PAQUETE DE LENGUAJES DE PROGRAMACIÓN PARA ECONOMÍA Y FINANZAS DESCRIPCIÓN DEL PROGRAMA El paquete de “Lenguajes de programación para Economía y Finanzas” está constituido de 5 cursos (Fundamentos de programación, Python, R, MatLab y Visual Basic) y pretende llevar al estudiante desde un conocimiento elemental en programación hasta uno avanzado, con aplicaciones que van desde lo estándar (estadísticas y econométricas) hasta la frontera de conocimiento (machine learning). Nuestra metodología combina la formación asincrónica, la cual permite que el (la) participante absorba los conocimientos en su momento (su horario) más oportuno y de mayor comodidad a través de nuestra moderna plataforma educativa y las complemente con la formación sincrónica (clases por zoom). En ese sentido, el alumno no solo podrá aprender con mucha tranquilidad y comodidad, sino también podrá interactuar y recibir retroalimentación de su aprendizaje con docentes muy rankeados que trabajan en prestigiosas organizaciones en Estados Unidos, Europa y Perú. Nuestra historia, experiencia, calidad y prestigio nos respalda. DOCENTES ALTAMENTE CALIFICADOS EDUCACIÓN MULTIMODAL APERTURA AL MERCADO LABORAL PERFIL DEL ALUMNO • Público en general sin conocimientos previos que busca adquirir conocimientos sólidos de lenguajes de programación útiles para el mercado laboral de Economía y Finanzas. • Estudiantes y profesionales en Economía, Finanzas, Estadística, Ingeniería Industrial, Administración, Gestión y Alta Dirección y carreras afines. • Profesionales que aspiran a trabajar como analista en los principales Estudios Económicos nacionales (BBVA Research, BCP, BCRP, MEF, Consejo Fiscal, MINEDU, entre otros ministerios) e internacionales (Fondo Monetario Internacional, Banco Mundial, Banco Interamericano de Desarrollo, CAF, entre otros) o como Researcher en los distintos centros de investigación a nivel nacional (PUCP, CIUP, IEP, GRADE, IPE) e internacional (La Ivy League). OBJETIVOS DEL PROGRAMA El egresado del programa será capaz de: • Realizar cualquier procedimiento de la ciencia de datos: limpieza y procesamiento de datos, automatización de procesos, predicción y modelamiento del comportamiento humano y económico. • Realizar análisis estadístico y econométrico y automatizarlos. • Manipular bases de datos de fuentes nacionales (ENAHO, Censo Agrario, BCRP, entre otros) e internacionales (Penn World Table, IMF, Global Findex Database del World Bank, entre otros). • Programar modelos dependiendo del tipo de datos: corte transversal, series de tiempo y panel. • Dominar los lenguajes de programación más usados en Economía y Finanzas (Python, Visual Basic, R y MatLab). BENEFICIOS INFOX Acceso al Aula Virtual las 24 horas del día. Contenido Premium que complementa tu aprendizaje. Descuentos exclusivos para la comunidad INFOX. Conferencias exclusivas con prestigiosos ponentes nacionales e internacionales. Sala de entrevistas con economistas peruanos referentes en el Perú y el mundo. ¿POR QUÉ ESTUDIAR CON NOSOTROS? METODOLOGÍA Sabemos que una educación de calidad y bien planificada permite que el alumno pueda alcanzar sus objetivos. En ese sentido, apostamos por un Aula Virtual que cuenta con videos por temas, que complementado eficientemente con clases por zoom, permite que el alumno aprenda cómodamente en su horario preferible y reciba retroalimentación de profesores rankeados. PROFESORES Nuestros profesores son científicos de datos que no solo han estudiado en las mejores universidades de Estados Unidos, Europa y Perú, sino que también cuentan con una inmejorable trayectoria académica y una vasta experiencia en el sector público y privado. VOCACIÓN Somos una institución comprometida con democratizar y descentralizar la educación de calidad en economía y finanzas. RED DE CONTACTOS Nuestros profesores son referentes de la profesión (científico de datos en Economía y Finanzas), por lo que un buen desempeño en INFOX podría generarte Cartas de Recomendación para un programa de estudios de posgrado en el Perú o en el extranjero. APERTURA AL MERCADO LABORAL Los programas educativos de INFOX son de una alta calidad, por lo que la formación del estudiante no es menor a ello. Aprobar un programa tan exigente como los que ofrecemos permitirá que te desempeñes exitosamente en cualquier organización del Sector Público o Privado del Perú. METODOLOGÍA E-LEARNING (SINCRÓNICA / ASINCRÓNICA) MÓDULOS DEL PROGRAMA FUNDAMENTOS DE PROGRAMACIÓN 1. PENSAMIENTO LÓGICO a. Habilidades básicas del pensamiento b. Lógica proposicional. c. Conectivos lógicos. d. Juegos de habilidad mental. e. Diagramas de flujo. 