Perfil del
Participante
Dirigido a profesionales y ejecutivos que lideren equipos de negocio y sean afines a la toma de decisiones en base a datos y público en general, que desean adquirir conocimientos del ciclo de vida de Machine Learning. Así como a profesionales de diferentes carreras universitarias con experiencia en manejo de base de datos y programación básica.
6 CURSOS DE APRENDIZAJE PARA POTENCIAR TU ÉXITO
Curso 1
Introducción al Machine Learning y la Industria Bancaria y Seguros (9 h)
Obtendrás conocimientos básicos necesarios para iniciar en el proceso de Machine Learning.
- Conceptos fundamentales de Machine Learning.
- Conceptos fundamentales estadísticos.
- Conceptos fundamentales de base de datos.
- Conceptos fundamentales de gestión y transformación de los datos.
- Metodologías tradiciones y ágiles en la minería de datos.
Curso 2
Fundamentos Estadísticos de Machine Learning (12 h)
Reforzarás los conocimientos matemáticos útiles para la interpretación de las técnicas a implementar.
- Estadística descriptiva y regresiones.
- Estadística inferencial aplicada.
Curso 3
Tratamiento de datos y exploración de datos (9 h)
Desarrollarás conocimientos para identificar la fuente de información, conectarla, reprocesarla y explorar los datos.
- Identificación de fuentes de datos y conexión de datos.
- Técnicas de manipulación de datos (Data Wrangling).
- Técnicas de preprocesamiento de datos.
Curso 4
Modelos de Machine Learning aplicados a Inteligencia Comercial (12 h)
Aprenderás cómo el Machine Learning permite que diversos negocios envíen mensajes precisos al público adecuado en el momento ideal y cómo el sector retail lo aplica para conocer qué productos se venderán mejor según ubicación, entorno, tendencias en redes sociales y más.
- Analytics por Ciclo de Vida del Cliente en Banca.
- Segmentación.
- Sistema de recomendación.
- Modelos de propensión.
Curso 5
Modelos de Machine Learning aplicados a Riesgos (12 h)
Los modelos de Machine Learning pueden ayudar enormemente a mejorar la toma de decisiones en riesgo crediticio, creando un credit scoring para cada uno de los clientes de la cartera. Según el Índice Gini, utilizar técnicas de Machine Learning aumenta el poder de predicción de un 50%-60% a más del 90%, reduciendo considerablemente el riesgo para las entidades financieras.
- Introducción al Riesgo de Crédito. Ciclo de Vida del Riesgo de Crédito.
- Análisis exploratorio de los datos.
- Construcción de un modelo.
- Construcción de Scorecard.
- Validación de un modelo.
Curso 6
Modelos de Machine Learning aplicados a Fraudes (6 h)
Conocerás el proceso de buscar el modelo de aprendizaje automático ideal entre millones de combinaciones de algoritmos para predecir transacciones fraudulentas y actividades sospechosas.
- Detección de manipulación de mercado.
- Detección de lavado de Dinero.
- Fraude de tarjeta de crédito.
Perfil del
Egresado
Estarás capacitado para tomar decisiones basadas en conocimiento y ejecutar un proceso E2E de Machine Learning. Comprenderás herramientas y técnicas para convertir los datos de empresas financieras en conocimiento, desarrollando habilidades en diseño, implementación y gestión del proceso de maduración de un modelo de Machine Learning. Además, aprenderás a evaluar los resultados mediante indicadores de proyecto y métricas de validación del modelo.
Respaldan nuestra calidad académica
