190725PEADIAS ECONOMETRÍA, ANÁLISIS DE DATOS E INTELIGENCIA ARTIFICIAL CON SOFTWARE

Docente

Nombre del docente

Fecha de inicio

19 DE JULIO

Horarios

SÁBADOS :04 : 00 .P.M. A 06 : 00 .P.M. DOMINGOS : 04 : 00 .P.M. A 06 : 00 .P.M.

Fecha de finalizacion

20 DE DICIEMBRE

11 CERTIFICADOS

Docentes Expertos

¿Qué aprenderás en este curso?

Aprenderás fundamentos matemáticos y estadísticos para el análisis económico y financiero, y técnicas de econometría clásica, bayesiana y avanzada con Python, R y Stata. Aplicarás modelos micro y macroeconómicos, análisis de impacto, series temporales y riesgos financieros. Dominarás machine learning, deep learning y visualización de datos con Power BI. Desarrollarás habilidades para tomar decisiones basadas en evidencia en economía, banca y políticas públicas.

Publico objetivo

Resultados esperados

- Dominio de Python, R, Stata y Power BI para análisis y visualización de datos.
- Aplicación de modelos econométricos clásicos, bayesianos y avanzados.
- Uso de machine learning y deep learning en contextos económicos y financieros.
- Toma de decisiones basada en evidencia para resolver problemas reales.
- Capacidad para diseñar y ejecutar evaluaciones de impacto con metodologías rigurosas como RCT, RDD y PSM.
- Desarrollo de proyectos integradores con datos reales en contextos de economía, banca, finanzas y políticas públicas.

Modulo I

FUNDAMENTOS DE LA ESTADÍSTICA

- FUNDAMENTOS Y TIPOS DE DATOS
- ESTADÍSTICA DESCRIPTIVA
- PROBABILIDAD Y DISTRIBUCIONES
- INFERENCIA Y ANÁLISIS DE RELACIONES

Modulo II

ESTADÍSTICA APLICADA, MODELADO MATEMÁTICO Y ANÁLISIS CUANTITATIVO

- ESTADÍSTICA APLICADA Y ANÁLISIS DE DATOS
- ESTADÍSTICA MULTIVARIANTE Y DISEÑO DE EXPERIMENTOS
- MODELOS GENERALIZADOS Y MIXTOS, ANÁLISIS BAYESIANO
- MODELOS DE REGRESIÓN Y SERIES DE TIEMPO

Modulo III

FUNDAMENTOS DE LA ECONOMETRÍA

- FUNDAMENTOS DEL MODELO CLÁSICO DE REGRESIÓN LINEAL Y ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS (MCO)
- EVALUACIÓN Y DIAGNÓSTICO DEL MODELO DE REGRESIÓN: SUPUESTOS, PROBLEMAS Y SOLUCIONES

Modulo IV

MICROECONOMETRÍA Y ANÁLISIS DE DATOS

- MICROECONOMETRÍA Y MODELOS DE ELECCIÓN DISCRETA
- MODELOS FRACCIONADOS
- MODELOS MULTINOMIALES Y ORDENADOS
- MODELOS CON VARIABLES CENSURADAS Y TRUNCADAS
- SESGO DE SELECCIÓN Y MODELOS DE CORRECCIÓN
- APLICACIONES PRÁCTICAS Y PROYECTOS EN MICROECONOMETRÍA

Modulo V

MACROECONOMETRÍA Y ANÁLISIS DE DATOS

- INTRODUCCIÓN A LA MACROECONOMETRÍA EN CIENCIA DE DATOS
- ANÁLISIS UNIVARIADO DE SERIES TEMPORALES
- ANÁLISIS MULTIVARIADO DE SERIES TEMPORALES I
- ANÁLISIS MULTIVARIADO DE SERIES TEMPORALES II
- HERRAMIENTAS COMPUTACIONALES EN CIENCIA DE DATOS MACROECONÓMICA
- MODELOS DE FACTORES LATENTES EN MACROECONOMETRÍA
- MODELOS NO LINEALES EN LA MEDIA

