Outspoken Market na prática
Conquiste um novo mundo e faça parte da revolução dos dados. Ciência dos Dados na prática com resultados reais!
Uma aula nova por semana para você assistir quando puder e quantas vezes quiser, direto do seu computador ou celular.
Você já começa com mais de 290 aulas exclusivas já disponíveis no portal.
O que é este curso?
É uma imersão neste novo mundo das CIÊNCIAS DOS DADOS. Você irá aprender NA PRÁTICA como aplicar estes conhecimentos em um trabalho que está mudando a forma como vivemos.
São horas de conteúdo bem estruturado com técnicas, dicas, cases práticos do mundo real, exemplos de códigos, exercícios de implementação prática, como usar ferramentas e conjuntos de dados do mundo real.
Como funciona?
Todas as aulas são on line e ficarão gravadas no canal. Semanalmente, uma nova aula será adicionada.
Você já terá, de imediato, mais de 290 aulas à sua disposição no canal exclusivo.
Preciso ter algum conhecimento para fazer este curso?
Nenhum conhecimento prévio de programação ou ciência da computação é necessário, pois todos os tópicos são abordados do zero.
Conteúdo Vantagens Detalhes
- Trilha de Aprendizado do OMNP
- 0. Gênesis
- 1. Por que você deve aprender a programar?
- 2. Caso Prático: O Algoritmo Netflix
- 3. O que você precisa saber para programar
- 4. Instalando o Anaconda
- 5. Introdução ao Jupyter Notebook
- 6. Programação: 3 conceitos fundamentais
- 7. Álgebra e Lógica Booleana
- 8. O que é e como se tornar um cientista de dados
- 9. O que é um modelo matemático
- 10. Sobre Mineração de Dados
- 11. Sobre a criação do alvo
- 12. Conceitos Básicos de Estatística
- 13. Classificador Naive Bayes
- 14. Modelos Lineares Generalizados – Parte 1
- 15. Álgebra Linear – Resumo sobre Vetores e Matrizes
- 16. Modelos Lineares Generalizados – Parte 2
- 17. Uma nota sobre treinamento, teste e validação
- 18. Impulsionando decisões de negócios usando ciência de dados (78)
- 19. Conceitos Fundamentais - Random Forest
- 20. Desmistificando a Matriz de Confusão
- 21. Conceitos de Cross Validation (R)
- 22. K-means e o aprendizado não supervisionado
- 23. Introdução à Mineração de Textos - Text Mining
- 24. Uma nota sobre o tratamento de outliers
- 25. Redes Neurais - Parte 1
- 26. O Gradient Descent (Py)
- 27. Isolation Forest e detecção de anomalias
- 28. Banco de dados e SQL - Aula 1
- 29. Banco de dados e SQL - Aula 2
- 30. Sobre Pensar - parte 1
- 31. Banco de dados e SQL - Parte 3
- 32. Boas Práticas de Programação
- 33. K-NN - k Nearest Neighbor
- 34. Sobre a cardinalidade das variáveis
- 35. Gradient boosting
- 36. Sobre os hiper-parâmetros do XGBoost
- 37. Otimização do XGBoost e parallel computing (R) (Inter)
- 38. DBSCAN e clustering
- 39. O que são variáveis?
