El curso tiene como objetivo introducir la teoría, los conceptos y las prácticas del aprendizaje de máquina.
- Introducción al aprendizaje de máquina
- ¿Aprendizaje de máquina o inteligencia artificial?
- Nociones básicas
- Definición y motivación para métodos de aprendizaje
- La regresión lineal
- Overfitting y underfitting
- Selección y entrenamiento de modelos
- Cross-Validation
- Regularización L1 & L2
- El método del gradiente descendente
- Normalización
- Modelos supervisados
- La regresión logística
- Análisis de errores
- Árboles de decisión
- Máquinas de soporte vectorial
- Ensemble Learning
- Random Forests
- Votos de clasificadores
- Bagging
- Boosting
- Modelos no supervisados
- K-Nearest Neighbors
- K-means
- Cálculo de la densidad de kernel
- Reducción de dimensiones
- PCA
- T-SNE
- Construcción de curvas de tasas de interés ajustadas por colateral
- Volatilidades implícitas
- Aprendizaje de máquina para series de tiempo
- Series de tiempo
- Series de tiempo como un problema de aprendizaje de máquina
- validación de modelos de series de tiempo
- Aplicaciones
- Detección de fraudes en un ámbito no supervisado
- Distribución de rendimientos
- Perfilamiento de inversionistas
- VaR mediante aprendizaje de máquina
- Medición del riesgo de crédito y riesgo de contraparte
- Estimación de Credit Value Adjustment (CVA)
- Optimización de portafolios
- Modelos dinámicos convexos
- Restricciones de régimen de inversión
- Restricciones no genéricas:
- Apalancamiento
- Liquidez