A edição 180 do Boletim AM está no ar!

Olá, Reader, como foi a semana por aí?

Por aqui, as coisas foram bem agitadas. Recebi a notícia de que fui aceito no Doutorado em Economia da Fundação Getúlio Vargas.

Você não sabe o quanto eu fiquei feliz com isso.

Há mais de 10 anos, lá estava eu, um menino com 32 anos, defendendo a dissertação de mestrado Clareza da Comunicação e Expectativas de Inflação: evidências para o Brasil.

Na Banca, meus professores da Universidade Federal Fluminense da área de macroeconomia e o gigante Gustavo Franco, ele mesmo.

Um dos momentos mais emocionantes da minha vida.

Por diversas questões familiares e por falta de grana, acabei não seguindo a carreira acadêmica rumo ao doutorado.

Achava até pouco tempo, viu, que esse era um sonho enterrado.

Mas parece que não era.

Tenho feito alguns cursos de pós-graduação na PUC-Rio que não estão me agradando, justamente por não se aprofundarem no assunto.

Está mais para um "resumo do resumo".

E então apareceu essa chance de fazer o doutorado perto de casa, com a possibilidade de fazer matérias na EMAP e na EPGE sobre ciência de dados e inteligência artificial aplicadas à economia e finanças.

Bom, fiquei muito feliz e animado com esse novo caminho que a vida, essa danada, está me dando.

Mais feliz ainda eu fiquei quando contei para a minha rede e tive apoiadores maravilhosos como essa aí:

Felicidade é pouca, viu.

Prometo, claro, trazer muita coisa do doutorado para cá, aprofundando trilhas de ensino e construindo mais coisas do zero. Em particular, envolvendo IA e Engenharia de Dados...

O que você está fazendo para melhorar suas habilidades em análise de dados?

Essa semana também recebi uma notícia bem legal, de um aluno, o Bruno, que está replicando nossos exemplos e usando para construir um portfólio em dados com exercícios de macroeconomia.

É isso, não dá para construir hoje em dia uma carreira que se proponha a ter análise de dados sem um portfólio no GitHub.

Por isso, tenho insistido aqui nesse boletim a sempre colocar no um dos nossos novos exercícios que estamos fazendo.

Um dos últimos fala sobre incerteza, uma das variáveis mais importante para interferir sobre a economia, não é mesmo?

Já há algum tempo, inclusive, já existe alguns índices por aqui e no mundo que capturam isso.

A FGV, por exemplo, tem um índice bastante robusto sobre incerteza.

Em um dos nossos exercícios, nós replicamos esse índice através de dados alternativos.

Apresentamos um exercício de ciência de dados cujo objetivo foi reproduzir a lógica do IIE-Br utilizando dados alternativos e fontes com acesso via API pública.

O foco não é substituir o indicador oficial, mas demonstrar como sua metodologia pode ser adaptada quando há restrições de dados, algo bastante comum em projetos aplicados.

Não temos os mesmos recursos e bases de dados que a FGV, mas podemos utilizar a metodologia com outras bases similares, que cumprem o mesmo objetivo.

O ajuste da série que construímos, aliás, tem um bom fit com a série original, mostrando-se menos "caótica" inclusive.

Você pode ver o código aqui, se for aluno black ou formações ou clube am.

Você está preparado para a Era dos Agentes de IA?

Uma das formas que venho me mantendo atualizado nesse caos que virou o mundo de TI é através de podcasts e newsletter.

A newsletter que mais gosto é da deeplearning.ai, empresa do Andrew Ng, um dos caras que mais admiro nessa área.

Na sua última carta, ele chama atenção para a perda de empregos por implementação de IA.

Nas palavras dele:

A teste central do Andrew é que a IA é mais uma tecnologia disruptiva que aumenta produtividade.

Então, profissionais - de qualquer área - que conseguem dominar análise de dados e inteligência artificial se tornam profissionais mais produtivos, de modo que serão eles quem dominarão o mercado de trabalho daqui para frente.

Ou seja, você talvez não seja substituído por um agente de IA ou coisa parecida, mas certamente poderá ser cortado porque seu colega de escritório aprendeu a lidar com IA bem melhor do que você.

Exemplo prático: Em um escritório com 8 engenheiros e 1 gerente de produto, isso vai mudar para 1 gerente de produto e 2 engenheiros.

Os três caminhos para seguir em dados

Na semana passada, comentei como é possível correr atrás para "começar em dados". Hoje, queria falar um pouco mais sobre caminhos que eu acho vale depois que você já domina o básico.

Nesses caminhos, acho que você deveria investir em cursos e livros.

(1) Engenharia de Dados: com raras exceções, a maioria das empresas ainda têm pouca ou nenhuma maturidade em dados. E mesmo aquelas que já entenderam a importância estratégia do dados ainda não contam com processos organizados de Extração, Transformação e Carga de dados;

Significa dizer que você pode ser um economista, comercial, o cara do marketing, o vendedor que vai construir um pipeline organizado de dados na sua empresa e vai sedimentar o início de uma revolução.

Aqui, afinal, está a base da revolução.

(2) Agentes de IA: o futuro será escrito por profissionais que dominam a arte de "orquestrar multi-agentes de IA, especialistas em uma ou outra tarefa, que se comunicam e tornam o trabalho mais organizado, produtivo e automatizado".

(3) Inferência Causal: o mundo dos modelos "black box" está chegando ao fim. Cientistas de dados precisam ser mais economistas, aprendendo métodos de identificação. O mercado clama por pessoas que saibam responder não só apenas perguntas preditivas, mas também perguntas causais, do tipo qual o efeito em produtividade, receita e custo de determinada decisão?

São três áreas que eu, se fosse você, investiria tempo nos próximos meses.

Tenho certeza de que o seu colega de escritório está.

​
Um abraço,
​Vítor Wilher — Análise Macro​
​A verdade está nos dados

Perdeu alguma edição anterior do Boletim AM? Sem problemas. Leia as edições anteriores tocando aqui​