- 40. Sobre atualização de pacotes e bibliotecas
- 41. Deploy de modelo na nuvem (Inter) (PY)
- 42. Introdução ao Git e GitHub
- 43. Introdução à otimização
- 44. Ciência de Dados 2030 - Futuro e Trilha de Estudos
- 45. ChatGPT
- 46. Trading esportivo - Tutorial
- 47. Transformada de Wavelet - Teoria e Prática
- 48. Topic Modelling e LDA
- 49. Seu 1º modelo de Trading Esportivo
- 50. Introdução ao Catboost
- 51. Modelo do OMQS - Sobre LS e outros temas
- 52. Introdução ao Gerenciamento de Risco - Aula I
- 53. Introdução ao Gerenciamento de Risco - Aula 2
- OM Responde – Peso das variáveis e complexidade de modelos
- OM Responde - Sobre Modelos Generalistas
- OM Responde - A função predict
- OM Responde - Predict em sistema de recomendação
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- Aula 1 - Introdução e Operações Básicas
- Aula 2 – Valores e Operações Lógicas
- Aula 3 - Programação Condicional – IF/ELSE
- Aula 4 - Listas e Tuplas no Python
- Aula 5 - Dicionários
- Aula 6 - Manipulando textos em Python - Strings
- Aula 7 - Carregando arquivos
- Aula 8 - Matrizes
- Aula 9 - Loops e iterações
- Aula 10 - A sua primeira rede neural
- Aula 11 - Funções
- Aula 12 - Introdução ao data frame
- Aula 13 - Introdução ao NumPy
- Aula 14 - NumPy Parte 2 - Manipulação de Arrays
- Aula 15 - NumPy Parte 3 - Operações universais
- Aula 16 - Pandas - Data Frame e manipulação de dados - Parte 1
- Aula 17 - Pandas - Data Frame e manipulação de dados - Parte 2
- Aula 18 - Pandas - Data Frame e manipulação de dados - Parte 3
- Aula 19 - Visualizaçao de Dados com Python - Parte 1
- Aula 20 - Categorical Enconding
- OM Responde - Categorical Encoding
- Aula 21 - Acessando APIs com Python
- Aula 22 - Gráficos animados em 2D e 3D
- Aula 23 - Web Scraping com Python - Parte 1
- Aula 24. Pandas - Tabela Pivot
- Aula 25. Aplicação Web com Flask - Aula 2 (Inter) (PY)
- Aula 26 - Orientação a objetos - OO
- Aula 27 - Plotly's Python graphing library
- Aula 28 - Crie seu Python Package
- Aula 29 - Orientação a objetos - Parte 2
- Aula 30 - Testes e Debugging em Python no Jupyter Notebook
- Aula 31 - Python Elegante - Compreensões e Funções Lambda.mp4
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- 1 - Árvore de Decisão para tarefa de classificação e regressão
- 2 - GLM - Regressão Linear
- 3. Aprovação de Cartão de Crédito - Regressão Logística
- 4. Random Forest para tarefas de classificação e regressão
- 5. K-means e o aprendizado não supervisionado (parte 2 do CPA 22)
- 6. K-means em ação
- 7. Alvos, Otimização, Cross Validation e salvando o modelo
- 8. Redes neurais - Imagens - Scikit learn
- 9. Detecção de Fraude - Isolation Forest
- 10. Ensemble Models - Stacking
- 11. Introdução ao XGBoost - Classificação e Regressão
- 12. XGBoost - Ativos de mau desempenho
- 13. XGBoost - Otimização - Grid e Random Search (Inter)
- 14. DBSCAN - Do tratamento dos dados à otimização (Avan)
- 15. DTW e K-NN para reconhecimento de voz
- 16. Análise de Fourier para Ciência de Dados
- 17. Análise de Fourier para Ciência de Dados - Parte 2
- 18. Análise de Fourier para Ciência de Dados - Parte 3
- 19. KYC Clientes Corretora - AED e Data Viz
- 20. Deep Learning - Aula I
- 21. Deep Learning - Aula II
- 22. Deep Learning - Aula III
- 23. Deep Learning - Aula IV
- 24. Deep Learning Aula V
- 25. Deep Learning Aula VI
- 26. Deep Learning - Aula VII
- 27. Deep Learning - Aula VIII
- 28. Deep Learning - Aula IX
- 29. Deep Learning - Aula X
- 30. Deep Learning - Aula XI
- 31 - AED para partidas de futebol
- 32. Catboost - Caso 1
- 33. Função de Perda Logística
