docs: alteração das páginas index de cada trilha

content/01-finquant/index.md

@@ -5,7 +5,36 @@ title: " FinQuant"
 >[!warning]
 > Se você é membro da dev e quer contribuir com algum material, se liga no **Guia do Hub** disponível na seção Extras: [[../05-guiahub/01-guia-onboarding-hub|Guia do Hub]]
 
-## Destaques recentes:  
+## O que é a trilha de Finanças Quantitativas (FinQuant)?
 
-(colocar acho que 5 redirecionamentos para os nossos melhores projetos)
+A trilha de **Finanças Quantitativas** é o eixo do Hub dedicado à **modelagem quantitativa aplicada a mercados financeiros**, focando em tomada de decisão baseada em **dados, métodos estatísticos e implementação computacional**.  
+Aqui integramos de forma estruturada:
 
+- **Mercados e produtos financeiros** (Ações, derivativos, criptoativos etc.)
+- **Estatística, econometria e séries temporais** (modelagem, inferência, diagnóstico e previsão)
+- **Programação científica** (principalmente em Python, com foco em data pipelines, backtesting e automação)
+- **Teoria de portfólio, risco e otimização** (alocação ótima, métricas de risco-retorno, restrições e controle de drawdown)
+
+O objetivo é dar viasibilidade aos projetos criados internamente, juntamente com artigos que sejam capazes de mostrar como se**formula, implementa e valida estratégias quantitativas completas**, desde a construção e tratamento da base de dados até a avaliação rigorosa de desempenho (backtests, métricas de risco-retorno e análise de robustez).
+
+
+---
+
+## Pra quem é essa trilha?
+
+> 👇 Se você se identificou com pelo menos um ponto, esse lugar é seu:
+
+- Quer **aprender a montar modelos de precificação, risco e portfólio** na prática
+    
+- Gosta de **programar** e quer aplicar isso em finanças
+    
+- Quer entender **como fundos, desks e quants** pensam risco, retorno, drawdown, alavancagem etc.
+    
+- Está se preparando para **estágios/trainees em mercado financeiro, quant, research ou data**
+    
+
+Não precisa já saber tudo – o importante é estar disposto a **estudar, testar ideias e compartilhar código**.
+
+## Como navegar pela trilha
+
+Use o menu à baixo para acessar os conteúdos de cada semestre:

content/02-ia/index.md

@@ -4,6 +4,35 @@ title: IA
 >[!warning]
 > Se você é membro da dev e quer contribuir com algum material, se liga no **Guia do Hub** disponível na seção Extras: [[../05-guiahub/01-guia-onboarding-hub|Guia do Hub]]
 
-## Destaques Recentes: 
+## O que é a trilha de Inteligência Artificial (IA)?
 
-(colocar acho que 5 redirecionamentos para os nossos melhores projetos)
+A trilha de **Inteligência Artificial (IA)** é o eixo do Hub dedicado à **modelagem preditiva, aprendizado de máquina e deep learning**, com foco em construção de **modelos robustos, reprodutíveis e aplicados a problemas reais** (finanças, economia, ciências sociais, negócios etc.).  
+Aqui integramos de forma estruturada:
+
+- **Aprendizado de máquina clássico**  
+  (regressão, árvores, ensembles, SVM, modelos lineares e generalizados)
+- **Redes neurais e deep learning**  
+  (MLP, CNN, RNN/LSTM, Transformers, arquiteturas modernas)
+- **Aprendizado não supervisionado e representação**  
+  (clustering, redução de dimensionalidade, embeddings, autoencoders)
+
+O objetivo é dar visibilidade aos projetos criados internamente e organizar materiais que mostrem **como se formula, implementa, avalia e documenta modelos de IA de ponta a ponta** – desde a coleta/tratamento de dados até a escolha de métricas, comparação de modelos e análise de erros.
+
+---
+
+## Pra quem é essa trilha?
+
+> 👇 Se você se identificou com pelo menos um ponto, essa trilha é pra você:
+
+- Quer **aprender machine learning e deep learning** 
+- Gosta de **programar em Python** e quer aplicar isso em problemas quantitativos e de negócio
+- Quer entender **como cientistas de dados, engenheiros de ML e quants** projetam, treinam e validam modelos
+- Está se preparando para **estágios/trainees em dados, IA, pesquisa aplicada ou áreas quantitativas**
+
+Não precisa já dominar IA – o importante é estar disposto a **estudar, experimentar modelos diferentes, medir resultados e compartilhar código**.
+
+---
+
+## Como navegar pela trilha
+
+Use o menu à baixo para acessar os conteúdos de cada semestre:

content/03-ciencia-de-dados/index.md

@@ -4,6 +4,36 @@ title: Ciência de dados
 >[!warning]
 > Se você é membro da dev e quer contribuir com algum material, se liga no **Guia do Hub** disponível na seção Extras: [[../05-guiahub/01-guia-onboarding-hub|Guia do Hub]]
 
-## Destaques Recentes: 
+## O que é a trilha de Ciência de Dados?
 
