Bootcamp en Data Analytics & IA Aplicado a Finanzas

Conviértete en el profesional que las empresas demandan. Domina Python, SQL, Power BI y Machine Learning para tomar decisiones basadas en datos.

Línea de Tiempo - Bootcamp ProgramBI

Tu Ruta de Aprendizaje

Así es como te convertirás en un experto en 200 horas / 35 semanas.

Módulo I: Python

Semanas 1-6

Establece las bases para el análisis de información con una base sólida en programación y las librerías de visualización y manipulación de datos más importantes.

                            import pandas as pd
# Calcular retornos diarios
df['retorno'] = df['Cierre'].pct_change()
print(df[['Cierre', 'retorno']].tail())
                        

Módulo II: SQL

Semanas 7-12

Domina el lenguaje de las bases de datos para consultar, filtrar y combinar tablas, resolviendo requerimientos empresariales con datos estructurados.

Módulo III: Power BI

Semanas 13-18

Aprende a transformar y modelar datos para diseñar dashboards interactivos y visualizaciones que faciliten la toma de decisiones estratégicas.

Módulo IV: Big Data

Semanas 19-27

Analiza grandes volúmenes de datos con BigQuery y Looker Studio para extraer insights estratégicos en entornos de nube.

Módulo V: Machine Learning

Semanas 28-35

Profundiza en algoritmos supervisados y no supervisados aplicados a finanzas, como trading, scoring crediticio y gestión de riesgos.

Temario - Bootcamp ProgramBI

Un Currículo Completo y Práctico

Desde los fundamentos hasta la inteligencia artificial, te llevamos paso a paso.

Se introduce a los participantes en la programación usando Python. Se cubren conceptos básicos como variables, tipos de datos, estructuras (listas, tuplas, conjuntos y diccionarios) y control de flujo mediante condicionales y funciones. Además, se presenta la librería Pandas para trabajar con DataFrames, y se utiliza Matplotlib, Seaborn y Plotnine para realizar visualizaciones. La parte práctica se orienta a proyectos de limpieza, transformación y visualización de datos, estableciendo las bases para el análisis de información.

30 HORAS (20 HORAS CLASES + 10 HORAS DE AYUDANTÍAS PRÁCTICAS).

Se enfoca en el manejo y consulta de bases de datos utilizando SQL. Los estudiantes aprenden a recuperar y filtrar datos a través de comandos básicos (SELECT, WHERE y TOP) y avanzan hacia técnicas de combinación de tablas (JOIN) y operaciones complejas con funciones condicionales y cálculos. También se abordan temas como la creación de vistas, la definición de procedimientos almacenados y la elaboración de consultas para resolver requerimientos empresariales, proporcionando una sólida formación en el manejo de datos estructurados.

30 HORAS (20 HORAS CLASES + 10 HORAS DE AYUDANTÍAS PRÁCTICAS).

Se explora el uso de Power BI para la transformación y visualización de datos. Los participantes aprenden a conectar diversas fuentes de información, transformar y modelar datos, y diseñar dashboards interactivos. Se trabajan técnicas de personalización de gráficos y el uso de DAX para generar cálculos avanzados en informes. El enfoque está en crear visualizaciones que faciliten la toma de decisiones, combinando herramientas prácticas y casos reales.

30 HORAS (20 HORAS CLASES + 10 HORAS DE AYUDANTÍAS PRÁCTICAS).

Se centra en el análisis de grandes volúmenes de datos utilizando BigQuery y la creación de reportes visuales a través de Looker Studio. Se abordan temas como la configuración de datasets, el manejo de tipos de datos y la realización de consultas complejas, optimizando el trabajo con datos en entornos multinube. Además, se enseña a elaborar dashboards que permitan extraer insights estratégicos, facilitando la interpretación de información relevante para la toma de decisiones a nivel empresarial.

45 HORAS (30 HORAS CLASES + 15 HORAS DE AYUDANTÍAS PRÁCTICAS).

Se profundiza en técnicas de aprendizaje automático aplicadas al sector financiero. Se exploran algoritmos supervisados (regresión, clasificación, árboles de decisión y Random Forest) y no supervisados (clustering y detección de anomalías), así como métodos avanzados para el análisis de series temporales mediante modelos ARIMA, GARCH y redes neuronales (LSTM/GRU). Se presta especial atención a casos de uso en trading, scoring crediticio, optimización de portafolios y gestión de riesgos, combinando teoría y práctica para resolver problemas reales del sector financiero.

45 HORAS (30 HORAS CLASES + 15 HORAS DE AYUDANTÍAS PRÁCTICAS).