Carreira:
De Economista a Cientista de Dados

Dê uma guinada em sua carreira ao abandonar o modelo tradicional e tornar-se um cientista de dados capaz de produzir análises e previsões muito mais eficazes.

Comece a estudar agora mesmo com 69% de desconto e em até 10 vezes sem juros.

Do Zero ao PRO

6 cursos, 24 meses e mais de 160 horas de aulas online

Teoria e Prática

Todas as aulas contém atividades práticas

Laboratórios de R

Exercícios práticos para fixar o conhecimento de R

Códigos Prontos

Baixe os códigos e aplique em seu desafio atual

Por que você deveria se tornar um Cientista de Dados?

Automatizar o acesso às principais bases de dados econômicas e financeiras

Automatizar a apresentação de relatórios e dashboards interativos

Aumentar a percepção de valor das suas entregas profissionais

Ganhar tempo para realizar análises mais aprofundados dos dados

Para quem este curso é indicado

Este pacote de treinamentos é indicado a todos os economistas ou profissionais que trabalham com dados econômicos e desejam se tornar transformar sua carreira com a Ciência de Dados

Estudantes de Graduação

Mesmo ainda na graduação, sem experiência com programação, você já pode se diferenciar dos seus colegas ao investir em sua futura carreria em ciência de dados.

Professores e Acadêmicos

Utilize o poder das linguagens de programação mais modernas do mercado como o R e o Python para produzir trabalho acadêmicos com mais facilidade e agilidade.

Profissionais de Mercado

Chega de lidar com planilhas Excel confusas e tarefas repetitivas. Ao dominar Ciência de Dados, você ganha o poder de automatizar as tarefas repetitivas do seu dia-a-dia.

Este pacote de treinamentos não possui pré-requisitos

Sem pré-requisitos, os treinamentos são indicados para pessoas sem experiência prévia com programação. Todo o passo a passo será coberto, desde a instalação de programas até os ítens mais avançados.

O que você aprenderá no curso

Reunimos os conhecimentos necessários para você entrar para Ciência de Dados da forma correta, sem precisar de nenhum outro curso adicional.

Linguagem R

Nesta versão atualizada do curso e revisada, você entrará no mundo tidyverse, a evolução da linguagem R. Uma introdução qualificada a poderosos pacotes construídos exclusivamente para lidar com coleta, tratamento, análise e apresentação de dados.

Criação de Relatórios

Através do uso do RMarkdown, você aprenderá a construir relatórios e apresentações automatizadas e reprodutíveis, substituindo diversos programas por um único documento.

Criação de Dashboards inteligentes

Através do domínio da ferramenta shiny, você será capaz de criar Dashboards Inteligentes para visualização de dados, dominando a principal ferramenta do mercado.

Análise de Conjuntura

Aprenda a coletar dados macroeconômicos de forma automatizada a partir de diversas fontes de dados, além de tratar esses dados e produzir apresentações em RMarkdown e dashboards interativos em Shiny

Machine Learning

Os principais algoritmos de Machine Learning e que têm ampla aplicação em problemas de classificação, previsão numérica, detecção de padrões e segmentação de grupos são apresentados nesse curso.

Modelos Preditivos

Aprenda a construir de modelos preditivos em R para variáveis macroeconômicas baseados em algoritmos de machine learning e desenvolver dashboards em shiny para visualização dos resultados dos modelos.

Professores

Vítor Wilher

Vítor Wilher

Bacharel e Mestre em Economia, pela Universidade Federal Fluminense, especialista em Data Science pela Johns Hopkins University e um dos professores pioneiros na oferta de Cursos de R no Brasil. Seu curso de Introdução ao R teve mais de 30 turmas e formou milhares de alunos no país. Sua dissertação de mestrado foi na área de política monetária, titulada "Clareza da Comunicação do Banco Central e Expectativas de Inflação: evidências para o Brasil", defendida perante banca composta pelos professores Gustavo H. B. Franco (PUC-RJ), Gabriel Montes Caldas (UFF), Carlos Enrique Guanziroli (UFF) e Luciano Vereda Oliveira (UFF). Já trabalhou em grandes empresas, nas áreas de telecomunicações, energia elétrica, consultoria financeira e consultoria macroeconômica. Atualmente, é Sócio-fundador da Análise Macro e Palestrante.