Modulo VI

ECONOMETRÍA FINANCIERA Y BANCARIA

- ECONOMETRÍA FINANCIERA/ BANCARIA Y RETORNOS FINANCIEROS
- MODELOS ARCH (AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY)
- EXTENSIONES UNIVARIADAS DE LOS MODELOS ARCH
- NO-NORMALIDAD CONDICIONAL Y MODELOS DE DISTRIBUCIÓN ALTERNATIVA
- APLICACIONES AVANZADAS EN ECONOMETRÍA FINANCIERA Y BANCARIA

Modulo VII

EVALUACIÓN DE IMPACTO Y ANÁLISIS DE DATOS

- INTRODUCCIÓN A LA EVALUACIÓN DE IMPACTO Y CAUSALIDAD
- INTRODUCCIÓN A LOS EXPERIMENTOS ALEATORIZADOS (RANDOMIZED CONTROLLED TRIALS – RCTS)
- MODELOS DE EMPAREJAMIENTO Y PROPENSITY SCORE MATCHING (PSM)
- REGRESIÓN DISCONTINUA
- ANÁLISIS Y REPLICACIÓN DE ESTUDIOS CON REGRESIÓN DISCONTINUA

Modulo VIII

ECONOMETRÍA BAYESIANA Y ANÁLISIS DE DATOS

- INTRODUCCIÓN A LA ECONOMETRÍA BAYESIANA
- MODELO DE REGRESIÓN LINEAL EN ECONOMETRÍA BAYESIANA
- SIMULACIÓN Y ESTIMACIÓN BAYESIANA
- APLICACIONES ECONOMÉTRICAS I
- APLICACIONES ECONOMÉTRICAS II

Modulo IX

MACHINE LEARNING Y DEEP LEARNING

- MACHINE LEARNING
- SERIES TEMPORALES CON MACHINE LEARNING
- DEEP LEARNING EN ECONOMETRÍA

Modulo X

VISUALIZACIÓN DE DATOS ECONOMÉTRICOS CON POWER BI

- INTRODUCCIÓN A POWER BI: VISIÓN GENERAL, ECONOMÉTRICOS INTERFAZ, FLUJO DE TRABAJO.
- VISUALIZACIÓN DE RESULTADOS Y DISEÑO DE DASHBOARDS

Modulo XI

Modulo XII

Modulo I

FUNDAMENTOS DE LA ESTADÍSTICA

- FUNDAMENTOS Y TIPOS DE DATOS
- ESTADÍSTICA DESCRIPTIVA
- PROBABILIDAD Y DISTRIBUCIONES
- INFERENCIA Y ANÁLISIS DE RELACIONES

Modulo II

ESTADÍSTICA APLICADA, MODELADO MATEMÁTICO Y ANÁLISIS CUANTITATIVO

- ESTADÍSTICA APLICADA Y ANÁLISIS DE DATOS
- ESTADÍSTICA MULTIVARIANTE Y DISEÑO DE EXPERIMENTOS
- MODELOS GENERALIZADOS Y MIXTOS, ANÁLISIS BAYESIANO
- MODELOS DE REGRESIÓN Y SERIES DE TIEMPO

Modulo III

FUNDAMENTOS DE LA ECONOMETRÍA

- FUNDAMENTOS DEL MODELO CLÁSICO DE REGRESIÓN LINEAL Y ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS (MCO)
- EVALUACIÓN Y DIAGNÓSTICO DEL MODELO DE REGRESIÓN: SUPUESTOS, PROBLEMAS Y SOLUCIONES

Modulo IV

MICROECONOMETRÍA Y ANÁLISIS DE DATOS

- MICROECONOMETRÍA Y MODELOS DE ELECCIÓN DISCRETA
- MODELOS FRACCIONADOS
- MODELOS MULTINOMIALES Y ORDENADOS
- MODELOS CON VARIABLES CENSURADAS Y TRUNCADAS
- SESGO DE SELECCIÓN Y MODELOS DE CORRECCIÓN
- APLICACIONES PRÁCTICAS Y PROYECTOS EN MICROECONOMETRÍA