- 34. Deep Learning - Aula XII
- 35. Deep Learning - Aula XIII
- 36. Normalização de dados
- 37. Extração de Regras de RNAs
- 38. Web Scraping - Parte 1
- 39. Dados Sintéticos e Trading - Aula 1
- 40. Dados Sintéticos - Aula 2
- 41. Dados Sintéticos - Aula 3 - CTGAN
- 42. Dados Sintéticos - Aula 4 - Gaussian Copula
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- 1. Detecção de anomalias no mercado financeiro (R)
- 2. Árvore de Decisão para Trading - Classificação do EUR/USD (PY)
- 3. Regressão Logística em R EUR USD
- 4. Sobre alvos e gerenciamento de risco
- 5. Conceitos Fundamentais - Gestao de Carteira e Risco (1)(R)
- 6. PCA e Árvore de Decisão para Trading (PY)
- 7. O poder da estatística descritiva e Isolation Forest (PY)
- 8. Sobre Pensar - Parte 2 - Mais Sobre Física Clássica no Mercado Financeiro
- 9. SVM no Dólar Futuro (PY)
- 10. K-means no Dólar Futuro
- 11. Ensemble - Índice Futuro
- 12. Operacionalização Ensemble - Índice Futuro
- 13. ITUB4 - Um ensemble sobre as caudas da distribuição (R)
- 14. Book de Variáveis de AT (PY)
- Live 22. Trading com XGBoost (R).ipynb
- 15. Previsão de volatilidade com XGBoost e Grid Search (R) (Inter)
- 16. DBSCAN (R) (Inter)
- 17. Padrões de candlestick (PY) (Avan)
- 18. Sistema Especialista com DBSCAN (PY) (Avan)
- 19. Price Action, alvos longos e implementação de Árvores de Decisão (Inter) (PY)
- 20. Sobre Alpha, Convexidade, Mediocristão e Extremistão
- 21. DTW para detectar padrões no MF (Avan)(R)
- 22. Volatilidade implícita (PY) (R)
- 23. Regressão Quantílica em commodities (PY)
- 24. XGBoost - Milho B3 (PY) (Inter)
- 25. Ajuste Polinomial (PY)
- 26. Relatório em pdf e correlações (PY) (Inter)
- 27. Detecção de topos e fundos (PY) (Inter)
- 28. Web App de Volatilidade Implícita (PY).ipynb
- 29. Trading com Skewness e Kurtosis (PY)(Avan)
- 30. Lições aprendidas
- 31. Introdução ao Valuation
- 32. Detrend e regressão móvel (Inter) (PY)
- 33. Análise contábil: Princípios e Índices
- 34. Estudo de caso: previsão de tendência
- 35. Estudo de caso - Previsão de Tendência Parte 2 (PY) (Avan)
- 36. Estudo de caso - Previsão de Tendência Parte 3 - Conclusão
- 37. Estudo de caso - Previsão de Tendência Parte 4 (PY) (Avan)
- 38. Devaneios Quantitativos - Calculus test (Avan) (PY)
- 39. Value at Risk - Críticas e observações (PY) (Avan)
- 40. Padrões em Séries Temporais - Matrix Profile (PY) (Avan)
- 41. Suporte e Resistência baseado em volatilidade (PY)(Inter)
- 42. Índice de fat tail - Renda variável e fixa (PY) (Avan)
- 43. Long e Short por Cointegração (Avan)
- 44. Explainable AI - Milho e Dólar
- 45. ML Explainability - Shapley Values - Parte 2
- 46. Reversão à média e ML Explainability
- 47. Bootstrapping, qFit e Pain Index
- 48. Clusters Hierárquicos para Seleção de Carteira
- 49. Clusters Hierárquicos - Parte 2
- 50. Clusters Hierárquicos - Parte 3
- 52. Wavelets
- 53. Correlação e Frequências - PSD
- 54. Custo dos retornos e binning
- 55. Regimes de Volatilidade
- 56. Uso da distância euclidiana
- 57. Uso da distância cosseno
- 58. Aplicando ML nas distâncias
- 59. Catboost no trading
- 60. Topic Modelling no Trading
- 61. Detecção de regimes com Hidden Markov Models
- 62. VAE na Detecção de Anomalias com Detrend
- 63. Reversão Estratégica - Aprenda o OMQS MR
- 64. Projeção de Séries Temporais com FFT (Transformada Rápida de Fourier)
- 65. Seguidor de Tendência e RSI Dinâmico
- 66. Sistema com o RSI Dinâmico
- 67. Previsão de Volatilidade e sugestões de uso
- 68. Detecção de Quebra Estrutural em Séries Temporais
- 69. Estratégia Z
- 70. Equação de Van der Pol forçada
- 71. VOL Score - Novo Indicador
