Cookie usage policy

The website of the University Carlos III of Madrid use its own cookies and third-party cookies to improve our services by analyzing their browsing habits. By continuing navigation, we understand that it accepts our cookie policy. "Usage rules"

Machine Learning in Banking and Finance

Profesores y estudiantes sentados en un aula
  • Inicio

    Introducción a las herramientas analíticas básicas de data science y machine learning en el entorno financiero actual: banca digital, FinTech, tratamiento de Big Data, robots de inversión etc.

    De interés para recién graduados en áreas relacionadas con banca y finanzas, y con ganas de aprender a manejar las herramientas analíticas más actuales.

  • PROGRAM

    Bloque Fundamentos (24 horas)

    • Introducción a Big Data en Finanzas
    • Análisis de datos I (con R)
    • Análisis de datos II (con Python)
    • Instrumentos financieros
    • Pre-procesado de datos
    • Visualización de datos
       

    Bloque Machine Learning (26 horas)

    • Aprendizaje no supervisado
    • Modelización predictiva
    • Clasificación I
    • Clasificación II
    • Optimization
    • Series Temporales


    Bloque Negocio (10 horas)

    • Reporting y comunicación
    • Casos de estudio industria financiera
  • FACULTY

    Profesorado UC3M

    Profesores de la UC3M miembros del Instituto en Big Data (Santander)
     

    Profeosrado Externo

    Dos profesionales de la industria financiera (Banco Santander)

  • ADMISSION

    Dirigido a:

    Recién graduados de ADE, Economía, Finanzas, Contabilidad, Seguros, etc. También estudiantes de último curso de esos grados, con buen expediente académico.
     

    Solicitud de admisión

    Pago mediante la plataforma:

    https://www.flowte.me/storefront/?v=378#

  • PRCTICAL INFORMATION

    Metodología docente

    Aprendizaje dinámico basado en clases magistrales y clases prácticas basadas en casos de estudio. Dos sesiones tipo master class impartida por profesionales del sector financiero.


    Fechas de impartición:

    del 4 al 28 de noviembre de 2019


    Días y horario de impartición:

    de lunes a jueves, por la tarde, de 16:30 a 20:30