Programa Master em Data Science Aplicada
Consolide sua posição como líder estratégico em Ciência dos Dados
O Programa de Pós-Graduação Lato Sensu - Master em Data Science Aplicada você terá a opção de escolher entre dois enfoques: Tecnologias Financeiras ou Economia & Negócios, essa escolha é ideal para profissionais que já atuam ou desejam ingressar em empresas de tecnologia, ou no campo da economia.
Eleve sua carreira a um novo patamar, desenvolvendo competências que permitem tomar decisões estratégicas e gerenciar com excelência.
16 / 01 / 2026
Formato Semipresencial ( Blended )
Formato
Cada disciplina é composta por 8 encontros. As aulas ao vivo ocorrem duas vezes por semana, das 19h30 às 22h50, totalizando 6 aulas ao vivo por disciplina. Além dessas aulas, há encontros presenciais aos sábados, que incluem a primeira aula e a aula de encerramento de cada disciplina. No total, são aproximadamente 11 encontros presenciais aos sábados ao longo do ano.
Flexibilidade
O formato semipresencial oferece flexibilidade para que você possa conciliar seus estudos com outras atividades. Além disso, esse modelo permite aproveitar a infraestrutura da FGV EESP e promove uma aprendizagem mais colaborativa.
Networking
Essa interação também contribui para o fortalecimento de uma rede de contatos ampla e diversificada, essencial para o crescimento pessoal e profissional dos participantes
PARA QUEM
O Programa Master em Data Science Aplicada é feito para você que:
Transformar a carreira com o uso de Ciência dos Dados
Desenvolva habilidades avançadas em análise de dados e machine learning, aplicando o conhecimento em projetos reais e desafiadores. Prepare-se para liderar no futuro da ciência de dados com a excelência acadêmica e o suporte de uma das melhores instituições do Brasil.
Capacitar-se para liderar com excelência em Data Analytics & Visualization
Nosso curso prepara líderes para elevar suas carreiras, oferecendo uma formação aprofundada em tecnologias financeiras (fintechs) e em economia e negócios como marketing analytics. Desenvolva habilidades avançadas para impactar organizações e equipes, e alcance novos patamares de sucesso profissional.
Está interessado em elevar a sua carreira com expertise em análise aplicada
O Master em Data Science Aplicada da FGV EESP é ideal para quem busca uma transformação de carreira, oferecendo o conhecimento e expertise necessários para ingressar e se destacar no dinâmico campo da ciência de dados aplicada às finanças, economia e negócios em geral.
Título concedido
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.
Experiência de aprendizagem exclusiva
Metodologia desenvolvida pelo NAPPE para atender o perfil dos alunos e alunas dos cursos de pós-graduação profissional e executiva da FGV EESP.
Integração entre conhecimento teórico e prático
As aulas são divididas em três blocos: introdução do tema, exposição do conteúdo pelo(a) professor(a) e aplicação prática em atividades em grupo.
Desenvolvimento de competências essenciais
A metodologia é projetada para desenvolver o domínio do pensamento crítico, da resolução de problemas e de habilidades de comunicação.
SEU DIA A DIA
A sua trajetória no curso
O Master em Data Science Aplicada oferece uma formação completa, integrando teoria e prática para preparar você para o mercado com uma combinação única de conhecimento acadêmico e experiência prática. Nossas certificações asseguram que você possui as habilidades específicas e a expertise valorizada por profissionais e empresas do setor.
Primeiro e Segundo trimestre
Inclui disciplinas de nivelamento que proporcionam uma base essencial para os temas mais avançados, abrangendo fundamentos em finanças, economia, contabilidade, matemática, estatística e programação, além das disciplinas obrigatórias de Data Science Aplicada. As disciplinas de nivelamento são passíveis de liberação de carga, após análise da coordenação.
Terceiro e Quarto trimestre
Inclui as disciplinas obrigatórias da área de Data Science Aplicada, completadas por fóruns de discussão que enriquecem o aprendizado e contribuem significativamente para a formação acadêmica.
Quinto trimestre
O Programa oferece disciplinas eletivas que podem abranger as outras áreas de concentração dos Programas Masters e o até duas disciplinas no curso de Mestrado Profissional em Finanças e Economia, alinhadas aos seus interesses. Isso assegura uma formação ampla, especializada e de alta qualidade. Ao concluir as 450 horas-aula do Programa Master, você receberá o Certificado de Especialista (MEC), reconhecendo sua expertise.
Competências adquiridas
Desenvolvimento de Soluções Tecnológicas
Desenvolva competências em programação e tecnologias financeiras, permitindo criar soluções inovadoras para o setor financeiro e outros campos de negócios. Ideal para profissionais que buscam ingressar em empresas de tecnologia.
Gestão Estratégica
Adquira habilidades para gerenciar projetos e equipes de forma eficiente, utilizando dados para orientar decisões estratégicas. Essencial para liderar com excelência em um ambiente empresarial dinâmico e orientado por dados.
Análise de Dados Avançada
Aprenda a manipular, analisar e interpretar grandes volumes de dados utilizando ferramentas e técnicas de data science. Habilidade essencial para transformar dados brutos em insights valiosos para a tomada de decisões estratégicas.
Conheça a estrutura do programa
Nosso currículo é contemporâneo e flexível, proporcionando aos alunos uma formação abrangente ao longo de todo o curso.
Métodos Matemáticos - 15 horas
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.
Matemática Financeira - 15 horas
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
Contabilidade - 15 horas
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
Métodos Estatísticos - 15 horas
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 .
Programação - 15 horas
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
Métodos Estatísticos Aplicados - 30 horas
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.
Econometria Aplicada - 30 horas
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.
Applied Time Series Analysis - 30 horas
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 - 30 horas
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.
