Ciencia de datos y aprendizaje automático para Fintech
Aprende conceptos y las tecnologías necesarias para desarrollar proyectos de ciencia de datos y de aprendizaje automático en el contexto de una Fintech.
Este curso pertenece al Diplomado en Fintech, criptomonedas y estrategias modernas de inversión.
Antecedentes Generales
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.
Contenidos del Programa
Al final del curso podrás:
– Reconocer qué son las Fintechs y por qué su surgimiento nos hace replantearnos la estructura del sistema financiero tradicional.
– Identificar el funcionamiento de la estructura de datos Blockchain, la criptomoneda Bitcoin, y otras de las criptomonedas más usadas hoy en día.
– Realizar proyectos de ciencia de datos y aprendizaje automático en Fintech.
Contenidos:
Introducción
– ¿Por qué queremos trabajar con datos?
– Introducción a la ciencia de datos.
– Programación en Python.
Manejo de datos tabulares
– Introducción a las bases de datos.
– Bases de datos tabulares y sus operadores.
– Pandas.
Análisis exploratorio de datos (EDA)
– Herramientas estadísticas.
– Introducción a la visualización de datos.
– Caso: análisis de presupuestos comunales.
Aprendizaje automático
– Conceptos básicos.
– Modelos de clasificación.
– Evaluación de desempeño.
– Caso: análisis de churn con datos bancarios.
Conceptos avanzados
– Análisis de series de tiempo.
– Explicabilidad en modelos de aprendizaje automático.
– Proyectos de ciencia de datos en producción.
Cuerpo Docente
Jefe de Programa
Tomás Reyes
Profesor Asociado, Departamento de Ingeniería Industrial y de Sistemas.
Marcelo Arenas
Profesor Departamento de Ciencia de la Computación y del Instituto de Ingeniería Matemática y Computacional
Adrián Soto Suárez
Científico de datos en Fintual