- 72. Previsão com a Distância Euclidiana
- OM Responde - Intervalo de Retornos
- OM Responde - Mudanças na dinâmica do mercado
- OM Responde - Otimização do random_state
- OM Responde - Aula 6. PCA e Árvore de Decisão
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- 1. Introdução à Probabilidade
- 2. Introdução à Estatística
- 3. Correlação e Covariância
- 4. Variáveis aleatórias e distribuições de probabilidade
- 5. Teorema do limite central, lei dos grandes números e caudas longas
- 6. Inferência estatística e data leakage
- 7. Entendendo o Valor-P
- 8. Fat tails e desvio padrão
- 9. Bootstrapping - Python e R
- 10. PSI - Population Stability Index (R e PY) (Inter)
- 11. ANOVA - Analysis of Variance
- 12. One-Way ANOVA (Inter) (R) (PY)
- 13. Sobre colinearidade e VIF (Inter)
- 14. Medição do poder preditivo (WoE e IV) (Inter)
- 15. Dynamic time warping
- 16. Gráfico de Coordenadas Paralelas - Parallel coordinate plot (R)(PY)
- 17. Regressão Quantílica
- 18. Sobre seleção de variáveis (PY) (R)
- 19. Tensores - Aula I (Avan)
- 20. Sobre processos estacionários (Python)
- 21. Análise de Sobrevivência (PY)
- 22. Distribuição de Poisson
- 23. Poisson - Parte 2
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- 1. Metodologias para execução de projetos de data mining
- 2. Introdução ao LinkedIn - 10 passos para destacar o seu perfil
- 3. O currículo e carta de apresentação definitivos
- 4. A arte do Storytelling [Live 12]
- 5. Sobre Empreendedorismo - Parte 1
- 5. Sobre Empreendedorismo - Parte 2
- 6. Como ser um autodidata
- 7. O método científico
- 8. A arte da persuasão
- 9. Como estudar: disciplina, intelecto e vontade (Live 24)
- 10. A inteligência
- 11. Sobre Oportunidades
- 12. Modelos, variáveis e criatividade - OM Responde
- 13. Como ser um consultor
- 14. O Caminho dos Produtos de Data Science
- 15. Gestão de Produto - Do Conceito ao Ciclo de Vida
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- 1. Bitcoin Descomplicado
- 2. Bitcoin Descomplicado 2
- 3. Como funciona uma transação de Bitcoin
- 4. O que é e a importância dos UTXOs
- 5. Jupiter LP (JLP) - Como Funciona e Como Gera Valor
- 6. Como o mecanismo de criação de chave privada e pública do Bitcoin funciona?
- 7. Autonomia Bitcoin - Criação de Chaves Endereços e Transações
- SPL - Gênese
- 1. Analisando argumentos
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- Como conquistar o seu mundo
- Time Series Contextual Anomaly Detection for Stock Market Manipulation
- Machine learning - Royal Society Report
- The value delivered by analytics - PWC
- AI: Built to scale - Accenture Research Report
- Modelo de Previsão de Lucros de Companhias Listadas na BM&FBovespa - RFA
- Artigos sobre Regressão Logística
- Artigo sobre Efeito e Causalidade
- Análise de Componentes Principais (PCA)
- Condition Monitoring of a Complex Hydraulic System Using Multivariate Statistics
- Lições para "forecasters"
- Guia sobre regressão linear
- Artificial intelligence and machine learning in asset management
- Generalising Random Forest Parameter Optimisation to Include Stability and Cost
- An introduction to ROC analysis
- Absolute Momentum A Simple Rule-Based Strategy and Universal Trend-Following Overlay
- Neuralnet - Training of Neural Networks (R)
- SisPorto 2.0 A Program for Automated CTG
- OM - Inquisitio et explicatio - Julho 2021
- OM - Inquisitio et explicatio - Agosto 2021
- Live 01 - A realidade do mercado de trabalho
- Live 02 - A importância de uma boa variável
- Live 03 - Vencendo o Benchmark
- Live 04 - Ideias Quants nunca antes ditas
