Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción a Machine Learning en Finance
- Visión general de la IA y ML en la industria financiera
- Tipos de aprendizaje automático (supervisado, no supervisado, aprendizaje por refuerzo)
- Casos de estudio en detección de fraudes, puntuación crediticia y modelado de riesgos
Python y Conceptos Básicos de Manejo de Datos
- Uso de Python para manipulación y análisis de datos
- Exploración de conjuntos de datos financieros con Pandas y NumPy
- Visualización de datos utilizando Matplotlib y Seaborn
Supervised Learning para Predicción Financiera
- Regresión lineal y logística
- Árboles de decisión y bosques aleatorios
- Evaluación del desempeño del modelo (precisión, exactitud, recall, AUC)
Unsupervised Learning y Detección de Anomalías
- Técnicas de agrupamiento (K-means, DBSCAN)
- Análisis de Componentes Principales (PCA)
- Detección de valores atípicos para la prevención de fraudes
Puntuación Crediticia y Modelado de Riesgos
- Creación de modelos de puntuación crediticia utilizando regresión logística y algoritmos basados en árboles
- Gestión de conjuntos de datos desequilibrados en aplicaciones de riesgo
- Interpretabilidad del modelo y equidad en la toma de decisiones financieras
Detección de Fraudes con Machine Learning
- Tipos comunes de fraude financiero
- Uso de algoritmos de clasificación para detección de anomalías
- Estrategias de puntuación en tiempo real y despliegue
Despliegue del Modelo y Ética en la IA Financiera
- Despliegue de modelos con Python, Flask o plataformas en la nube
- Cuestiones éticas y cumplimiento regulatorio (por ejemplo, GDPR, explicabilidad)
- Monitoreo y reentrenamiento de modelos en entornos de producción
Resumen y Próximos Pasos
Requerimientos
- Comprensión de estadísticas básicas y conceptos financieros
- Experiencia con Excel u otras herramientas de análisis de datos
- Conocimientos básicos de programación (preferiblemente en Python)
Público Objetivo
- Analistas financieros
- Acutarios
- Oficiales de riesgo
21 Horas
