Curso de Inteligência Artificial para Finanças

Aula 1 • O Panorama dos Dados Financeiros

Analisa os tipos, fontes e questões de qualidade dos dados financeiros. Prepara os formandos para avaliar a adequação dos dados para projetos de IA.

Aula 2 • Ciclo de Desenvolvimento de IA em Finanças

Descreve o processo de ponta a ponta, desde a definição do problema até à implementação do modelo. Ancora os capítulos seguintes num quadro de projeto repetível.

Aula 3 • O Que a IA Significa para as Finanças

Define IA, aprendizagem automática e aprendizagem profunda em termos simples. Relaciona cada conceito com fluxos de trabalho financeiros tangíveis e pontos de decisão.

Aula 1 • Limpeza e Tratamento de Valores em Falta

Aborda valores atípicos, duplicados e lacunas comuns em séries temporais financeiras. Garante a integridade dos dados antes do início da engenharia de atributos.

Aula 2 • Divisão e Prevenção de Fuga de Dados

Explica divisões treino-teste conscientes do tempo e riscos de enviesamento por olhar para o futuro. Previne estimativas de desempenho inflacionadas que enganam as decisões em produção.

Aula 3 • Engenharia de Atributos para Finanças

Transforma variáveis financeiras brutas em sinais preditivos. Melhora diretamente a precisão do modelo nos capítulos subsequentes.

Aula 4 • Obtenção e Ingestão de Dados Financeiros

Aborda APIs, fornecedores de dados e sistemas internos como fontes de dados. Estabelece padrões de ingestão fiáveis para processamento a jusante.

Aula 1 • Afinação de Hiperparâmetros e Regularização

Ensina pesquisa em grelha, pesquisa aleatória e regularização para otimizar modelos. Reduz o sobreajuste comum em dados financeiros ruidosos.

Aula 2 • Aprendizagem Não Supervisionada em Finanças

Aplica clustering e redução de dimensionalidade para segmentar clientes e comprimir atributos. Expande o alcance analítico para além dos conjuntos de dados rotulados.

Aula 3 • Fundamentos de Aprendizagem Supervisionada

Aborda algoritmos de regressão e classificação com exemplos financeiros. Fornece a base algorítmica para modelos de crédito, preço e retorno.

Aula 4 • Avaliação e Métricas de Modelos

Define métricas de desempenho relevantes para finanças para além da exatidão. Relaciona as escolhas de avaliação com o impacto no negócio e a tolerância ao risco.

Aula 1 • Fundamentos de Redes Neuronais

Explica neurónios, camadas, funções de ativação e retropropagação. Estabelece a base conceptual para todas as arquiteturas de aprendizagem profunda seguintes.

Aula 2 • Redes Recorrentes para Séries Temporais

Aborda RNNs, LSTMs e GRUs para modelação de dados financeiros sequenciais. Diretamente aplicável à previsão de preços e estimação de volatilidade.

Aula 3 • Redes Convolucionais para Sinais Financeiros

Adapta CNNs para extrair padrões locais de gráficos de preços e dados tabulares. Expande o conjunto de ferramentas para reconhecimento de padrões em dados de mercado.

Aula 4 • Modelos Transformer e Atenção

Apresenta mecanismos de atenção e arquiteturas transformer para finanças. Permite o processamento de longas sequências e relações entre ativos.

Aula 1 • Análise de Sentimento para Sinais de Mercado

Constrói classificadores de sentimento baseados em léxicos e ML em texto financeiro. Produz pontuações de sentimento negociáveis ligadas a movimentos de preço.

Aula 2 • Grandes Modelos de Linguagem em Finanças

Aplica LLMs pré-treinados a sumarização, perguntas e respostas e geração de relatórios. Acelera os fluxos de trabalho dos analistas e a extração de conhecimento à escala.

Aula 3 • Pré-processamento e Representação de Texto

Aborda tokenização, remoção de stopwords e métodos de embeddings. Converte texto bruto em inputs numéricos para modelos a jusante.

Aula 4 • Extração de Informação e Grafos de Conhecimento

Extrai entidades, relações e eventos de documentos financeiros. Estrutura texto não estruturado em representações de conhecimento consultáveis.

Aula 1 • Combate ao Branqueamento de Capitais com IA

Aplica análise de redes e modelos comportamentais para sinalizar atividade suspeita. Reduz a carga de revisão manual enquanto cumpre as expectativas regulatórias.

Aula 2 • Risco de Modelo em Sistemas de Risco com IA

Aborda validação, documentação e governança de modelos de risco. Garante que as ferramentas de risco baseadas em IA cumprem os padrões internos e regulatórios.

Aula 3 • Modelação de Risco de Crédito com ML

Substitui métodos de scorecard por modelos de gradient boosting e neuronais. Melhora a precisão da previsão de incumprimento mantendo a interpretabilidade.

Aula 4 • Sistemas de Deteção de Fraude

Constrói modelos de classificação e deteção de anomalias em tempo real para fraude em transações. Equilibra as taxas de deteção contra os custos de falsos positivos em produção.

Aula 1 • Otimização de Carteiras com IA

Estende a otimização média-variância com inputs e restrições estimados por ML. Produz carteiras mais robustas em condições de mercado realistas.

Aula 2 • Aprendizagem por Reforço para Negociação

Aplica agentes de RL à execução dinâmica de ordens e rebalanceamento de carteiras. Introduz a tomada de decisão adaptativa para além dos sistemas baseados em regras estáticas.

Aula 3 • Backtesting e Avaliação de Estratégias

Implementa estruturas de backtesting rigorosas para avaliar a viabilidade da estratégia. Protege contra o sobreajuste e o enviesamento de sobrevivência em testes históricos.

Aula 4 • Fundamentos de Negociação Algorítmica

Aborda tipos de ordem, microestrutura de mercado e mecânica de execução. Fornece o contexto de negociação necessário para implementar sinais de IA de forma responsável.

Aula 1 • Expectativas Regulatórias para IA em Finanças

Mapeia temas regulatórios globais em torno do risco de modelo, transparência e responsabilização. Prepara os formandos para interagir com supervisores e equipas de auditoria interna.

Aula 2 • Estruturas de Governança de IA

Estrutura políticas, funções e controlos para uma implementação responsável da IA. Traduz as expectativas regulatórias em práticas de governança operacionais.

Aula 3 • Justiça e Enviesamento na IA Financeira

Identifica fontes de enviesamento em modelos de crédito e seguros e aplica técnicas de mitigação. Alinha os outputs da IA com os princípios de concessão de crédito justa e não discriminação.

Aula 4 • Privacidade, Segurança e Ética de Dados

Aborda minimização de dados, privacidade diferencial e ataques adversariais. Protege os dados dos clientes e a integridade dos modelos em sistemas de produção.