Machine Learning aplicado al sector financiero

Loading...
S/ 139.00
Precio Regular S/ 179.00
Ahorras S/ 40.00
FALTAN 0 HORAS PARA QUE TERMINE LA OFERTA
00 Días
00 Horas
00 Minutos
00 Seg

Machine Learning aplicado al sector financiero

Loading...
S/ 139.00
Precio Regular S/ 179.00
Ahorras S/ 40.00
FALTAN 0 HORAS PARA QUE TERMINE LA OFERTA
00 Días
00 Horas
00 Minutos
00 Seg

Información

4.0 ( 1 Valoraciones ) 511 Estudiantes Ultima actualización: 8 junio 2024
Empieza y termina a tu tiempo
Lleva el curso cuantas veces quieras
 Curso de Nivel Avanzado
 
  Certifícate al terminar el curso
  05horas de videoclases online

Acerca del Curso

Al finalizar el curso, el participante estará en capacidad de:
Comprender los conceptos, enfoques y tipos de aprendizaje del Machine learning.
Comprender y aplicar técnicas de aprendizaje supervisado.
Comprender y aplicar técnicas de aprendizaje no supervisado
Desarrollar un modelo para segmentar agencias financieras.
Desarrollar un modelo para predecir los ingresos de agencias financieras.

Requerimientos

Conocimientos básicos en programación con Python
Conocimientos básicos en estadística y machine learning

Acerca del profesor

Caleb Terrel Orellana
Caleb Terrel Orellana Data Scientist | Statistician | Predictive Modeler | Consulting Leader
Consultor especialista en Ciencia de Datos. Desde el 2014 comienza a participar y posteriormente a liderar proyectos de Ciencia de Datos para empresas privadas y públicas en Colombia, México y Perú. Experto en los lenguajes de programación R, Python y Scala; y el software SPSS.
En particular, ha desarrollado modelos estadísticos y de aprendizaje automático de tipo supervisado y no supervisado, sus principales desarrollos lograron: predecir el nivel de riesgo SARLAFAT 4.0 (Colombia); predecir el nivel de riesgo de originación de un crédito hipotecario (México); segmentar clientes según sus activos y pasivos (Perú); predecir si un cliente va emitir un reclamo (Colombia); predecir si un cliente va desertar de su servicio de telefonía móvil o fija (Perú); predecir el nivel de riesgo de ser víctima de feminicidio (Perú), segmentar viviendas según consumos anómalos de energía eléctrica (Colombia); predecir la cantidad y volumen de pedidos de productos electrodomésticos de línea blanca (Perú); predecir si un contribuyente puede llegar a ser omiso o inexacto en su declaración (Colombia); predecir el nivel de tasa de canje de vales de descuento del beneficio social FISE (Perú) y segmentar distritos con índices anómalos de trashumancia electoral (Perú).
Además, desde el 2012 comienza su experiencia como capacitador en cursos de estadística, posteriormente cursos de manejo de datos, análisis exploratorio de datos, análisis multivariados, ecuaciones estructurales, modelos de machine learning y minería de texto. Ha brindado diversas ponencias de Data Science, Gestión de riesgos, Estadística, entre otras.
Bachiller en Ingeniería Estadística e Informática (2011) y Especialista en Marketing y Finanzas (2013) de la Universidad Nacional Agraria La Molina. Adicionalmente cuenta con más de 20 certificaciones en cursos sobre Machine learning, Data Science, Riesgo de crédito, Gestión de proyectos, entre otros.

Certificación

  • Presentación del curso
  • Introducción a Machine learning
  • Técnicas no supervisadas
    • Análisis de Componentes Principales
    • Segmentación k-means
    • Caso 1: segmentación de agencias - resumen
    • Caso 1: segmentación de agencias - Análisis exploratorio de la data
    • Caso 1: segmentación de agencias - Modelamiento
  • Técnicas supervisadas
    • Modelos lineales: Regresión lineal
    • Modelos lineales regularizados: ridge, lasso
    • Modelos no lineales I: arbol de decisión, random forest
    • Evaluación de un modelo supervisado y Métricas de modelos de Regresión
    • Caso 2: predicción de ingresos de agencias - resumen
    • Caso 2: predicción de ingresos de agencias - Análisis exploratorio de la data
    • Caso 2: predicción de ingresos de agencias - Modelamiento
  • Proyectos: Sesiones en Vivo
    • Taller Machine Learning for finance
    • Código: Segmentación Agencias Microfinancieras (1).ipynb

Valoraciones

Preguntas Frecuentes

¿Cuándo inicio mi curso? Al momento de inscribirte, inicias tu curso. Recuerda que el contenido es 100% en línea, con clases pre-grabadas a las que tendrás acceso luego de la compra del curso. ¡Inicias y avanzas a tu propio ritmo!
¿El pago es seguro? Si. Es 100% Seguro. Contamos con certificación de seguridad SSL® Verified de protección de datos a nivel mundial y nuestra pasarela es soportada por Culqi y respaldada por el Grupo Credicorp, el holding peruano más importante del país dueño del Banco BCP.
¿Cuánto tiempo tengo acceso a las clases? Tu acceso es permanente. 24/7, así aprovecharas tu tiempo al máximo. Luego de que realices la compra vas a poder acceder a las clases cuando y donde quieras.
¿Las horas académicas certificadas es el rango de horas de las videoclases? Las horas académicas totales certificadas es el resultado del tiempo que le tendrías que dedicar al curso, y es la suma de las horas de clases, las horas de práctica de los ejercicios y las evaluaciones.

Acerca del profesor

Caleb Terrel Orellana
Caleb Terrel Orellana Data Scientist | Statistician | Predictive Modeler | Consulting Leader
Consultor especialista en Ciencia de Datos. Desde el 2014 comienza a participar y posteriormente a liderar proyectos de Ciencia de Datos para empresas privadas y públicas en Colombia, México y Perú. Experto en los lenguajes de programación R, Python y Scala; y el software SPSS.
En particular, ha desarrollado modelos estadísticos y de aprendizaje automático de tipo supervisado y no supervisado, sus principales desarrollos lograron: predecir el nivel de riesgo SARLAFAT 4.0 (Colombia); predecir el nivel de riesgo de originación de un crédito hipotecario (México); segmentar clientes según sus activos y pasivos (Perú); predecir si un cliente va emitir un reclamo (Colombia); predecir si un cliente va desertar de su servicio de telefonía móvil o fija (Perú); predecir el nivel de riesgo de ser víctima de feminicidio (Perú), segmentar viviendas según consumos anómalos de energía eléctrica (Colombia); predecir la cantidad y volumen de pedidos de productos electrodomésticos de línea blanca (Perú); predecir si un contribuyente puede llegar a ser omiso o inexacto en su declaración (Colombia); predecir el nivel de tasa de canje de vales de descuento del beneficio social FISE (Perú) y segmentar distritos con índices anómalos de trashumancia electoral (Perú).
Además, desde el 2012 comienza su experiencia como capacitador en cursos de estadística, posteriormente cursos de manejo de datos, análisis exploratorio de datos, análisis multivariados, ecuaciones estructurales, modelos de machine learning y minería de texto. Ha brindado diversas ponencias de Data Science, Gestión de riesgos, Estadística, entre otras.
Bachiller en Ingeniería Estadística e Informática (2011) y Especialista en Marketing y Finanzas (2013) de la Universidad Nacional Agraria La Molina. Adicionalmente cuenta con más de 20 certificaciones en cursos sobre Machine learning, Data Science, Riesgo de crédito, Gestión de proyectos, entre otros.

Certificación