Este curso tiene como propósito entregar herramientas teóricas y prácticas para aprender a trabajar con datos y sacar valor a partir de ellos. Se enseña a manejar bases de datos tabulares y a usar técnicas de exploración de datos para encontrar patrones. Luego, se enseñan técnicas de aprendizaje automático. Para esto se expondrán los conceptos esenciales del campo y se mostrarán aplicaciones contingentes al mundo de las Fintech, como el análisis de series de tiempo, clustering y predicción.
Hoy en día, estos asuntos son de vital importancia tanto para personas naturales que se proponen comprender cómo las nuevas tendencias impulsadas por la tecnología cambian los modelos de negocios en finanzas, como para organizaciones y empresas que desean adaptarse a este cambio.
La metodología que se utiliza combina diferentes métodos de enseñanza, con el propósito de lograr un alto nivel de aprendizaje, para lo cual se contemplan exposiciones conceptuales y participativas apoyadas por material audiovisual, clases interactivas, actividades aplicadas de análisis, discusión de lecturas, análisis colectivos de casos y actividades prácticas.
Dirigido a:
Profesionales que buscan actualizar sus conocimientos en actividades financieras sustentadas en la tecnología, ya sea quienes ocupan cargos en áreas financieras y/o tecnológicas en organizaciones públicas o privadas, como quienes quieran mejorar sus conocimientos para sus propias inversiones o emprendimientos Fintech.
Objetivo de aprendizaje:
Realizar proyectos de ciencia de datos y aprendizaje automático en Fintech.
• ¿Por qué queremos trabajar con datos?
• Introducción a la ciencia de datos.
• Programación en Python.
• Introducción a las bases de datos.
• Bases de datos tabulares y sus operadores.
• Pandas.
• Herramientas estadísticas.
• Introducción a la visualización de datos.
• Caso: análisis de presupuestos comunales.
• Conceptos básicos.
• Modelos de clasificación.
• Evaluación de desempeño.
• Caso: análisis de churn con datos bancarios.
• Análisis de series de tiempo.
• Explicabilidad en modelos de aprendizaje automático.
• Proyectos de ciencia de datos en producción.
¿Te gusta esta publicación?
Comparte esta publicación