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 )
603 Estudiantes
Ultima actualización: 21 noviembre 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 PythonConocimientos básicos en estadística y machine learning
Acerca del profesor
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.
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
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
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.
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.