Machine Learning & Artificial Intelligence for Finance
Metodología:
Teoría acompañada de ejercicios de casos prácticos. Análisis de los conceptos con ejercicios realizados en clase en el lenguaje de programación Python. Es necesario contar con computadora personal y conexión a internet.
Ejercicios:
1. Predicción de precios de acciones financieras
2. Modelo de score crediticio
20
10
2021-01-05
Lun – Jue 18:00 a 20:00 hrs Horario de la Ciudad de México
Descripción
La inteligencia artificial y el aprendizaje de máquina (Machine Learning) son dos pilares que están revolucionando la manera en que se obtienen patrones de interés que mejoran la toma de decisiones.
En finanzas, la gran cantidad de datos existentes y la diversidad de procesos y aplicaciones hacen que el Machine Learning sea una área muy fértil para el desarrollo de modelos.
Dirigido A:
Principalmente al personal involucrado en análisis de datos.
- Chief Data Officers
- Chief Marketing Officers
- Chief Information Officers
- Chief Operating Officers
- Chief Financial Officers
- Quants
- Tecnólogos
- Científicos de datos
Es deseable que los participantes cuenten con:
- Bases sólidas de Matemáticas Financieras.
- Formación Económico-Administrativa y/o Financiera.
The Latest From The Best
Conoce a nuestro profesorado
Gerardo Carrera
Head of Data Science
Ingeniero en Computación y Maestro en Ciencias e Ingeniería de la Computación y Doctor en Filosofía (PhD) en Ciencias de la Computación por la Universidad de Imperial College, Reino Unido.
Su experiencia se centra en las áreas de Inteligencia Artificial y Visión por Computadora. Ha realizado investigación en dichas áreas (cuenta con distintas publicaciones internacionales y una patente), aplicando sus conocimientos en diversas industrias.
Actualmente es el líder del grupo de ciencia de datos de MABE. Sus proyectos abarcan el uso de aprendizaje de máquina para distintas verticales como: finanzas, demanda, recursos humanos, mercadotecnia, internet de las cosas (IoT), análisis y recomendación de precios.
Anteriormente fue Director de Analítica en el Grupo Financiero Banorte realizando proyectos de modelado utilizando aprendizaje de máquina en: riesgos, venta cruzada, abandono de clientes, fraudes y sistemas de recomendación.
Trabajó en el Instituto Federal de Telecomunicaciones, como Director de Estadística y Director de Análisis Técnico. De igual modo de 2012 a 2014 fue Director de Desarrollo de Software en la Secretaría de Gobernación.
En 2012, trabajó como Subdirector de Metodologías de Riesgo en la Comisión Nacional Bancaria y de Valores.