Vítor Wilher

Vítor Wilher

Bacharel e Mestre em Economia, pela Universidade Federal Fluminense, especialista em Data Science pela Johns Hopkins University e um dos professores pioneiros na oferta de Cursos de R no Brasil. Seu curso de Introdução ao R teve mais de 30 turmas e formou milhares de alunos no país. Sua dissertação de mestrado foi na área de política monetária, titulada "Clareza da Comunicação do Banco Central e Expectativas de Inflação: evidências para o Brasil", defendida perante banca composta pelos professores Gustavo H. B. Franco (PUC-RJ), Gabriel Montes Caldas (UFF), Carlos Enrique Guanziroli (UFF) e Luciano Vereda Oliveira (UFF). Já trabalhou em grandes empresas, nas áreas de telecomunicações, energia elétrica, consultoria financeira e consultoria macroeconômica. Atualmente, é Sócio-fundador da Análise Macro e Palestrante.

Programa do curso

Os cursos da área de ciência de dados foram criados após muito feedback, pensando em atender uma demanda crescente de estudantes e profissionais de mercado que precisam entrar para o mundo da análise de dados.

R para Análise de Dados

Seção 01 – Apresentação do R, do RStudio e do RMarkdown
O professor fará nessa seção introdutória uma apresentação do R, do RStudio e do RMarkdown. Será mostrado como instalar os programas e pacotes necessários para avançar no curso. Além disso, também será mostrado como irá funcionar o suporte do Curso.

Seção 02 – Introdução ao mundo tidyverse
Nessa seção, o professor fará uma exposição geral sobre data science e sobre os pacotes disponíveis em cada uma das etapas de coleta, tratamento, análise e apresentação de dados dentro do universo tidyverse.

Seção 03 – Importação de Dados

  • Importando dados com o pacote readr
  • Importando dados com o pacote readxl
  • Extra: Importando dados com pacotes brasileiros (BETS, SidraR, ecoseries e rbcb)

Seção 04 – Tratamento de Dados

  • O pacote tibble
  • O pacote tidyr
  • O pacote dplyr
  • O pacote lubridate

Seção 05 – Visualização de Dados
Nessa seção, o professor fará uma introdução ao pacote ggplot2, um dos mais utilizados atualmente para visualização de dados. Além disso, a seção cobre exemplos práticos detalhados de como utilizar o ggplot2 para construir:

  • gráficos de linha
  • gráficos de linha com pontos
  • gráficos de correlação
  • gráficos de correlação com círculos
  • gráficos de barra
  • gráficos de barra empilhados

Seção 06 – Programando no R

  • O pacote magrittr e o operador %>% (pipe)
  • Estruturas de Dados (Extra)
  • Funções (Extra)
  • Loops e o pacote purrr

Seção 07 – Modelagem

  • Introdução à modelagem
  • Construindo modelos
  • Questões avançadas

Seção 08 – Comunicando resultados

  • Construindo seu primeiro documento RMarkdown
  • Integrando código e texto
  • Gráficos
  • Figuras
  • Criando um relatório completo em RMarkdown
  • Criando uma apresentação completa em RMarkdow

Produção de Relatórios em RMarkdown

Seção 01 – Introdução
Seção 02 – O básico de RMarkdown
Seção 03 – Documentos HTML
Seção 04 – Documentos PDF
Seção 05 – Apresentações Xaringan
Seção 06 – Apresentações Beamer
Seção 07 – Parametrização de Relatórios
Seção 08 – Publicação de Relatórios

Produção de Dashboards em Shiny

Seção 01 – Introdução
Seção 02 – Revisão de RMarkdown
Seção 03 – Criando uma dashboard estática
Seção 04 – Criando uma dashboard dinâmica
Seção 05 – Personalizando a aparência
Seção 06 – Deploy e publicação

Análise de Conjuntura

Seção 01 – Apresentação do Curso
O professor faz uma apresentação de todo o conteúdo que será visto ao longo das seções do Curso.

Seção 02 (laboratório) – Introdução à produção de dashboards com shiny (Parte 01)
O professor faz uma introdução à produção de dashboards com o pacote shiny.

Seção 03 – Fundamentos Estatísticos
Uma revisão de conceitos estatísticos básicos que servirão de pré-requisito para todas as seções seguintes do Curso.

Seção 04 (laboratório) – Introdução à produção de dashboards com shiny (Parte 02)
O professor faz uma introdução à produção de dashboards com o pacote shiny.

