Introdução à análise de dados financeiros com foco em modelagem de séries temporais e machine learning; coleta, tratamento e visualização de dados financeiros; modelagem ARIMA, GARCH e previsão com séries temporais; regressão linear com regularização (Lasso, Ridge) e árvores de decisão; classificação e previsão com Random Forests, Gradient Boosting e redes neurais (incluindo LSTM); clusterização e análise de componentes principais (PCA); backtesting e avaliação de modelos preditivos; métricas de risco financeiro como VaR e Sharpe ratio; previsão de preços, risco de crédito e alocação de portfólio com aprendizado supervisionado e não supervisionado; uso de dados alternativos e modelagem com dados não estruturados; aplicações práticas com Python e R em contextos de finanças quantitativas.