Cargando Programas

« Calendario de Todos los Programas

Coding & Programming Financial Solutions (R, PYTHON Y SAS)

13 julio, 2020

TEMARIO

FUNDAMENTOS DE PROGRAMACIÓN Y R Horas Sesiones
1. Adquisición de datos.
1.1. Tipos de datos
1.2Preparación y uso de archivos *.txt, *.csv, *.xls, *.por (SPSS), *.dta (STATA), *. xpt (SAS).
1.3. Definición, instalación y uso de paquetes.
1.4. Características básicas del data frame y matrices, conversiones entre ellas.
2. Uso de gráficos en R.
2.1. Histogramas.
2.2. Gráficos de series de tiempo.
2.3. Gráficos de caja.
2.4. Gráficos 3D.
3. Principales estructuras de programación en R.
3.1. Ciclos con iteraciones definidas; for.
3.2. Ciclos con iteraciones dadas por condición; while.
3.3. Condicionales; if, then, else.
3.4. Selección de casos; switch.
3.5. Creación de funciones definidas por el usuario.
4. Manejo básico de data frames.
4.1. Acceso y operación de los data frames.
4.2. Submuestreo por características, ordenamiento de data frames.
4.3. Fusión de bases de datos.
4.4. Creación de data frames.
4.5. Aplicación de funciones a un data frame.
4.6. Cambios de nombres, asignación de datos y construcción de data frames.
   
Total: 24 8

 

TEMARIO

PROGRAMACIÓN CON PYTHON Horas Sesiones

PARTE 1. INTRODUCCIÓN A PYTHON PARA ANÁLISIS DE DATOS
Hace algunos años, para hacer análisis de datos o aplicar algoritmos de machine learning o de inteligencia
artificial requiere un conocimiento altamente avanzado de matemáticas, así como avanzados conocimientos
en programación en lenguajes poco amigables. Gracias al fuerte avance que han tenido estas técnicas en
varias industrias, se han creado herramientas y librerías con una interface más amigable que permiten reducir el nivel de complejidad de estos modelos y hacer su aplicación más sencilla. 

TEMARIO:
1. Análisis De Datos En Python
1.1. Por qué Python
1.1.1. Librerías Esenciales
1.1.2. Instalación
1.1.3. Python Anaconda
1.1.4. Jupyter Notebook
1.2. PANDAS
1.2.1. Estructura de Datos
1.2.2. Funcionalidades
1.2.3. Indexing
1.2.4. Operaciones con grupos
1.3. QUANDL API
2. Python Para Finanzas
2.1. Visualización de Datos
2.2. Procesos Estocásticos
2.3. Simulación
2.3.1 GBM
2.3.2. Square root Difussion
2.3.3. Volatilidad Estocástica
2.3.4. Jump Difussion
2.4. Valuación de Derivados exóticos.
3. Machine Learning
3.1. Que es Machine Learning
3.2. Clases de Machine Learning
3.2.1. Supervised Learning
3.2.2. Unsupervised Learning
3.3. Algoritmos de Machine Learning
3.3.1. Gradient Descent
3.3.2. Stochastic Gradient Descent
3.3.3. Curvas de aprendizaje
3.4. Regularización de Modelos Lineales
3.4.1. Ridge Regression
3.4.2 Lasso Regression
3.4.3. Logistic Regression
3.5. Support Vector Machines
3.6. Decision Trees.
3.7. Neural Networks

   

PARTE 2. PYTHON AVANZADO PARA ANÁLISIS DE DATOS
El objetivo del curso es extender los conceptos del módulo 1 con el objetivo de dar el salto entre crear
scripts y notebooks a la creación de aplicaciones distribuibles y escalables.
Al finalizar el curso el asistente tendrá los conocimientos para generar aplicaciones en Python distribuibles en módulos y exponerlas a través de una aplicación web. 

TEMARIO:
1. Principios básicos de Python avanzado
1.1 Repositorios y ci/cd
1.2. Skeletons
1.3- Docker
1.4 Test driven development
2. Advanced Python and Meta Programming
3. Data science pipelines and ETLs
4. Application deployment
4.1. Django
4.2. Data science on the web

   
Total: 24 3

 

José Alatorre

Latin America Sales Societe Generale Corporate and Investment Banking

TEMARIO

PROGRAMACIÓN CON SAS Horas Sesiones
TEMARIO:
Teoría:
1. Interfaces
2. Procedimientos (PROC) y datos (DATA)
3. Funciones: numéricas, de cadena y estadísticas
4. Vectores y matrices
5. Manipulación y transformación de datos
6. Identificación, corrección y depuración de datos
7. Importación y exportación de datos
8. Combinación de bases de datos
9. Estructuras de programación
10. Sintaxis y programación lógica
11. Programación clásica y programación macro
12. Variables macro
13. Creación de reportes
14. Creación de funciones, rutinas y subrutinas
Aplicaciones:
1. Estimación de betas
2. Curvas de plazos mediante funciones polinomiales
3. Modelo riesgo-rendimiento de portafolio
4. Pruebas y descomposición de series de tiempo
5. Dossier de tablas
6. Dossier de gráficas
   
Total: 21 7

 

Sede

Mapa

Información

Fecha de inicio 13 / 07 / 2020
Pais México
Duración 23 Clases (69 Horas)
Sedes
  • Trading Room
Horarios 7:00 pm - 10:00 pm
3, 4 y 5 de Agosto (Full Days)
* El horario varia según el módulo
Puntos AMIB N / A
Puntos Mexder N / A
Precio MXN $ 46,400.00