Modulo V

MACROECONOMETRÍA Y ANÁLISIS DE DATOS

- INTRODUCCIÓN A LA MACROECONOMETRÍA EN CIENCIA DE DATOS
- ANÁLISIS UNIVARIADO DE SERIES TEMPORALES
- ANÁLISIS MULTIVARIADO DE SERIES TEMPORALES I
- ANÁLISIS MULTIVARIADO DE SERIES TEMPORALES II
- HERRAMIENTAS COMPUTACIONALES EN CIENCIA DE DATOS MACROECONÓMICA
- MODELOS DE FACTORES LATENTES EN MACROECONOMETRÍA
- MODELOS NO LINEALES EN LA MEDIA

Modulo VI

ECONOMETRÍA FINANCIERA Y BANCARIA

- ECONOMETRÍA FINANCIERA/ BANCARIA Y RETORNOS FINANCIEROS
- MODELOS ARCH (AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY)
- EXTENSIONES UNIVARIADAS DE LOS MODELOS ARCH
- NO-NORMALIDAD CONDICIONAL Y MODELOS DE DISTRIBUCIÓN ALTERNATIVA
- APLICACIONES AVANZADAS EN ECONOMETRÍA FINANCIERA Y BANCARIA

Modulo VII

EVALUACIÓN DE IMPACTO Y ANÁLISIS DE DATOS

- INTRODUCCIÓN A LA EVALUACIÓN DE IMPACTO Y CAUSALIDAD
- INTRODUCCIÓN A LOS EXPERIMENTOS ALEATORIZADOS (RANDOMIZED CONTROLLED TRIALS – RCTS)
- MODELOS DE EMPAREJAMIENTO Y PROPENSITY SCORE MATCHING (PSM)
- REGRESIÓN DISCONTINUA
- ANÁLISIS Y REPLICACIÓN DE ESTUDIOS CON REGRESIÓN DISCONTINUA

Modulo VIII

ECONOMETRÍA BAYESIANA Y ANÁLISIS DE DATOS

- INTRODUCCIÓN A LA ECONOMETRÍA BAYESIANA
- MODELO DE REGRESIÓN LINEAL EN ECONOMETRÍA BAYESIANA
- SIMULACIÓN Y ESTIMACIÓN BAYESIANA
- APLICACIONES ECONOMÉTRICAS I
- APLICACIONES ECONOMÉTRICAS II

Modulo IX

MACHINE LEARNING Y DEEP LEARNING

- MACHINE LEARNING
- SERIES TEMPORALES CON MACHINE LEARNING
- DEEP LEARNING EN ECONOMETRÍA

Modulo X

VISUALIZACIÓN DE DATOS ECONOMÉTRICOS CON POWER BI

- INTRODUCCIÓN A POWER BI: VISIÓN GENERAL, ECONOMÉTRICOS INTERFAZ, FLUJO DE TRABAJO.
- VISUALIZACIÓN DE RESULTADOS Y DISEÑO DE DASHBOARDS

"Este programa me ayudó a fortalecer mi investigación con herramientas estadísticas y de inteligencia artificial. Es práctico, completo y totalmente aplicable a tesis y proyectos académicos."

"Gracias a este programa, logré estructurar mi tesis doctoral con un enfoque metodológico sólido. Las herramientas de inteligencia artificial que aprendí me ayudaron a analizar grandes volúmenes de datos de forma eficiente."

"La combinación entre estadística aplicada e IA fue justo lo que necesitaba para llevar mis investigaciones al siguiente nivel. Recomiendo esta especialización a todo investigador serio."

"El programa no solo me dio conocimientos técnicos, también me enseñó a aplicarlos en el contexto real de mi tesis. ¡Una inversión totalmente valiosa!"

"Aprendí a utilizar metodologías científicas rigurosas junto con herramientas prácticas de IA, lo que ha mejorado significativamente la calidad de mis reportes y modelos."