Seção 05 – Coleta, tratamento e visualização de dados de Nível de Atividade

  • Contas Nacionais Trimestrais
  • IBC-Br
  • Índice Cielo do Varejo Ampliado (ICVA)
  • Pesquisa Mensal do Comércio (PMC)
  • Produção Industrial Mensal (PIM-PF)
  • Pesquisa Mensal de Serviços (PMS)
  • Produção de Veículos
  • Apresentação de Nível de Atividade

Seção 06 (laboratório) – Criação de um Monitor de Nível de Atividade
Nesse Laboratório, o aluno aprenderá o passo a passo para construir uma apresentação completa e automatizada com dados de nível de atividade.

Seção 07 – Análise de dados de mercado de trabalho da PNAD e do CAGED

  • PNAD Contínua
  • CAGED

Seção 08 (laboratório) – Construção de um dashboard interativo em shiny de nível de atividade
Nesse Laboratório, o aluno aprenderá o passo a passo de construção de um shiny app que envolva indicadores de nível de atividade. Também aprenderá o processo de deploy, colocando o dash em produção.

Seção 09 – Análise da Inflação brasileira

  • A dinâmica da inflação no curto prazo
  • O IPCA e a Inflação no Brasil
  • As classificações do IPCA
  • Índice de Difusão
  • Núcleos de Inflação
  • Índices Gerais de Preços (IGPs)

Seção 10 (laboratório) – Criação de um Monitor de Mercado de Trabalho
Nesse laboratório, o aluno aprenderá o passo a passo de construção de uma apresentação completa e automatizada envolvendo dados de mercado de trabalho.

Seção 11 — Análise do Mercado de Crédito

  • Operações de Crédito do SFN
  • Taxas de Juros
  • Spreads Bancários
  • Inadimplência
  • Endividamento das Famílias

Seção 12 (laboratório) – Construção de um dashboard interativo em shiny de mercado de trabalho
Nesse Laboratório, o aluno aprenderá o passo a passo de construção de um shiny app que envolva indicadores de mercado de trabalho. Também aprenderá o processo de deploy, colocando o dash em produção.

Seção 13 – Política Monetária

  • O Banco Central e a operacionalização da política monetária
  • O COPOM
  • O mercado de reservas bancárias
  • O Sistema Especial de Liquidação e Custódia (SELIC)
  • Controle de liquidez
  • A formação da taxa básica de juros no Brasil
  • A condução da política monetária
  • Análise do boletim FOCUS com o R

Seção 14 (laboratório) – Criação de um Monitor de Inflação
Desenvolvimento de um monitor completo e automatizado contendo indicadores de inflação.

Seção 15 – Política Fiscal

  • Resultado Primário do Governo Central
  • Necessidades de Financiamento do Setor Público
  • Endividamento Público

Seção 16 (laboratório) – Criação de um dashboard interativo em shiny de inflação
Nesse Laboratório, o aluno aprenderá o passo a passo de construção de um shiny app que envolva indicadores de inflação. Também aprenderá o processo de deploy, colocando o dash em produção.

Seção 17 – Setor Externo

  • A taxa de câmbio
  • As operações de swap do Banco Central do Brasil
  • O balanço de pagamentos
  • Indicadores do balanço de pagamentos
  • O risco-país

Seção 18 (laboratório) – Criação de um Monitor de Crédito
Nesse laboratório, o aluno aprenderá o passo a passo para construção de uma apresentação completa e automatizada que envolva indicadores de crédito.

Seção 19 – Economia Internacional

  • Coletando dados do FMI
  • Coletando dados do Banco Mundial
  • Coletando dados da OCDE

Seção 20 (laboratório) – Criação de um dashboard interativo em shiny de crédito
Nesse Laboratório, o aluno aprenderá o passo a passo de construção de um shiny app que envolva indicadores de crédito. Também aprenderá o processo de deploy, colocando o dash em produção.

Seção 21 (laboratório) – Criação de um Monitor de Política Monetária
Construção de uma apresentação completa e automatizada de política monetária em Rmarkdown.

Seção 22 — Construção de Cenários Macroeconômicos
Nessa seção, os alunos aprendem a desenhar diferentes cenários macroeconômicos.

Seção 23 (laboratório) – Dashboard de Política Monetária
Nesse Laboratório, o aluno aprenderá o passo a passo de construção de um shiny app que envolva indicadores de política monetária. Também aprenderá o processo de deploy, colocando o dash em produção.