-(colocar acho que 5 redirecionamentos para os nossos melhores projetos)
+A trilha de **Ciência de Dados** é o eixo do Hub dedicado à **coleta, organização, tratamento e análise de dados**, com foco em construir **pipelines robustos, reprodutíveis e bem documentados**.  
+Aqui integramos de forma estruturada:
+
+- **ETL / ELT e engenharia de dados “de base”**  
+  (ingestão de arquivos, APIs, bancos de dados; limpeza, transformação e padronização)
+- **Web Scraping e automação**  
+  (requests, parsing de HTML/JSON, agendamento de rotinas, respeito a limites e boas práticas)
+- **Análise exploratória e visualização**  
+  (EDA, estatísticas descritivas, gráficos, identificação de outliers e data quality)
+- **Boas práticas de código e organização de projeto**  
+  (estrutura de pastas, funções reutilizáveis, logging, testes básicos, versionamento com Git)
+
+O objetivo é dar visibilidade aos projetos criados internamente e organizar materiais que mostrem **como se projeta e implementa um fluxo de dados de ponta a ponta** – desde a captura da informação até a entrega de tabelas, relatórios e bases prontas para modelos de IA, finanças quantitativas ou análises aplicadas.
+
+---
+
+## Pra quem é essa trilha?
+
+> 👇 Se você se identificou com pelo menos um ponto, essa trilha é pra você:
+
+- Quer aprender **ETL, Web Scraping e manipulação de dados em Python/SQL**
+- Gosta de **automatizar tarefas repetitivas** (coleta de dados, relatórios, atualizações de planilhas)
+- Quer entender **como cientistas de dados e engenheiros de dados** preparam bases antes da modelagem
+- Está se preparando para **estágios/trainees em dados, BI, analytics, engenharia de dados ou áreas quantitativas**
+
+Não precisa já dominar tudo – o importante é estar disposto a **estruturar melhor seus códigos, se preocupar com qualidade de dados e compartilhar boas práticas**.
+
+---
+## Como navegar pela trilha
+
+Use o menu à baixo para acessar os conteúdos de cada semestre:

content/04-extras/index.md

@@ -3,6 +3,36 @@ title: Extras
 ---
 >[!warning]
 > Se você é membro da dev e quer contribuir com algum material, se liga no **Guia do Hub** disponível na seção Extras: [[../05-guiahub/01-guia-onboarding-hub|Guia do Hub]]
-## Destaques Recentes: 
 
-(colocar acho que 5 redirecionamentos para os nossos melhores projetos)
+## O que é a trilha Extras?
+
+ A trilha de **Extras** reúne conteúdos de **infraestrutura técnica e ferramentas** que serve como complemento as outras trilhas do Hub.  
+Aqui entram materiais que não são de uma área específica (FinQuant, IA ou Ciência de Dados), mas que são fundamentais para **trabalhar bem em time, versionar código e dominar o ecossistema de desenvolvimento**:
+
+- **Git e GitHub**  
+  (workflow com branches, pull requests, resolução de conflitos, boas práticas de commit)
+- **Outras linguagens de programação e ferramentas de apoio**  
+  (bash/shell, uso de terminais, scripts auxiliares, noções de C/C++, Java, JavaScript/TypeScript etc.)
+- **Ambiente de desenvolvimento e produtividade**  
+  (VS Code, extensões úteis, conda/venv, organização de projetos, snippets, automações)
+- **Materiais gerais de programação, algoritmos e boas práticas**  
+  (estilo de código, estruturação de pastas, documentação mínima, testes básicos)
+
+O objetivo é concentrar aqui tudo o que **aumenta a qualidade e a eficiência do trabalho técnico**, independentemente da trilha principal do projeto.
+
+---
+
+## Pra quem é essa trilha?
+
+> 👇 Se você se identificou com pelo menos um ponto, vale explorar os materiais de Extras:
+
+- Quer **entender melhor Git/GitHub** e parar de “apanhar” de merge, conflitos e branches
+- Está montando ou melhorando seu **ambiente de desenvolvimento** (editor, terminal, Python, etc.)
+- Quer aprender **conceitos de programação** que se aplicam em qualquer trilha (estrutura de código, funções, módulos, testes)
+- Gosta de explorar **novas linguagens** ou ferramentas úteis para projetos da dev
+
+---
+
+## Como navegar pela trilha?
+
+Use o menu à baixo para acessar os conteúdos de cada semestre:

content/index.md

@@ -3,7 +3,6 @@ title: Hub.dev
 description: Notas, finanças quantitativas e IA.
 enableToc: false
 ---
-
 # Bem-vindo!
 
 > [!info] O que é o Hub?