Proponemos un curso de 12 semanas de duración que recorra algunas de las aplicaciones más sorprendentes de Machine Learning e Inteligencia Artificial en el mundo de las finanzas.

El enfoque del curso contempla casos de estudio semanales que permitan a los estudiantes conocer los detalles minuciosos de las aplicaciones propuestas.

Hemos incluido las explicaciones de la intuición matemática que permitirá a los estudiantes tomar una decision informada sobre los métodos más eficaces para resolver problemas en finanzas.

• Las clases serán en línea vía Zoom y el equipo tendrá acceso ilimitado a las grabaciones.
• Se prepararán unas notas en forma de bitácora sobre el contenido del curso.
• El código utilizando durante los casos de uso quedará a disposición del estudiante.

Las clases serán de 17:00 a 18:30 (CDT) de lunes a viernes. Cada módulo tendrá 4 semanas de duración incluyendo la evaluación y el proyecto.

Descripción

1. Las clases serán de 17:00 a 18:30 (CDT)  de lunes a viernes.
2. Cada módulo tendrá 4 semanas de duración incluyendo la evaluación y el proyecto.
3. Las clases serán en línea vía Zoom y el equipo tendrá acceso ilimitado a las grabaciones.
4. Se prepararán unas notas en forma de bitácora sobre el contenido del curso.
5. El código utilizando durante los casos de uso quedará a disposición del estudiante.

Detalles del curso

A. El curso está enfocado en aquellos estudiantes que deseen utilizar la ciencia de datos para tomar decisiones en problemas financieros de distintos ámbitos.

B. A través de los ejemplos que hemos elegido los estudiantes revisarán las dificultades provenientes de la naturaleza financiera de numerosos problemas relacionados con riesgo, trading, asset pricing, manejo de portafolios, etc.

C.La evaluación está basada en el desarrollo de un proyecto propuesto por el equipo de Bourbaki que acerque al estudiante al uso de lo aprendido para resolver problemas reales.

Temario del curso

Módulo I: Fintech Toolbox
• Semana 1. Otorgamiento de créditos y modelos de clasificación • Semana 2. Asset pricing vía regresiones y redes neuronales
• Semana 3. Prevención de fraude y los autoencoders
• Semana 4. Evaluación y proyecto I

‍
Módulo II: Riesgo y trading
• Semana 1. Value at Risk vía ARCH
• Semana 2. Black & Scholes v.s. Monte-Carlo para Derivados • Semana 3. Valuación de criptoactivos vía LSTM
• Semana 4. Evaluación y proyecto II

‍
Módulo III: Portafolios financieros
• Semana 1. Portafolios de Markowitz v.s. AI
• Semana 2. Portafolios financieros vía Reinforcement Learning
• Semana 3. Fama-French y el Procesamiento del Lenguaje Natural • Semana 4. Evaluación y proyecto III

‍

Clase abierta

‍