TOOLKIT PARA EL ANÁLISIS DE BIG DATA

Duración: 45 horas

Código: BIG-000

Descripción:

El objetivo de este curso modular es dotar a los participantes de los instrumentos de análisis financiero y econométrico básico a través de métodos y técnicas de contrastación empírica, para explicar el funcionamiento de procesos, modelos y fenómenos relacionados a los riesgos en finanzas y su interacción con la economía a través de la evaluación y aplicación de casos concretos de uso actual en las finanzas modernas.

Como objetivo general del curso centra su desarrollo en dotar de las habilidades básicas que un Data Scientist necesita a la hora de emprender su trabajo como analista de Big Data.

La asignatura se desarrolla en base a los Programas Analíticos de COGNOS y la práctica moderna en las aplicaciones con el apoyo técnico de Todo Econometría.

Competencias Generales:
  • Desarrollar la habilidad técnica de desarrollar y derivar los teoremas matemáticos estadísticos que fundamentan la Teoría del Riesgo Financiero aplicada al análisis econométrico.
  • Desarrollar habilidades de programación en R, SQL, Python y otros para automatizar procesos.
  • Desarrollar la capacidad de abstracción para crear sus propios modelos que interpreten la realidad que el analista enfrente en su día a día laboral.
  • Realizar reportes profesionales con sus resultados.
Audiencia:

Este curso está dirigido a:

  • Personal de Análisis en Banca, Seguros, estudiantes universitarios, público en general.
  • Licenciados en Física, Estadística, Matemáticas, Ciencias Económicas y Financieras, e Ingenierías.
Prerrequisitos:
  • Preferiblemente nociones en: Bases de datos, estadística, Linux, R, programación, algoritmos, SQL, regresiones.
Contenido:
  1. TEMA 0: MÓDULOS ESPECÍFICOS
    1. Analítica Web
    2. Customer Analytics: Marketing, Pricing y Redes Sociales
    3. Curso de programación en R y Python
  2. TEMA I: INTRODUCCIÓN / BUSINESS CASE
    1. Big Data: Conceptos, retos y oportunidades
    2. Data Science Toolkit
    3. Medición para el negocio
    4. Aspectos legales y éticos del Big Data
  3. TEMA II: GESTIÓN DE PROYECTOS
    1. Métodos Ágiles en Big Data (Teamwork, SCRUM)
  4. TEMA III: HERRAMIENTAS DE ANÁLISIS
    1. Entornos de Data Science
    2. Programación estadística
  5. TEMA IV: TÉCNICAS DE ANÁLISIS
    1. Aprendizaje automático
    2. Aprendizaje estadístico
    3. NLP y minería de texto
    4. Análisis de Redes Sociales
    5. Visualización de datos
  6. TEMA V: GESTIÓN DE DATOS
    1. Bases de datos no convencionales
    2. SQL
  7. TEMA VI: ADQUISICIÓN DE DATOS
    1. La Web de los datos
    2. Extractores de datos
  8. TEMA VII: PARALELIZACIÓN DE DATOS
    1. Modelos de paralelización de datos
    2. Gestión de datos paralelos
Costos:

Este costo incluye: Material de seguimiento, Material de estudio, el uso de una computadora por persona, certificados, refrigerios e impuestos de ley.