28 de Febrero
sabados 6 : 00 p.m. a 8 : 00 p.m. domingos 6 : 00 p.m. a 8 : 00 p.m.
Dirigido a:
Economistas y profesionales de finanzas.
Ingenieros industriales, estadísticos y de sistemas.
Analistas de riesgo, crédito y data.
Profesionales del sector bancario.
Consultores financieros y de transformación digital.
Profesionales que buscan migrar hacia Data Science financiero.
Estudiantes de últimos ciclos con base cuantitativa.
Al finalizar el programa el participante será capaz de:
Diseñar modelos profesionales de riesgo crediticio y operativo.
Implementar sistemas de forecasting financiero robustos.
Construir modelos de machine learning para banca.
Detectar fraude mediante analítica avanzada.
Automatizar procesos financieros con IA.
Elaborar dashboards regulatorios bajo estándares internacionales.
Liderar proyectos de transformación digital en instituciones financieras.
Incrementar su perfil profesional para posiciones de mayor responsabilidad y remuneración.
Desarrollo de fundamentos estadísticos aplicados a riesgo financiero, análisis probabilístico, regresión, inferencia estadística y construcción de modelos de scoring crediticio inicial. Implementación práctica con Python y R utilizando librerías especializadas para análisis financiero.
Modelamiento de bases de datos bancarias, construcción de data marts financieros, consultas SQL avanzadas para cálculo de indicadores regulatorios y análisis de carteras crediticias, depósitos y riesgo financiero.
Modelos ARIMA, SARIMA y GARCH aplicados a tasas, inflación, tipo de cambio y morosidad. Forecasting financiero, análisis de volatilidad y construcción de escenarios macroeconómicos para la toma de decisiones bancarias.
Construcción de modelos de regresión, árboles de decisión, Random Forest y Gradient Boosting para scoring crediticio, churn bancario, segmentación de clientes y aplicaciones interactivas con Shiny.
Evaluación de inversiones (VPN, TIR), CAPM, WACC, valoración de activos, simulaciones Montecarlo, web scraping financiero y automatización de reportes ejecutivos con Python e integración con APIs.
Construcción avanzada de modelos de scoring crediticio bajo estándares regulatorios, XGBoost, LightGBM, validación con métricas financieras (ROC, KS, Gini) e interpretabilidad con SHAP.
Clustering estratégico, detección de transacciones sospechosas, Isolation Forest, One-Class SVM, reducción de dimensionalidad con PCA y cumplimiento AML/KYC mediante analítica avanzada.
Construcción de dashboards ejecutivos para riesgo crediticio, liquidez, provisiones, estrés financiero y monitoreo regulatorio. Simulación de escenarios y stress testing bajo IFRS9.
Aplicación de IA generativa en análisis financiero, construcción de agentes inteligentes, generación de datos sintéticos, automatización de reportes regulatorios y desarrollo de asistentes financieros virtuales con LLMs.
Desarrollo de fundamentos estadísticos aplicados a riesgo financiero, análisis probabilístico, regresión, inferencia estadística y construcción de modelos de scoring crediticio inicial. Implementación práctica con Python y R utilizando librerías especializadas para análisis financiero.
Modelamiento de bases de datos bancarias, construcción de data marts financieros, consultas SQL avanzadas para cálculo de indicadores regulatorios y análisis de carteras crediticias, depósitos y riesgo financiero.
Modelos ARIMA, SARIMA y GARCH aplicados a tasas, inflación, tipo de cambio y morosidad. Forecasting financiero, análisis de volatilidad y construcción de escenarios macroeconómicos para la toma de decisiones bancarias.
Construcción de modelos de regresión, árboles de decisión, Random Forest y Gradient Boosting para scoring crediticio, churn bancario, segmentación de clientes y aplicaciones interactivas con Shiny.
Evaluación de inversiones (VPN, TIR), CAPM, WACC, valoración de activos, simulaciones Montecarlo, web scraping financiero y automatización de reportes ejecutivos con Python e integración con APIs.
Construcción avanzada de modelos de scoring crediticio bajo estándares regulatorios, XGBoost, LightGBM, validación con métricas financieras (ROC, KS, Gini) e interpretabilidad con SHAP.
Clustering estratégico, detección de transacciones sospechosas, Isolation Forest, One-Class SVM, reducción de dimensionalidad con PCA y cumplimiento AML/KYC mediante analítica avanzada.
Construcción de dashboards ejecutivos para riesgo crediticio, liquidez, provisiones, estrés financiero y monitoreo regulatorio. Simulación de escenarios y stress testing bajo IFRS9.
Aplicación de IA generativa en análisis financiero, construcción de agentes inteligentes, generación de datos sintéticos, automatización de reportes regulatorios y desarrollo de asistentes financieros virtuales con LLMs.
