Insights práticos, exemplos reais e espaço para perguntas ao vivo. PARTICIPE DA LIVE GRATUITA

Árvores de Decisão Aplicadas ao Mercado Financeiro

O curso Árvores de Decisão Aplicadas ao Mercado Financeiro foi desenvolvido para capacitar profissionais de Ciência de Dados e Machine Learning a construir, avaliar e interpretar modelos baseados em árvores de decisão e métodos ensemble aplicados a problemas reais do setor financeiro.

32 horas Ao vivo Avançado
Comprar curso
Árvores de Decisão Aplicadas ao Mercado Financeiro
Ciência de Dados

Explore mais sobre o curso

Com abordagem avançada e fortemente orientada à prática, o curso combina fundamentos estatísticos, técnicas modernas de machine learning e requisitos específicos do mercado financeiro, como gestão de risco, interpretabilidade, robustez, validação temporal e aderência regulatória. Serão explorados casos de uso como score de crédito, inadimplência, fraude, propensão, segmentação e pricing, utilizando dados realistas e métricas adequadas ao contexto financeiro. O curso enfatiza não apenas a performance preditiva, mas também a governança de modelos, a análise de estabilidade, o impacto financeiro das decisões e a comunicação adequada dos resultados, preparando o participante para atuar em ambientes corporativos, auditáveis e regulados.

Módulos do Curso

  • Conceitos estatísticos relevantes ao mercado financeiro Fundamentos Estatísticos e Financeiros das Árvores de Decisão
  • Variáveis explicativas, resposta binária e regressão Fundamentos Estatísticos e Financeiros das Árvores de Decisão
  • Natureza dos dados financeiros: desbalanceamento, ruído e instabilidade Fundamentos Estatísticos e Financeiros das Árvores de Decisão
  • Papel da modelagem preditiva em decisões financeiras Fundamentos Estatísticos e Financeiros das Árvores de Decisão
  • Limitações de modelos lineares em problemas não lineares Fundamentos Estatísticos e Financeiros das Árvores de Decisão
  • Estrutura de árvores de decisão Árvores de Decisão: Conceitos Avançados
  • Critérios de divisão (Gini, Entropy, Gain Ratio) Árvores de Decisão: Conceitos Avançados
  • Overfitting, underfitting e profundidade ótima Árvores de Decisão: Conceitos Avançados
  • Poda e regularização de árvores Árvores de Decisão: Conceitos Avançados
  • Impacto das decisões de split em modelos financeiros Árvores de Decisão: Conceitos Avançados
  • Problemas de classes desbalanceadas no mercado financeiro Desbalanceamento, Custos e Métricas Financeiras
  • Métricas adequadas: AUC, KS, lift, gain, precisão por faixa de risco Desbalanceamento, Custos e Métricas Financeiras
  • Custos de falso positivo e falso negativo Desbalanceamento, Custos e Métricas Financeiras
  • Curvas ROC e Precision-Recall sob ótica financeira Desbalanceamento, Custos e Métricas Financeiras
  • Thresholds e políticas de decisão Desbalanceamento, Custos e Métricas Financeiras
  • Bagging e Random Forest Ensemble Methods Aplicados a Finanças
  • Boosting: AdaBoost, Gradient Boosting Ensemble Methods Aplicados a Finanças
  • XGBoost, LightGBM e CatBoost (visão conceitual e prática) Ensemble Methods Aplicados a Finanças
  • Comparação entre modelos simples e ensembles Ensemble Methods Aplicados a Finanças
  • Trade-off entre performance e interpretabilidade Ensemble Methods Aplicados a Finanças
  • Importância de variáveis Interpretabilidade e Governança de Modelos
  • Árvores substitutas Interpretabilidade e Governança de Modelos
  • Partial Dependence Plots Interpretabilidade e Governança de Modelos
  • SHAP e explicabilidade local/global Interpretabilidade e Governança de Modelos
  • Interpretabilidade como requisito regulatório Interpretabilidade e Governança de Modelos
  • Validação cruzada em dados temporais Validação, Estabilidade e Risco de Modelo
  • Backtesting e janelas móveis Validação, Estabilidade e Risco de Modelo
  • Stability Index (PSI, CSI) Validação, Estabilidade e Risco de Modelo
  • Monitoramento e drift de dados Validação, Estabilidade e Risco de Modelo
  • Risco de modelo em ambientes financeiros Validação, Estabilidade e Risco de Modelo
  • Score de crédito e inadimplência Aplicações Financeiras Avançadas
  • Detecção de fraude Aplicações Financeiras Avançadas
  • Modelos de propensão e churn financeiro Aplicações Financeiras Avançadas
  • Pricing e concessão de limite Aplicações Financeiras Avançadas
  • Segmentação de clientes financeiros Aplicações Financeiras Avançadas
  • Definição do problema de negócio financeiro Projeto Prático Guiado (Capstone)
  • Preparação e análise dos dados Projeto Prático Guiado (Capstone)
  • Construção de modelos baseados em árvores e ensembles Projeto Prático Guiado (Capstone)
  • Avaliação financeira e estatística Projeto Prático Guiado (Capstone)
  • Interpretação, validação e apresentação executiva do modelo Projeto Prático Guiado (Capstone)

