados categorizados;  Ferramentas de strings: parse e expressões regulares;  Ferramentas de Data Science: recursos de patsy e scikitlearn  

      30 horas

      Tópicos em Data Analytics & Visualization

      Algoritmo KNN (k-nearest neighbors); Agrupamento -K-Means; Técnicas de redução de dimensionalidade –PCA; Técnicas de redução de dimensionalidade/classificação -LDA; Aprendizagem supervisionada com SVM (Support vector machine); Algoritmos de Interpolação (Cubic Spline / Constrained Cubic Spline / Bilinear), Métodos de otimização Numérica (Método de Newton, Newton's raphson, BFGS, Nelder–Mead, Gradient Descent)  

      30 horas

      Deep Learning e Redes Neurais

      Aprender os conceitos e técnicas de Redes Neurais e Deep Learning.; ntender os conceitos básicos de Redes Neurais e Deep Learning;  Circunstâncias de aplicação dessa abordagem; - Conhecer as técnicas usuais de otimização matemática desses métodos e conhecer aplicações de casos supervisionados dessa técnica: Redes Neurais Artificiais, Redes Neurais Convolucionais, Redes Neurais Recorrentes; 

       

      A abertura das eletivas sugeridas está condicionada a quantidade mínima de alunos, pré-estabelecido pela coordenação.

      30 horas

Informações sobre o Programa

Disciplinas com Enfoque

Direcionar o foco para Tecnologia Financeira ou em Economia & Negócios

Certificação Badge

Certificações que validam conhecimentos específicos e particularidades de um profissional diferenciado

Cursos de Aperfeiçoamento

Cursos de curta duração, voltados para a atualização de conteúdo e desenvolvimento profissional

 

Participe do encontro com a coordenação

Atualmente não há eventos programados.

Avise-me

Receba as notícias da FGV EESP

A A A
Alto contraste

Esse site usa cookies

Nosso website coleta informações do seu dispositivo e da sua navegação e utiliza tecnologias como cookies para armazená-las e permitir funcionalidades como: melhorar o funcionamento técnico das páginas, mensurar a audiência do website e oferecer produtos e serviços relevantes por meio de anúncios personalizados. Para mais informações, acesse o nosso Aviso de Cookies e o nosso Aviso de Privacidade.