Track de Finanzas Cuantitativas & AI
Curso esencial para estudiantes que buscan emplear modelos matemáticos en decisiones financieras. Exploraremos probabilidad, álgebra lineal, optimización y estadísticas para un análisis cuantitativo en mercados modernos. Además, se aprenderá a utilizar redes neuronales profundas en datos financieros, incluyendo series de tiempo multi-variado y multi-horizonte.
Objetivos del curso
01
Enfocado en aquellos estudiantes que deseen utilizar modelos matemáticos para tomar decisiones en problemas financieros de distintos ámbitos.
02
Durante este curso recorreremos los conceptos matemáticos provienes de la probabilidad, el álgebra lineal, la optimización y la estadística que permiten un análisis cuantitativo de los mercados financieros modernos.
03
Durante este curso, enseñaremos a utilizar redes neuronales profundas para datos financieros tanto series de tiempo incluyendo el caso Multi-variado y multi-horizonte.
04
El enfoque del curso contempla casos de estudio semanales que permitan a los estudiantes conocer los detalles minuciosos de las aplicaciones propuestas.
Cursos del track
Introducción Desde cero a Python
Perfil del estudiante
El estudiante debe estar interesado en aprender los detalles matemáticos detrás de los algoritmos y modelos de Machine learning con el objetivo de mejorar su comprensión sobre las ventajas, dificultades o soluciones que ocurren en el
trabajo de los científicos de datos.
Los candidatos ideales son: practicantes de ciencia de datos, ingenieros de datos, analistas de negocios, desarrolladores de software o estudiantes de posgrado que deseen completar su formación.
Evaluación y proyectos
1. Cada semana se realizará un pequeño test para revisar el aprendizaje del estudiante.
2. Al final cada bloque (tres bloques por curso) se realizará una evaluación que consiste en dos partes:
- Un examen práctico donde el estudiante deberá aplicar sus habilidades para resolver otros problemas similares o adecuaciones de los mismos vistos en clase.
-Un examen teórico que simula una entrevista laboral sobre el planteamiento del problema, la interpretación de los resultados y la descripción de los algoritmos.
3. El curso incluye un acompañamiento por parte de los profesores en el desarrollo de los proyectos de los estudiantes utilizando las técnicas aprendidas.
Reseñas de estudiantes
%2011.34.50%E2%80%AFa.m..jpg)