Confira tudo que voce vai dominar neste curso.

Baixar ementa completa

Investimento

32 horas para transformar seus dados em vantagem competitiva.

  • 32 horas de conteúdo
  • Certificado de conclusão
  • Roadmap pronto
  • Material didático com conteúdo completo
  • Aulas prontas disponíveis por 3 meses
R$ 1.097,00 ou 12x de R$ 91,42 sem juros
Para empresa Comprar

Garanta sua vaga na próxima turma*

Escolha a data que melhor se encaixa na sua agenda e confirme sua inscrição.

Inscreva-se agora!

Flexibilidade online + prática presencial

Formação completa com conteúdo online e encontros práticos.

Inscreva-se agora
  • 32 horas de conteúdo
  • Certificado de conclusão
  • Roadmap pronto
  • Material didático com conteúdo completo
  • Aulas prontas disponíveis por 3 meses

Garanta sua vaga na próxima turma*

Escolha a data que melhor se encaixa na sua agenda e confirme sua inscrição.

Garanta sua vaga na próxima turma*

Outros cursos

Explore outras formações relacionadas e continue evoluindo sua jornada em dados, aprofundando conhecimentos ou expandindo para novas áreas.

Fundamentos do uso de árvores de decisão aplicados ao mercado financeiro
Características e desafios dos dados financeiros, como desbalanceamento e insta
Avaliação de modelos com métricas financeiras (AUC, KS, Lift e métricas orientad
Definição de políticas de decisão considerando risco e impacto financeiro
Aplicação de Random Forest e métodos de Boosting em problemas reais de crédito
Análise de interpretabilidade e explicabilidade de modelos
Validação temporal, estabilidade de modelos e detecção de drift
Práticas de governança, risco de modelo e aderência regulatória
Cientistas de Dados e Engenheiros de Machine Learning
Profissionais que atuam com modelagem preditiva no mercado financeiro
Analistas quantitativos, estatísticos e profissionais de risco
Profissionais de instituições financeiras, fintechs, seguradoras e financeiras
Equipes envolvidas em modelos de crédito, risco, fraude e score
Profissionais que precisam atender requisitos de compliance e auditoria
Pessoas que desejam aprofundar o uso de árvores de decisão e ensembles
Conhecimentos sólidos em estatística e probabilidade
Experiência prévia em Machine Learning supervisionado
Familiaridade com conceitos de classificação e regressão
Experiência com Python e bibliotecas de ciência de dados (ex.: pandas, scikit‑le
Conhecimento básico do contexto financeiro, como crédito, risco ou indicadores f
Entendimento prévio de métricas de avaliação de modelos
Este é curso não é indicado para iniciantes em Machine Lea
Especialistas
Mathias Brem
Mathias Brem Analytics Expert e Cofundador da Rox Partner
Romerito Morais
Romerito Morais Líder de Engenharia de Dados