Objetivo General

Desarrollar habilidades en Data Science y Machine Learning aplicando Python para resolver problemas complejos en el ámbito bancario.

Descargar Ficha PDF Cotizar

Objetivos Específicos

         Entender los conceptos básicos de Data Science y Machine Learning.
         Aplicar técnicas de Machine Learning para análisis de datos bancarios.
         Desarrollar proyectos de Data Science usando Python.

Modulo 1: Introducción a Data Science

        Concepto de Data Science y su importancia en la banca.
        Herramientas y tecnologías utilizadas en Data Science.
        Introducción a Python y sus librerías para Data Science.
        Estructuración de datos y limpieza.
        Visualización de datos.

Modulo 2: Fundamentos de Machine Learning

        Conceptos básicos de Machine Learning.
        Tipos de Machine Learning: supervisado y no supervisado.
        Evaluación de modelos de Machine Learning.
        Principales algoritmos de Machine Learning.
        Implementación de modelos con Python.

Modulo 3: Preparación de Datos

        Importancia de la preparación de datos.
        Técnicas de limpieza y transformación de datos.
        Manejo de datos faltantes y anómalos.
        Normalización y estandarización de datos.
        Uso de librerías de Python para preparación de datos.

Modulo 4: Modelos de Machine Learning Supervisado

        Regresión lineal y su aplicación.
        Métodos de clasificación: K-Nearest Neighbors, SVM.
        Árboles de decisión y Random Forest.
        Evaluación de modelos: precisión, recall, F1-score.
        Implementación práctica con Python.

Modulo 5: Modelos de Machine Learning No Supervisado

        Clustering: K-means, Hierarchical Clustering.
        Análisis de Componentes Principales (PCA).
        Association Rule Learning.
        Evaluación de modelos no supervisados.
        Implementación práctica con Python.

Modulo 6: Deep Learning

        Introducción al Deep Learning.
        Redes Neuronales Artificiales.
        Frameworks de Deep Learning: TensorFlow, Keras.
        Aplicaciones de Deep Learning en banca.
        Implementación de modelos de Deep Learning con Python.

Modulo 7: Proyectos de Data Science en Banca

        Definición de problemas y objetivos.
        Desarrollo de un proyecto de Data Science completo.
        Análisis y visualización de resultados.
        Presentación de resultados a stakeholders.
        Mejores prácticas y consideraciones éticas.