Machine Learning para Finanzas
Descifra tendencias financieras clave a través del análisis de datos.
El programa te ayudará a:
Aplicar conceptos básicos de estadística y probabilidad a las finanzas
Entender qué es el análisis exploratorio de datos y cómo realizarlo con Python y Pandas
Diseñar nuevas características y funciones a partir de datos existentes
Comprender cómo funcionan los modelos de aprendizaje automático no supervisado y cuándo pueden ser útiles
Utilizar la simulación para resolver problemas de riesgo y asignación de carteras y responder a cuestiones financieras.
Los participantes que completen exitosamente el curso recibirán un certificado de finalización otorgado por la Universidad de Chicago, junto con una insignia digital, y formarán parte de la red de UChicago.
Módulos del Programa
Introducción a la probabilidad
Introducción a la estadística
Introducción a Python I
Introducción a Python II
Introducción a Python III
Pandas
Análisis exploratorio de datos
Regresión lineal
Análisis OLS
Métricas de regresión
Compensación de sesgo y desviación
Prueba del modelo
Validación del modelo
Ingeniería de funciones
Regularización
Datos de series temporales
Modelo AR o autorregresivo
Modelo MA o de media móvil
Modelo ARIMA
Modelado con datos de series temporales en Python
Modelos GARCH y ARCH
Implementación de los modelos GARCH y ARCH
Análisis de datos del S&P 500
Aprendizaje supervisado
Algoritmos de clasificación: K-Nearest Neighbors
Algoritmos de clasificación: la regresión logística
Métricas de clasificación
Aprendizaje no supervisado
Métodos de conjunto: bagging y bosques aleatorios
Métodos de conjunto: boosting
Aspectos básicos del riesgo y la asignación de capital
Asignación de capital: Activo arriesgado y activo libre de riesgo
Preferencias del consumidor
Aversión al riesgo y valores de utilidad
Retorno esperado y variedad de una cartera de dos activos arriesgados
Covarianza y correlación
Un viaje a Montecarlo
Redes neuronales: Una introducción
Redes neuronales: funciones de activación y degradados de fuga
Big Data
Abordar big data: Hadoop
Abordar el big data: MapReduce y Spark
Explora el aprendizaje automátizado aplicado a las finanzas con expertos del sector.
Las empresas de hoy en día necesitan análisis financieros basados en datos para obtener una visión más completa y fiable, que les permita conectar sus operaciones diarias con el valor a largo plazo, modelar escenarios en tiempo real y asignar recursos de forma eficiente. La creciente demanda de funciones financieras avanzadas y los avances tecnológicos en los servicios basados en la nube han provocado un crecimiento significativo del mercado del análisis financiero.
US$74mil
US$43B
15%
Conoce a tu instructor
Este curso regularmente cuenta con la experiencia de los siguientes instructores. Si deseas conocer quién será el instructor en la próxima convocatoria, no dudes en ponerte en contacto con tu asesor de admisiones.
Vice President at an Investment Bank
Data Science Educator and Curriculum Writer
Beneficios exclusivos del programa
Este programa es excelente para:
Analistas y consultores financieros que desean explorar la recopilación y el análisis de datos basados en la tecnología
Inversores y gestores de carteras y de capital riesgo que exploran formas alternativas de gestionar el riesgo de los fondos de inversión
Directores financieros y otros directivos que desean reforzar el análisis de datos financieros en sus organizaciones
Otros profesionales de las finanzas que buscan herramientas y técnicas tecnológicas para alcanzar sus objetivos
Profesionales de los datos que quieran desarrollar una carrera en el sector financiero o en un puesto orientado a las finanzas
Lo que opinan nuestros participantes
Preguntas frecuentes
Los impuestos aplicables se calcularán y se añadirán en el momento del pago, de acuerdo con la normativa del país o estado correspondiente.
¿No encontraste lo que buscabas? Agenda una llamada con uno de nuestros asesores académicos o llámanos al +1 315 810 9499.
Cuna de 101 premios Nobel, UChicago es el lugar donde las ideas se transforman en realidad
Inicio el