Loading...

Python para entidades Financieras

ÁREA

TICS

MODALIDAD

A Distancia

ESTADO

Inscripción abierta

REUNIÓN INFORMATIVA

-

INICIO / FINALIZACIÓN

12 / 08 / 2020 al 18 / 11 / 2020

El programa Python para entidades financieras tiene como objetivo brindar un conjunto de herramientas básico de Python que les permita, a los profesionales, encarar y resolver problemas comunes del área de finanzas.

Requisitos:
● Manejo básico de inglés
● Manejo básico de windows, mac o linux

Herramientas de desarrollo a utilizar:
● Python
● Jupyter Notebooks
● GIT

El Programa Ejecutivo Python para entidades financieras es organizado junto con la Cámara Argentina de Fintech.

plan de estudios

1.0 Introducción a Entornos de trabajo y GIT
1.1 Introducción a Python
1.2 Sentencias de control de flujo
1.3 Estructuras de datos
1.4 Funciones y clases
1.5 Numpy
1.6 Práctica con python. Armado de una Clase

1.0 Introducción
1.1 Paquetes para análisis de datos (Pandas)
1.2 Importando datos en Pandas
1.3 Trabajando con Dataframes
1.4 Generación de nuevas variables y procesamiento en padas
1.5 Ejemplo de una estrategia de operación básica. (Trading Strategy)
1.6 Práctica con python. Armado de una estrategia de operación básica

2.0 Introducción
2.1 Variable Aleatoria
2.2 Frecuencia y distribuciones
2.3 Modelos de distribución
2.4 Práctica con python. Modelos de retorno de inversiones (Stock return models)

3.0 Introducción
3.1 Población y muestra
3.2 Variación de la muestra
3.3 Intervalo de confianza
3.4 Test de hipótesis
3.5 Prácticas con python. (Test de hipótesis, Intervalo de confianza)

4.0 Introducción
4.1 Asociación de V.As
4.2 Regresión lineal simple
4.3 Diagnóstico del modelo de regresión lineal
4.4 Modelo de múltiples Variables
4.5 Evaluación de estrategias
4.6 Práctica con python. (Regresión lineal y Diagnóstico de modelos)

5.1 APIs de ejemplo para trading
5.2 Tipo de pedidos (POST, GET, DELETE, PUT)
5.3 Librería Requests en python
5.5 Práctica con python. (Implementación de estrategia de trading básica con una API)

6.1 Modelos discriminativos, definición de sigmoidea
6.2 Implementación en python
6.3 Algoritmos (SGD)
6.4 Regularización
6.5 Modelo de múltiples Variables
6.6 Práctica con python. (Implementación de un problema de lending con RL)

Cuerpo docente

Ingeniero Electrónico (ITBA) desarrollando tareas en el área de procesamiento de señales y machine learning en el Grupo de Electrónica Digital Aplicada (GEDA). Profesor adjunto de materias en el área de procesamiento de señales, bio-electrónica y sistemas digitales. Entre ellas Redes Neuronales y Redes Neuronales en Bioingeniería.

Ingeniero Electrónico (ITBA) desarrollando tareas en el área de machine learning en la industria tales como sistemas de recomendación, ‘computer vision’ y ‘topic modeling’. Más de 10 años de experiencia docente en el ITBA y la UBA en materias relacionadas con procesos estocásticos, telecomunicaciones y networking.

modalidad

El curso se dicta bajo la modalidad online. El abordaje de los temas será principalmente práctico a través de ejemplos y ejercitación.

Modalidad de cursada:

Inicio: 12/08/20
Días sincrónico: Miércoles
Horario Sincrónico: 18.30 a 21.30
Horario tutoría: Viernes de 19 a 20 hs.

Duración:

21 horas sincrónicas (3 por semana)
7 horas de tutoría (1 por semana)
42 horas Asincrónicas

Debido a la didáctica que requiere el curso, su realización queda sujeta a un mínimo de participantes.

Cierre de inscripciones: 7 de agosto.

Para inscribirte enviá tu consulta desde nuestro formulario o comunicate al (+54 11) 3754-4843/4848