MINERÍA DE DATOS. Casos aplicados en la industria
Curso
Virtual
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
Descripción
-
Tipología
Seminario
-
Nivel
Nivel intermedio
-
Metodología
Virtual
-
Horas lectivas
12h
-
Inicio
Fechas disponibles
-
Campus online
Sí
-
Servicio de consultas
Sí
-
Tutor personal
Sí
-
Clases virtuales
Sí
El reconocimiento automático de patrones complejos y el diseño de algoritmos ‘inteligentes’ de toma de decisiones basados en datos empíricos ha revolucionado todas las áreas de aplicación tecnológicas en los últimos años. Hemos presenciado pasado de la era algorítmica basada en ‘reglas’ a la era basada en ‘aprendizaje de máquina’. Por supuesto, esta revolución habría de incorporarse rápidamente a la industria financiera: el trading automatizado, el mercado de señales y el trading de alta frecuencia son ejemplos visibles de esta revolución
Sedes y fechas disponibles
Ubicación
Inicio
Inicio
A tener en cuenta
Esta capacitación permitirá a los participantes conocer los múltiples beneficios que ofrece la minería de datos y el aprendizaje de máquina en diferentes sectores. En particular, conocerán cómo la minería de datos resulta indispensable en la actualidad para poder anticipar patrones y comportamientos de clientes, del mercado o de los competidores.
Profesionales del sector real y bancario de las áreas de riesgo de crédito, detección de fraude, riesgo de mercado, marketing.
Certificado de asistencia
El curso es totalmente práctico. Los asistentes desarrollarán ejemplos de interés durante el curso usando Excel y herramientas online de libre acceso (a través de la plataforma kaggle).
Opiniones
Materias
- Datamining
- Trading
- Minería de Datos
- Modelos paramétricos y no paramétricos
- Cross-Validation
- Modelos de regresión logística
- Regularización Ridge
- Regularización Lasso
- Métodos de clustering
- Modelos Bayesianos
- Machine learning
- Matriz de confusión
- Curva ROC
- Scikit-learn
- Blockchain
- Criptomonedas
- Bitcoin
- Tokens
- Dinero en internet
Programa académico
2. Modelos paramétricos vs no paramétricos.
3. Tipos de error. Over/under fitting. Cross-Validation.
4. Aprendizaje de máquina supervisado
a. Modelos de regresión lineales.
b. Modelos de regresión logística.
5. Métodos de regularización:
a. Regularización Ridge.
b. Regularización Lasso.
6. Aprendizaje no supervisado:
a. Métodos de clustering: K- means.
7. Métodos avanzados:
a. Modelos Bayesianos.
b. Redes neuronales.
8. Evaluación de modelos en Machine Learning:
a. Matriz de confusión.
b. Curva ROC.
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
MINERÍA DE DATOS. Casos aplicados en la industria