Seção 24 (laboratório) – Criação de um Monitor Fiscal
Construção de uma apresentação automatizada em Rmarkdown envolvendo variáveis fiscais.

Seção 25 (laboratório) – Dashboard Fiscal
Nesse Laboratório, o aluno aprenderá o passo a passo de construção de um shiny app que envolva indicadores de política fiscal. Também aprenderá o processo de deploy, colocando o dash em produção.

Seção 26 (laboratório) – Criação de um Monitor Externo
Construção de uma apresentação automatizada em Rmarkdown envolvendo variáveis do setor externo.

Seção 27 (laboratório) – Dashboard Externo
Nesse Laboratório, o aluno aprenderá o passo a passo de construção de um shiny app que envolva indicadores de setor externo. Também aprenderá o processo de deploy, colocando o dash em produção.

Seção 28 (laboratório) – Criação de um Monitor de Economia Internacional
Construção de uma apresentação automatizada em Rmarkdown sobre economia internacional

Seção 29 (laboratório) – Dashboard de Economia Internacional
Nesse Laboratório, o aluno aprenderá o passo a passo de construção de um shiny app que envolva indicadores de economia internacional. Também aprenderá o processo de deploy, colocando o dash em produção.

Seção 30 – Trabalho de Conclusão do Curso: Construindo uma apresentação de conjuntura em RMarkdown e Shiny
Na última seção do curso, o aluno aprende a construir uma apresentação completa de conjuntura econômica em RMarkdown e Shiny.

Machine Learning usando o R

Seção 01 – Introdução à Machine Learning
Nessa seção, inspirada em Machine Learning with R, de Brett Lantz e em An Introduction to Statistical Learning, vemos as origens do aprendizado de máquinas, os usos e abusos, como os modelos aprendem, a prática de ML, o trade-off existente entre acurácia preditiva e interpretabilidade dos modelos, modelos supervisionados vs. não supervisionados, problemas de regressão vs. problemas de classificação e como construir a acurácia de um modelo.

Lab01 – Usando o R para gerar relatórios
O primeiro laboratório ensina os alunos a utilizar o R para gerar os relatórios que devem ser entregues ao longo do Curso.

Seção 02 – Entendendo os dados
Uma tarefa crucial em qualquer projeto de modelagem e previsão é conseguir coletar e tratar os dados. Nessa seção, mostramos de forma prática como é possível fazer uma análise exploratória de dados.

Lab02 – Análise Exploratória de Dados com o R
Os alunos são convidados a analisar um dataset e retirar informações relevantes do mesmo usando o R/RStudio.

Seção 03 – Regressão Linear
Nessa seção, fazemos uma introdução ao modelo de regressão linear que serve para atacar problemas envolvendo previsão numérica.

Lab03 – Rodando modelos de regressão no R
Nesse laboratório, os alunos são expostos a problemas de previsão numérica envolvendo regressão linear

Seção 04 – Classificação
Nessa seção, vemos o tema da classificação mais detidamente, introduzindo a regressão logística.

Lab04 – Previsão de Churn com Regressão Logística
Nessa laboratório, os alunos são incentivados a construir um modelo de regressão logística que explique churn em uma operadora de telecomunicações.

Seção 05 – Classificação usando algoritmos k-NN
Nessa seção, vemos os famosos algoritmos k-NN de modo a resolver problemas de classificações.

Lab05 – Diagnosticando câncer de mama com algoritmos k-NN
Nessa laboratório, os alunos são incentivados a utilizar o algoritmo k-NN para detectar câncer de mama.

Seção 06 – Classificação usando Naive Bayes
Nessa seção, utilizamos o algoritmo Naive Bayes para resolver problemas de classificação.

Lab06 – Filtrando ligações spam de celular com Naive Bayes
Nessa seção, utilizamos o algoritmo Naive Bayes para resolver problemas de classificação.

Seção 07 – Árvores de Decisão
Nessa seção, exploramos as famosas árvores de decisão para resolver problemas de classificação e de regressão.

Lab07 – Identificando empréstimos bancários de risco
Nessa seção, exploramos as famosas árvores de decisão para resolver problemas de classificação.

Seção 08 – Previsão numérica usando métodos de regressão
Nessa seção, utilizamos o método de regressão para construir modelos de previsão.

