Análise de Sentimento com IA: Prevendo Movimentos da Bolsa (96h)

Sobre o curso

Módulo 1: Fundamentos de Dados Financeiros em Python (16h)

Prática: Coleta e manipulação de dados históricos de ações.
Tecnologias: YFinance (para obter dados da bolsa), Pandas (manipulação de DataFrames) e NumPy (cálculos matemáticos).
Indicação de uso: Criar a base de dados para análise preditiva e backtesting de estratégias de investimento.

Módulo 2: NLP e Análise de Sentimento (24h)

Prática: Classificação de emoções em notícias em português e postagens de redes sociais (como Twitter e Reddit).
Tecnologias: FinBERT-PT-BR via Hugging Face, Transformers, PyTorch e modelos profundos como LSTMs.
Indicação de uso: Criação de índices de sentimento para prever oscilações de preços e tendências do mercado.

Módulo 3: Sumarização de Relatórios com IA Generativa (24h)

Prática: Criação de um “analista-robô” capaz de ler PDFs de resultados financeiros e extrair os tópicos mais relevantes.
Tecnologias: API do Google Gemini 2.5 Flash e Python.
Indicação de uso: Acelerar a leitura de balanços trimestrais (como os de empresas da B3), pontuando os impactos positivos, negativos e as perspectivas futuras.

Módulo 4: Estratégias Dinâmicas e Modelos Preditivos (16h)

Prática: Otimização dinâmica de portfólios unindo o sentimento extraído de textos com dados macroeconômicos.
Tecnologias: Algoritmos Multi-Armed Bandit (MAB), Contextual Bandits e técnicas de Deep Learning.
Indicação de uso: Ajustar as carteiras de investimento em tempo real para equilibrar risco e retorno durante mudanças bruscas de mercado.

Módulo 5: Criação de Dashboards Financeiros Interativos (16h)

Prática: Construção da interface final para o usuário interagir com o robô e visualizar os dados.
Tecnologias: Shiny para Python, Plotly (para gráficos tipo velocímetro), Matplotlib e Seaborn.
Indicação de uso: Entregar o projeto final em um dashboard completo onde o usuário insere o link do relatório e recebe a análise de sentimento visual

Sem avaliações ainda