Programação em Python - 30 horas
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.
Técnicas de Machine Learning - 30 horas
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.
Data Analytics & Visualization - 30 horas
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.
MasterClass em Data Science Aplicada - 30 horas
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.
Economia Bancária e Fintech - 30 horas
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.
Regulação Financeira das Fintechs - 30 horas
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.
Modelos de Negócios das Fintechs - 30 horas
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.
Behavioral Finance - 30 horas
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?
Modelos de Previsão - 30 horas
Visualização de séries temporais; Princípios básicos de modelos de previsão; Alisamento exponencial; Modelos ARIMA; Previsão de séries hierárquicas/agrupadas; e Métodos avançados de previsão. Todas as aulas são ministradas por meio da utilização do software R.
Venture Capital e Private Equity - 30 horas
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
Tópicos em Machine Learning - 30 horas
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)
Tópicos em Programação - 30 horas
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.
Marketing Digital - 30 horas
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.
Marketing Analytics - 30 horas
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.
Behavioral Finance - 30 horas
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?
Blockchain & Token Economy - 30 horas
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.
Tópicos em Programação - 30 horas
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
Tópicos em Data Analytics & Visualization - 30 horas
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)
Deep Learning e Redes Neurais - 30 horas
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.
Badges para alunos em destaques
O Badge oferece um reconhecimento valioso que vai além do âmbito interno da instituição. Ao conquistar essa moeda digital, os estudantes não apenas validam suas conquistas acadêmicas, mas também ganham a oportunidade de compartilhar essas realizações nas redes sociais, aumentando significativamente sua visibilidade e credibilidade profissional.
Para alcançar essa medalha digital, é necessário não apenas completar 4 disciplinas, mas também obter uma nota superior a 8 em cada uma delas e 85% de frequência. Essa exigência não apenas reconhece seu esforço e o comprometimento, mas também reflete um alto padrão de desempenho acadêmico.
Disciplinas que fazem parte do Badges:
MASTER EXPERT IN ANALYTICS
- Técnicas De Machine Learning
- Programação Em Python
- Data Analytics E Visualização
- Modelos De Previsão
COMO APLICAR
Conheça o nosso
Processo seletivo
Os Programas de Pós-Graduação - Master, possuem processos seletivos semestrais.
Professores dos Programas Master
Conheça as nossas instalações
O campus da Escola de Economia da FGV prioriza um ambiente que estimula a convivência e o networking, com espaços confortáveis, modernos e funcionais.
Investimento
Egressos FGV EESP da graduação e lato sensu (Masters, antigos CEABE e CEAFE e Educação Executiva oferecidos pelo IDE certificados pela FGV EESP), terão um benefício de 30% de desconto sobre o valor regular do curso.
Egressos da FGV, terão o benefício de 20% de desconto sobre o valor regular do curso.
Importante:
- os descontos não são cumulativos;
- o Programa Master não oferece acesso ao Fundo de Bolsas da FGV ou bolsas de estudos;
- ex-alunos de cursos de curta duração ou de extensão da FGV não recebem benefícios;
- Os valores das mensalidades são de Julho de 2025, e podem sofrer reajuste sem aviso prévio com base no IPC-DI ou outro índice que venha a substituí-lo.
Condições especiais para empresas parceiras, consulte pelo e-mail: master.economia@fgv.br
Intercâmbio e Colocação Profissional
Criada em 2010, a Coordenadoria de International Affairs tem como meta o desenvolvimento de parcerias com instituições internacionais a fim de contribuir para o aprimoramento do aprendizado dos alunos da Escola de Economia de São Paulo. Ter uma experiência no exterior ajuda tanto na vida acadêmica quanto na vida pessoal. Quando o aluno estuda em outro país, ele vive outra cultura, encara novos desafios, aproveita oportunidades diferentes e volta com uma visão de mundo mais ampla e global.
Excelência em educação e pesquisa em Economia
Ao longo de 20 anos, a FGV EESP construiu rapidamente a reputação de uma escola exigente e desafiadora, que oferece um ensino de fronteira e excelência na área de Economia, formando não só economistas que se destacam no mercado, mas também pesquisadores que atuam nas mais importantes universidades do mundo.
Faça o seu próprio caminho de estudos
O aluno avulso pode se matricular em até 4 disciplinas dos Programas Master, com um limite de duas disciplinas por trimestre, sem a necessidade de vínculo com o curso completo. O pagamento é feito apenas pelas disciplinas cursadas. Caso o aluno deseje se tornar estudante regular posteriormente, poderá solicitar o aproveitamento integral das disciplinas já concluídas, com um prazo de até cinco anos para fazê-lo.
Informação e conhecimento sempre à mão
A reputação da FGV EESP está baseada na qualidade do ensino e em torná-lo acessível, nas pesquisas e tecnologia de ponta, na internacionalização e no impacto que sua produção intelectual tem na sociedade.
Contato
Supervisão: Marcia Galastri Torres
Assistentes: Adriana Mendes e Leia Souza
Rua Doutor Plínio Barreto, 365 – 14º andar Bela Vista – 01313-020 – São Paulo - Brasil
Telefones: (11) 3799-3473 / 3799-3220
Horário de atendimento Presencial: 2ª a 6ª das 12h00 – 20h30
e-mail: master.economia@fgv.br
Coordenação Acadêmica
Bruno Tebaldi De Queiroz Barbosa
O Alumni FGV EESP é uma rede de contatos destinada a ex- alunos da Escola de Economia de São Paulo da Fundação Getulio Vargas, que visa a construção de uma sólida comunidade para troca de informações e conexões. Participe, envie um e-mail para alumni.eesp@fgv.br, com seu nome completo, RG, código do aluno, nome do curso e ano de conclusão.