Lab08 – Prevendo gastos médicos com regressão linear
Nesse laboratório, os alunos são incentivados a construir modelos de previsão para gastos médicos.

Seção 09 – Redes Neurais
Nessa seção, apresentamos o conceito de redes neurais e suas aplicações.

Lab09 – Modelando resistência de concreto com ANNs
Nesse laboratório, os alunos aplicam o conceito de redes neurais artificiais à um problema clássico da engenharia.

Seção 10 – Support Vector Machine (SVM)
Nessa seção, apresentamos o conceito de support vector machine para enfrentar tanto problemas de classificação como de previsão numérica.

Lab10 – Executando OCR com SVM
Nesse laboratório, os alunos aplicam o conceito de SVM ao tratamento de OCR.

Seção 11 – Detecção de padrões com regras de associação
Nessa seção, apresentamos o primeiro método de aprendizado não supervisionado de modo a detectar padrões.

Lab11 – Identificação de mantimentos comprados com freqüência
Nesse laboratório, os alunos aplicam o conceito de SVM ao tratamento de OCR.

Seção 12 – Clustering
Nessa seção, apresentamos o segundo método de aprendizado não supervisionado de modo a construir grupos com características semelhantes dentro de um dataset.

Lab12 – Segmentando mercados com k-means clustering
Nesse laboratório, os alunos aplicam o conceito de clustering à segmentação de clientes.

Seção 13 – Métodos de Reamostragem
Nessa seção, apresentamos os métodos de cross-validation e bootstrap.

Lab13 – Cross-Validation e Bootstrap na prática
Nesse laboratório, os alunos aplicam o conceito de clustering à segmentação de clientes.

Seção 14 – Seleção e regularização linear de modelos
Nessa seção, apresentamos as regressões Ridge, Lasso e PLS.

Lab14 – Rodando regressões Ridge, Lasso e PLS no R
Nesse laboratório, os alunos aplicam o conceito de clustering à segmentação de clientes.

Seção 15 – Bagging, Random Forests e Boosting
Nessa seção, apresentamos algoritmos de meta-aprendizado.

Lab15 – Aplicação de algoritmos de meta-aprendizagem no R
Nesse laboratório, os alunos aplicam os algoritmos de meta-aprendizagem com o uso do R.

Seção 16 – Avaliando o desempenho do modelo
Nessa seção, vemos como avaliar o desempenho do modelo através de diversas métricas de performance.

Seção 17 – Aumentando o desempenho do modelo
Nessa seção, vemos como incrementar o desempenho do modelo através de algoritmos de meta-aprendizagem.

Modelos Preditivos aplicados à Macroeconomia

Seção 01 – Apresentação do Curso e Introdução a Modelos Preditivos
Nessa seção, o aluno será apresentado ao programa do curso, bem como ao uso de modelos de machine learning para fins de previsão.

Seção 02 – Modelos de Previsão para a inflação medida pelo IPCA
Nessa seção, o aluno aprenderá a construir uma estratégia de previsão para a inflação medida pelo IPCA envolvendo regressão CSR, Bagging e LASSO.

Seção 03 – Criando um dashboard em shiny para previsão da inflação medida pelo IPCA
Nessa seção, os alunos irão aprender a construir um dashboard em shiny que mostra a previsão da inflação medida pelo IPCA.

Seção 04 – Modelos de Previsão para a Produção Industrial
O objetivo dessa seção é apresentar uma estratégia de previsão da produção industrial brasileira baseada em modelos de regressão, LASSO e Random Forests.

Seção 05 – Criando um dashboard em shiny para previsão da produção industrial
Nessa seção, construiremos um dashboard voltado para a previsão da produção industrial brasileira.

Seção 06 – Prevendo os Serviços (PMS)
Nessa seção, a partir de palavras-chaves extraídas do Google Trends, geramos uma previsão para os serviços disponíveis na Pesquisa Mensal de Serviços (PMS).

Seção 07 – Dashboard em shiny para previsão de Serviços
Nessa seção, os alunos aprenderão a produzir um dashboard em shiny que contém um modelo de previsão para os serviços da PMS.

Seção 08 – Modelando as Vendas do Comércio (PMC)
Nessa seção, construiremos modelos clássicos como ARIMA, exponential smoothing, regressão linear e outros mais modernos como o algoritmo Prophet e Redes Neurais para fazer previsão das vendas do comércio (PMC).

