---

Curso C33 de la Escuela Complutense de Verano 2024

Curso enmarcado en la escuela de: Ciencias Sociales

Dirección: Lorenzo Escot Mangas.

Fechas y horario: Del 1 al 19 de julio de 2024. Mañanas de 9:00 a 14:00 horas, de lunes a viernes.

Nº de plazas: 40

Lugar de celebración: Campus de Moncloa, Ciudad Universitaria.

Nº de créditos de grado: 5 (solo alumnos UCM).

Precio de la matrícula: 1.125 Euros.

Ayudas: Las de carácter general.

Perfil del alumnado: Los estudiantes han de tener un conocimiento previo de estadística económica y econometría. No es necesario conocimiento previo de programación en Python.

Más información:

Programa completo del curso

Introducción a la Ciencia de Datos con Python para Economía y Finanzas

---

OBJETIVOS

● Ofrecer una introducción a los últimos desarrollos en el ámbito de la ciencia de datos aplicados a la economía y las finanzas, capacitando a los participantes en la intersección vital entre la programación en Python, la analítica de datos y la toma de decisiones económicas.
● Proporcionar a través de una combinación equilibrada de fundamentos de programación en Python, técnicas econométricas clásicas y de Machine Learning aplicado al ámbito económico y financiero, las herramientas esenciales para enfrentar los retos actuales en el análisis de datos.
● Adoptar un enfoque práctico, con ejemplos y prácticas aplicadas y mediante un sistema de evaluación continua, que asegure que los participantes no solo adquieran conocimientos teóricos, sino que también desarrollen habilidades prácticas, concretas y aplicables.

 

PROGRAMA

• Fundamentos de programación con Python para economía y finanzas

  •  Recursos de software: instalación de Python.
  • Principios de programación con Python.
  • Principales librerías para la ciencia de datos con Python.
  • Métodos numéricos.
  • Aplicaciones a la economía.
  • Aplicaciones a las finanzas.

• Introducción a Machine Learning para economía y finanzas.

  • Modelos supervisados de clasificación
  • Modelos supervisados de regresión
  • Modelos de árboles
  • Validación de modelos y remuestreo
  • Aprendizaje no supervisado

• Introducción a las redes neuronales y DeepLearning.

  
  
  • Elementos básicos de una red neuronal
  • Redes convolucionales
  • Redes recurrentes

• Aplicaciones del Machine Learning en economía y finanzas.

  
  
  • Análisis de Scoring de riesgo
  • Análisis de sentimientos y minería de texto
  • Análisis de supervivencia
  • Análisis de datos espaciales

 

ACTIVIDADES PRÁCTICAS: Todas las clases tienen un carácter eminentemente práctico. Es recomendable que los estudiantes lleven sus propios ordenadores para poder seguir las clases y realizar todas las prácticas de cada tema durante las clases. 
Para instalar Python se necesita un ordenador con un sistema operativo Windows, macOS o Linux. También, se necesitan 4 GB de memoria RAM y 10 GB de espacio en disco.

 

PERFIL DEL ALUMNADO: Los estudiantes han de tener un conocimiento previo de estadística económica y econometría. No es necesario conocimiento previo de programación en Python.

PROFESORADO:

• Iñaki Aliende Povedano, UCM.
• Kenedy Alva Chávez, UCM
• Lorenzo Escot, UCM.
• Samuel Gil Martín, MSL Madrid.
• Julio E. Sandubete Galán, Computing and Artificial Intelligence Laboratory, Universidad Camilo José Cela.