Pasar al contenido principal
Programa

Big Data Science para Financieros

¿QUIERES SOLICITAR INFORMACIÓN?
Potencia toda la fuerza de tus análisis

Duración: El curso tiene una duración de 20 horas lectivas

Horario: Viernes de 16:30 h. a 21:30 h. y los sábados de 9:00 a 14:00h.

Sede: Edificio ENAE. Campus Universitario de Espinardo 30100 Espinardo Murcia

Precio: Curso bonificable por la Fundación Tripartita.

Amplia tus conocimientos y adquire herramientas de gestión que faciliten el acceso a un puesto de trabajo o permitan optar a una mejora profesional.

Aumenta tu red de contactos profesionales; ENAE promueve el networking y facilita la relación entre los alumnos de los distintos programas de todas las ediciones.

Utilizamos el "Método del Caso", que alterna las exposiciones de conceptos, técnicas y métodos de análisis, con el desarrollo de casos prácticos que reflejan situaciones empresariales reales.

Una combinación eficaz que consolida y refuerza la experiencia financiera de nuestros alumnos.

CONCEPTOS
CLAVE
1
INTRODUCCIÓN Y CONCEPTOS GENERALES
2
MACHINE LEARNING SUPERVISADO
3
MACHINE LEARNING NO SUPERVISADO
4
UNA VISIÓN PRÁCTICA DE CIENCIA DE DATOS APLICADA A FINANZAS
Matrícula
Modalidad:Presencial
Edición:XXV
Inicio: 29/05/2020
Fin Preinscripción: 29/05/2020
Edición:IV-GT
Inicio: 20/07/2020
Fin Preinscripción: 20/07/2020
Edición:SEMI-IX
Inicio: 12/05/2020
Fin Preinscripción: 12/05/2020
Plazas limitadas Asegura tu participación formalizando tu reservaaquí
Matricúlate ahora
Descripción

Ciencia de Datos (Data Science) es un término relativamente nuevo que define un ámbito del conocimiento que busca utilizar todos los datos disponibles y relevantes para “extraer conocimiento” que pueda ser fácilmente comprendido por los expertos en el área de aplicación con el fin último de capitalizarlo. Con este propósito incorpora técnicas y teorías de muchos campos: Matemáticas, Estadística, Big Data, Minería de Datos, Ingeniería de datos, Reconocimiento de patrones y aprendizaje, Computación avanzada, Visualización, Modelado de la incertidumbre, Modelos de Decisión y Optimización, Almacenamiento de datos, Informática de alto rendimiento…
El Científico de Dato (Data Scientist) es un tipo de perfil profesional que va a suponer, y está suponiendo ya, una gran oportunidad profesional (4,4 millones en 2015 según Gartner). Un Científico de Datos especializado en Finanzas es un profesional que debe de ser experto, además del ámbito del conocimiento propio de las Finanzas y la Economía, en el análisis basado en datos y en las tecnologías que permita realizar dicho análisis.
Por otra parte, nos encontramos inmersos en un crecimiento, sin precedentes, en el volumen de la información almacenada, que además tiene multitud de formatos (cuantitativa, lenguaje natural, imágenes, vídeos, etc) y que se actualiza constantemente en tiempo real (en redes sociales, dispositivos móviles, etc.). Esta nueva coyuntura ha venido en denominarse Big Data y supone un nuevo reto y oportunidades para las decisiones de negocio.
En este módulo se pretende introducir este ámbito de conocimiento de Ciencia de Datos y Big Data, y posteriormente, remarcar su aplicación al ámbito de las finanzas: gestión del riesgo, detección de fraude en operaciones, valoración del entorno económico, etc.  

Información

Objetivos

En este curso, el alumno será capacitado para: 

1. Dominar los conceptos básicos de Big Data y su relación con otros sistemas o conceptos como Ciencia de Datos, Data Mining, Data Warehouse, Business Intelligence, etc.

2. Ser consciente del reto que supone la coyuntura actual de Big Data para las organizaciones y las grandes oportunidades de mejora en el ámbito de las finanzas que implica para las mismas.

3. Aplicar las principales metodologías y técnicas de extracción de conocimiento para diferentes problemas: clasificación, agrupamiento, etc.

4. Usar software de Ciencia de Datos de forma básica.

5. Saber resolver varios problemas tipo dentro del ámbito de finanzas mediante Ciencia de Datos.Comprender el proceso de Ciencia de Datos y su metodología.

Metodología

1. Se combinan las exposiciones teóricas con las prácticas, de forma que se vea la aplicación de la teoría y sus resultados.
2. Los participantes realizarán y expondrán casos prácticos elaborados a partir de situaciones reales a los que han tenido que hacer frente diferentes empresas, con la finalidad de aplicar los conocimientos adquiridos, así como potenciar su capacidad análisis y toma de decisiones.
3. Los casos prácticos u otros contenidos del programa podrán convertirse en foros de opinión o centros de debate en el que contrastar las opiniones de los participantes. 

PROFESORES

MÓDULOS

INTRODUCCIÓN Y CONCEPTOS GENERALES
  • Introducción.
  • Fundamentos y diferencias en BI, ML, DL, AI, Big Data, Data Science.
  • Ecosistemas de Big Data.
  • Principales soluciones de mercado a BI.
  • Etapas de un proyecto de Data Science.
  • El reto de los datos. Casos prácticos. 
MACHINE LEARNING SUPERVISADO
  • Introducción, Clasificación.
  • Definición del problema de clasificación.
  • Etapas del proceso de clasificación.
  • Evaluación de clasificadores.
  • Técnicas de Clasificación.
MACHINE LEARNING NO SUPERVISADO
  • Introducción.
  • Clustering.
    • Medidas de distancia y similitud.
    • Distintas aproximaciones al agrupamiento.
    • Métodos basados en particionamiento.
    • Métodos jerárquicos. 
UNA VISIÓN PRÁCTICA DE CIENCIA DE DATOS APLICADA A FINANZAS
  • Introducción a herramientas de Ciencia de Datos.
  • Modelos supervisados y no supervisados para gestión del riesgo y fraude.
PROG-FA-BIG-DATA-FINANCIEROS-XXV
CAPTCHA
Esta pregunta se hace para comprobar que usted es una persona real e impedir el envío de spam.
A lo largo de nuestros más de 25 años de vida,
más de 13.000 alumnos han confiado
en la excelencia y la calidad de la formación de ENAE Business School.
Matricúlate ahora

COMPÁRTELO