- Live 05 - Introdução à implementação de modelos na nuvem
- Live 06 - Sobre lógica e aleatoriedade no Mercado Financeiro
- Live 07 - Introdução - Microsoft Azure
- Live 08 - Aplicações da Física Clássica no Mercado Financeiro
- Live 09 - Otimização dos hiperparâmetros de uma Random Forest
- Live 10 - Criando produtos de dados
- Live 11. Web Scraping - Como coletar informações da internet (R)
- Live 13. Redes neurais em finanças quantitativas (PY)
- Live 14. Feature scaling (R e PY)
- Live 15. Operacionalização de modelos de machine learning (PY)
- Live 16. 30 questões - com respostas - sobre comportamentos em entrevistas
- OM Responde - Live 16
- Live 17. Support Vector Machines
- Live 18. Feature engineering
- Live 19. Elementos trigonométricos do mercado financeiro
- Live 20. Ensemble Models
- Live 23. Álgebra linear para ciência dos dados
- Live 25. Overcoming the challenges of ML at scale: from deployment to explainability (Inglês)
- Live 26. Introdução aos Algoritmos Genéticos
- Bônus 01 - Como precificar o seu trabalho de freelancer
- Bônus 02 - Diferenças entre IA, ML e Ciência dos Dados
- Bônus 03 - Uma nota sobre overfitting e o bias-variance trade-off
- Bônus 04 - Base de treinamento #1 - Uma reflexão da vida real: sobre gestão de recursos
- Bônus 05 - Base de treinamento #2 - Uma reflexão da vida real: sobre comunicação
- Bônus 06 – Planilha do Filtro de Kalman
- Aula I - Números reais e sua álgebra
- Aula II - Propriedades, Expressões algébricas e WolframAlpha
- Aula III - Inversos e a Álgebra de Frações
- Aula IV – Resolução De Exercícios e Desigualdades
- Aula V - Propriedades da desigualdade e intervalos
- Aula VI - União, Valor Absoluto e muitos exemplos
- Aula VII - Resolução de Exercícios e Introdução de Funções
- Aula VIII – Domínio, Imagem e Plano Cartesiano
- Aula IX – Transformações verticais de Funções
- Aula X – Transformações horizontais de Funções
- Aula XI - Combinações e função para e ímpar
- Aula XII – Composição de funções
- Aula XIII – Função Identidade e decomposição de funções
- Aula XIV – Símbolos e prova matemática
- Aula XV - Teoria dos Conjuntos - Aula 1
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- Aula 1 - Introdução e Operações Básicas
- Aula 2 – Valores e Operações Lógicas
- Aula 3 - Programação Condicional – IFELSE
- Aula 4 - Vetores e listas no R
- Aula 5 - Dicionários
- Aula 6 - Manipulando textos em R - Strings
- Aula 7 - Carregando arquivos
- Aula 8 - Matrizes
- Aula 9 - Loops e iterações
- Aula 10 - A sua primeira rede neural
- Aula 11 - Funções
- Aula 12 - Introdução ao data frame
- Aula 13 - Data Frame - Parte 2
- Aula 14 - Data Frame - Parte 3 - A família Apply
- Aula 15 - Tidyverse – Parte 1
- Aula 16 - Manipulando datas no R
- Aula 17 - Tutorial - Análise de Componentes Principais (PCA)
- Aula 18 - Visualização de Dados com ggplot2 - Parte 1
- Aula 19 - Tidyverse – Parte 2
- Aula 20 - R - DB de Notícias e SQL
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
- 1. Caso Prático - Detecção de Anomalias e o exemplo do Twitter
- 2. Classificador Naive Bayes - Parte 1
- 3. Classificador Naive Bayes - Parte 2
- 4. Árvore de Decisão e PCA (ACP)
- 5. Text Mining, K-means e Twitter
- 6. Redes Neurais - nnet
- 7. Redes Neurais - neuralnet
- 8. Isolation Forest
- 9. SVM - Support Vector Machines
- 10. K-NN do zero
- 11. Ensemble Models - Previsão demanda por aluguel de bikes
- 12. Xgboost para previsão de renda
- 13 - DBCSAN com AED completo (Avan)
- 14. Otimização com Algoritmos Genéticos
- 15. Behavioral Modeling
- Ao longo das próximas semanas, mais aulas serão adicionadas aqui!
Quem sou eu?