Seção 09 – Dashboard em shiny para previsão das vendas do Comércio
Tudo pronto com a análise exploratória e com os modelos? Nessa seção, os alunos aprenderão a produzir relatórios/apresentações e a disponibilizar seus notebooks para consulta de usuários externos. Focaremos na reprodutibilidade dos trabalhos e na coesão do código e dos relatórios.

Seção 10 – Nowcasting do PIB
Nessa seção, construímos um modelo de nowcasting do PIB brasileiro.

Seção 11 – Dashboard de nowcasting do PIB
Nessa seção, construímos um dashboard de nowcasting do PIB

Seção 12 – Modelo de Previsão do Desemprego medido pela PNAD Contínua
Nessa seção, construímos uma estratégia de previsão para o desemprego medido pela PNAD Contínua baseada em modelos de ML.

Seção 13 – Dashboard de previsão para o desemprego brasileiro
Nessa seção, construímos um dashboard que mostra a previsão do desemprego brasileiro.

Seção 14 – Modelo de Previsão para Crédito a Pessoa Física
Nessa seção, construímos um modelo de previsão para crédito a pessoa física.

Seção 15 – Dashboard de previsão do crédito a pessoa física
Nessa seção, construímos um modelo de previsão para crédito a pessoa física.

Seção 16 – Modelo de Previsão para a Taxa Selic
Nessa seção, construímos um modelo de previsão para a taxa básica de juros da economia brasileira.

Seção 17 – Dashboard de Previsão para a Taxa Selic
Nessa seção, construímos um dashboard de previsão para a taxa básica de juros da economia brasileira.

Seção 18 – Modelo de Previsão para a taxa de câmbio R$/US$
Nessa seção, construímos uma estratégia de previsão para a taxa de câmbio R$/US$.

Seção 19 – Dashboard de previsão da taxa de câmbio R$/US$
Nessa seção, construímos um dashboard de previsão para a taxa de câmbio R$/US$.

Seção 20 – Modelos de Previsão do IGP-M
Nessa seção, construímos uma estratégia de previsão para o IGP-M

Seção 21 – Dashboard de previsão do IGP-M
Nessa seção, construímos um dashboard de previsão do IGP-M

Seção 22 – Previsão de variáveis fiscais brasileiras
Nessa seção, construímos uma estratégia de previsão para variáveis fiscais brasileiras como o resultado primário e a dívida bruta.

Seção 23 – Dashboard de previsão de variáveis fiscais brasileiras
Nessa seção, construímos um dashboard de previsão das variáveis fiscais brasileiras

Seção 24 – Previsão de variáveis externas
Nessa seção, construímos modelos de previsão das variáveis externas como balança comercial, conta corrente e investimento estrangeiro direto

Seção 25 – Dashboard de previsão de variáveis externas
Nessa seção, construímos um dashboard de previsão das variáveis externas como balança comercial, conta corrente e investimento estrangeiro direto

Como estudar o curso

Aprenda a teoria sobre o tema

Separe de 30 minutos a 1 hora por dia para estudar a teoria através das vídeo-aulas.

Aplique o aprendizado na prática

Implemente as tarefas diretamente em seu computador para fixar o conhecimento

Tire suas dúvidas individualmente

Através do chat exclusivo do aluno você poderá tirar todas as suas dúvidas com o professor

Crie seus próprios trabalhos

Implemente os trabalhos propostos e receba nosso feedback .

Investimento neste pacote

69%
de desconto

Garantimos seu dinheiro de volta por até 7 dias

R$6391
R$1997(ou 10x de R$199,70)

Vagas Limitadas. Aproveite antes que esgotem.

compra 100% segura

Dias
Horas
Minutos
Segundos

Perguntas Frequentes

Quais são as formas de pagamento?

Você poderá realizar sua matrícula através de boleto bancário ou cartão de crédito, podendo parcelar em até 10x sem juros no cartão de crédito.

Posso fazer mesmo sem saber programar?

Esta oferta foi desenhada exatamente para as pessoas que nunca tiveram relação com linguagem de programação, mas desejam dar um upgrade na carreira.

Quanto tempo posso acessar o conteúdo?

Você terá até 24 meses para ver quantas vezes quiser os conteúdos dos cursos.

Como eu faço para tirar minhas dúvidas?

No próprio site há uma plataforma exclusiva para tirar dúvidas direto com nossa equipe o professor Vítor Wilher. Você estará sempre acompanhado durante sua jornada.