• Imparte:
  • Modalidad:
    Presencial en Madrid
  • Precio:
    16.000 €
  • Comienzo:
    Octubre 2017
  • Lugar:
    C/Leonardo Prieto Castro, 2 Ciudad Universitaria
    Madrid 28040
    España
  • Duración:
    1 Año
  • Condiciones:
    Financiación: En la actualidad CUNEF cuenta con programas de financiación preferente establecidos con las siguientes instituciones financieras: Barclays, BBVA, Banco de Santander y Banco Popular
    Becas: Existen becas y bonificaciones ofrecidas por la Fundación de la Fundación de la AEB y por CUNEF para candidatos que acrediten un excelente expediente académico.
  • Titulación:
    Máster en Data Science para Finanzas
  • Otras Convocatorias:

    Presentación

    El Máster en Data Science para Finanzas está diseñado para formar titulados universitarios interesados en desarrollar su carrera profesional como gestores de grandes volúmenes de información en la actividad de las instituciones financieras.
    Su objetivo es dotar a los participantes de los conocimientos genéricos relacionados con las tecnologías y las herramientas utilizadas en la gestión de la información empresarial, y de su aplicación práctica en la industria financiera.
    Se trata de un programa práctico, con oportunidades de aprendizajes aplicadas a los desafíos a los que se enfrentan las empresas ante la gestión de nuevas fuentes de información en constante crecimiento.
    Para ello se combinan cursos básicos de tecnologías Big Data, análisis y gestión de información, con conocimientos aplicados de análisis y gestión de datos para el sector financiero.

    Requisitos

    Los candidatos acreditarán durante el proceso de admisión su nivel de inglés ya sea mediante la realización de una prueba de nivel desarrollada en CUNEF, o mediante la posesión de algún certificado internacional en los niveles requeridos en la convocatoria.

    Dirigido

    El programa está dirigido a titulados universitarios en Administración y Dirección de empresas, Economía, Ingenierías, Matemáticas, o disciplinas afines.

    Objetivos

    Desarrollar una comprensión profunda de los conocimientos específicos de análisis y gestión de información empresarial.
    Dotar a los participantes de los conocimientos y herramientas analíticas para entender la importancia creciente de las nuevas tecnologías de la información y las amplias posibilidades que la gestión eficiente de la información tienen en los modelos de negocio del sector financiero.
    Obtener profundos conocimientos aplicados a la gestión de datos y la toma de decisiones en el ámbito financiero.
    Desarrollar las competencias personales y profesionales para desarrollar una trayectoria profesional en el ámbito de la gestión de la información empresarial y de mercado aplicada a las finanzas.

    Programa

    Cuatrimestre I

    Fundamentos para el Análisis de Datos y la Investigación.
    Entorno económico y financiero.
    Herramienta de matemáticas y estadística.
    Herramientas de programación para Data Science.
    Programación en R.
    Programación en Python.
    Bases de datos relacionales: programación SQL.
    Extracción, Transformación y Carga – ETL
    Recolección.
    Repositorios públicos.
    Repositorios privados.
    Procesamiento y calidad de datos: Kettle.
    Procesamiento en paralelo: Hadoop, MapReduce, Sparck.
    Técnicas de análisis estadístico en Data Science (I)
    Predicción: Correlación, regresión, GLM, Series temporales, simulación.
    Técnicas de agrupación/de reducción de la dimensión.
    Técnicas de análisis estadístico en Data Science (II)
    Técnicas de clasificación.
    Machine Learning: redes neuronales, algoritmos genéticos, SVM, redes bayesianas, random forests.
    Técnicas de visualización en Data Science.

    Cuatrimestre II

    Entorno Legal y Tecnológico.

    Escenarios científicos y tecnológicos en la era del Big Data.
    Aspectos jurídicos y legales en el tratamiento de la información.
    Soluciones de Data Science en el sector financiero.

    Data Science en la Gestión del Riesgo, el Pricing, la Gestión de Activos y Operaciones.
    Gestión del riesgo de crédito.
    Gestión del riesgo operativo.
    Data Science en el pricing y la tarificación.
    Gestión de activos y de carteras.

    Data Science para el Análisis de Mercado.
    Análisis de datos de mercados y tendencias.
    Planificación e inteligencia comercial en el sector financiero.
    Data Science para la gestión de información no estructurada.
    Prácticas empresariales.
    Trabajo fin de master.

    ¡Infórmate ahora sin compromiso!

    Publicidad

    Cursos Relacionados

    Ver otras conferencias y seminarios de...