Sou Leandro Guerra, engenheiro por formação e cientista de dados por vocação há mais de 10 anos :)
Desde jovem entendi a importância da ciência dos dados no mundo, e construí uma sólida carreira nesta área no meio corporativo. Hoje, sou líder de uma equipe de cientistas de dados na Europa.
Sempre gostei de ensinar, e compartilho muito do que sei, gratuitamente, nos meus canais na internet.
E, como muita gente tem me procurado para saber mais desse assunto, senti a necessidade de estruturar um método de aprendizado estruturado, completo e profundo, para quem quiser mudar o rumo da sua vida através das ciências dos dados!
Confira o meu perfil profissional no Linkedin
Avaliações
Perguntas Frequentes
Todas as avaliações mostradas aqui foram feitas por pessoas reais que compraram e deram sua opinião sobre o curso. Quando alguém compra um curso através da Hotmart, a pessoa recebe um convite para avaliar o conteúdo dele. A nota nesta página é o resultado da média das avaliações feitas por estes compradores, que vai de 1 a 5 estrelas.
A nota média de Outspoken Market na prática é de 4.9 estrelas. Depois de cada compra na Hotmart, você tem a oportunidade de avaliar a qualidade do curso e o seu nível de satisfação. Com a opinião dos compradores, nosso sistema calcula a nota média e colhemos os comentários que vão ajudar outras pessoas no momento da decisão de compra.
Primeiro, você precisa criar seu cadastro grátis, clicando aqui. Lá dentro, você tem acesso a mais de 15 formatos pra transformar o que você sabe em um produto digital. Além disso, vai poder acessar também o Hotmart Academy.
O Prazo de Garantia é o período que você tem para pedir o reembolso integral do valor pago pela sua compra, caso o produto não seja satisfatório. Assim que solicitado, seu reembolso é processado automaticamente pela Hotmart em até 5 dias. Para pagamentos com boleto bancário, você precisa preencher uma conta bancária para receber o dinheiro. Passados os 5 dias, o valor poderá ser identificado em sua conta em até 7 dias úteis. Já o estorno da fatura do cartão de crédito varia de acordo com o meio de pagamento e pode ocorrer na fatura atual ou na seguinte.
Alguns cursos online oferecem um certificado digital de conclusão. Alunos podem emitir esse certificado ao final do curso ou entrando em contato com o Autor ou Autora. Esses certificados podem ser compartilhados em redes sociais como o LinkedIn e inseridos em informações curriculares.
Os produtos na Hotmart têm diferenciais que mudam de acordo com o tipo de produto e a disponibilidade. Por exemplo, produtos do tipo "Cursos online" podem ou não oferecer certificado digital de conclusão. Caso o certificado esteja disponível, alunos podem emiti-lo dentro do curso ou entrando em contato com o(a) Autor(a). Os certificados podem ser compartilhados em redes sociais como o LinkedIn e inseridos em informações curriculares. A garantia também é um diferencial dos nossos produtos e pode variar de 7, 15 ou 30 dias, de acordo com o oferecido pelo Autor(a). Para ver os diferenciais disponíveis neste produto, basta checar a seção Diferenciais.
Você receberá o acesso a Outspoken Market na prática por email. Pode ser um curso online, um ebook, uma série de videoaulas, um serviço, evento, etc. O conteúdo será acessado ou baixado através de um computador, celular, tablet ou outro dispositivo digital. Você também pode acessar o produto comprado nesta página:
Para comprar este curso, clique no botão “Comprar”. Lembre-se de que nem todos os cursos estarão sempre disponíveis para compra. É possível que o Autor ou Autora esteja preparando uma nova turma ainda sem inscrições abertas.
Para ser Afiliado(a), recomendamos que leia os guias que disponibilizamos em todos os canais da Hotmart. Além disso, uma boa maneira de se informar um pouco mais é acessando nosso blog. O produto desta página está disponível apenas para compra, para ver os produtos de afiliação, vá até o Mercado de Afiliação.
Temos um canal exclusivo para receber denúncias em produtos que não estão de acordo com as regras da plataforma Hotmart. Se você vir informações inadequadas, denuncie aqui
Acesse nossa Central de Atendimento, onde explicamos, em detalhes, todas as dúvidas que você possa ter antes, durante ou depois de comprar um produto digital na Hotmart.
