Módulo 1: Introducción y Fundamentos

1. Panorama del Sector Financiero y la Ciencia de Datos

• Historia y evolución de la gestión de datos en el sistema financiero.

• Importancia de la ciencia de datos en el sector financiero.

​​

2. Fundamentos de la Ciencia de Datos

• Revisión de estadística avanzada.

• Técnicas de machine learning y deep learning.

• Herramientas y lenguajes de programación (Python, R, SQL)

​

Módulo 2: Análisis de Datos Financieros

1. Extracción y Preparación de Datos

• Fuentes de datos en el sector financiero (transacciones, CRM, etc.).

• Técnicas de limpieza y preprocesamiento de datos.

• Integración de datos de múltiples fuentes

​​

2. Análisis Exploratorio de Datos (EDA)

•  Visualización de datos.

• Identificación de patrones y anomalías

​

Módulo 3: Modelos Predictivos y Análisis Avanzado

1. Modelos de Clasificación y Regresión

• Técnicas avanzadas de regresión y clasificación.

• Implementación y optimización de modelos (XGBoost, Random Forest, etc.)

​​

2. Series Temporales y Forecasting

• Modelado y predicción de series temporales.

• Aplicaciones en predicción de demanda y tasas de interés.

​​

3. Despliegue de Modelos

• Implementación en entornos productivos.

• Herramientas y plataformas (Docker, Kubernetes)

​
4.    Monitoreo y Mantenimiento de Modelos

• Monitoreo de rendimiento de modelos.

• Actualización y mantenimiento continuo.