2. INTRODUCCIÓN A LOS ALGORITMOS a. ¿Qué veremos en este tema?. b. ¿Cómo se comunica una computadora?. c. Los lenguajes de programación. d. Estructura de datos e. ¿Qué es un algoritmo?. e. Metodología para la construcción de Algoritmos. f. Variables y tipos de datos. g. Programación orientada a objetos – Nociones básicas. 3. PROGRAMACIÓN BÁSICA EN HTML a. ¿Qué tan difícil es programar?. b. Introducción a HTML, CSS y Javascript. c. Primeros pasos – Herramientas de software. d. Anatomía del código en HTML. e. Primera aplicación práctica: > Captura de datos. > Flujo y condicionales. f. Funciones en Javascript. g. Ciclos while y for en Javascript. h. Eventos y formularios en HTML y Javascript . i. Detectar eventos del teclado en Javascript. j. Funciones matemáticas y números aleatorios en Javascript k. Uso y carga de imágenes en Canvas l. Clases y Arreglos en Javascript m. Segunda aplicación práctica. > Diagramación de flujo del problema > Implementación de la aplicación. 4. PROYECTO FINAL a. Descripción del proyecto b. ¿Listos para más aprendizaje? EXPERTO EN PYTHON APLICADO 5. INTRODUCCIÓN a. ¿Por qué es importante aprender un lenguaje de programación? b. Curva de aprendizaje y alcance de distintos lenguajes de programación (R, Stata, C+, Python) c. ¿Qué es Data Science? ¿Qué es Machine Learning? d. ¿Por qué Python? 6. VARIABLES, EXPRESIONES, Y STATEMENTS a. Values, variable names, and keywords. b. Operators, operands, expressions, the order of operations, string operations. c. Asking for inputs to the user. d. Mnemonic variable names. 7. OBJETOS DE PYTHON a. b. c. d. Lists. Dictionaries. Tuples. Multiple assignments with dictionaries. 8. EJECUCIÓN CONDICIONAL a. Boolean Expressions. b. Logical operators. c. Conditional, alternative, and chained conditional executions. d. Nested conditionals. e. Guardians: catching expressions using try and except. f. Short-circuit evaluation of logical expressions. 9. ITERACIONES a. Updating variables b. Definite loops using for c. Double, multiple and nested iteration d. While statement e. List comprehension 10. FUNCIONES a. The flow of execution, arguments, and parameters. b. Adding new functions. c. Definitions and uses. d. Annonimous functions Lambda. e. Mapping and filtering. f. Numpy module. g. Pandas module. 11. DATAFRAMES a. Using and creating Dataframes. b. Replace and rename columns. c. Slicing Dataframes. d. Merge, Append. e. Import, Export. 12. PREDICCIÓN Y MÉTRICAS DE PERFORMANCE a. b. c. d. The Prediction Problem. Confusion Matrix. Accuracy, Precision, Recall. The receiving operations curve and Area Under the Curve. EXPERTO EN R APLICADO 13. MÉTODOS DE MACHINE LEARNING PARA CLASIFICACIÓN a. b. c. d. e. f. Logistic Regression. K-Nearest Neighbors Classification. Supervised Machine Learning. Multi – Class Classification. Decision Trees. Random Forests. 14. MÉTODOS DE MACHINE LEARNING PARA REGRESSIÓN a. Least Squares. b. Ridge. c. Polynomial Regression. d. R-squared, MSE. 15. VALIDACIÓN CRUZADA Y COMPOSICIÓN DEL MODELO a. Cross Validation. b. Grid Search. c. Contribución de la data al modelo. d. Contribución de las variables al modelo. 16. INTRODUCCIÓN AL PROGRAMA a. Introducción a R como lenguaje de programación. b. Importar base de datos. c. Objetos de datos y operaciones. d. Extensiones de paquete de R. e. Exploración de datos y manejo de datos con R y tidyverse. f. Trabajando con factores, fechas y tiempos. 17. MANIPULACIÓN DE DATOS a. Exploración de datos y manejo de datos con R y tidyverse b. Trabajando con factores, fechas y tiempos c. Funciones personalizadas y loops para una programación más eficiente 18. VISUALIZACIÓN DE DATOS a. Conociendo los comandos de gráficos: histogram, k density, scatter, line, box, pie, bar, ggplots. b. Reportes dinámicos en latex usando Rmarkdown. c. Aplicación usando diferentes base de datos. 19. MODELOS DE MACHINE LEARNING I – ANÁLISIS EXPLORATORIO a. Análisis de componentes principales > Cálculo de los componentes. Propiedades de los componentes. > Interpretación de los componentes. Selección del número de componentes. > Representación gráfica. Datos atípicos. b. Análisis de conglomerados. Clúster > Método clásico. Algoritmo de k-medias. > Método jerárquico. Distancias y similaridades. Algoritmos jerárquicos. Métodos aglomerativos. 20. MODELOS DE MACHINE LEARNING II – MODELOS DE CLASIFICACIÓN a. Logistic Regression > Teoría y aplicación del modelo b. K-Nearest Neighbors > Teoría y aplicación del modelo c. Arboles de decision > Arboles de decisión: Modelo de clasificación > Bagging, Random Forest > Aplicación de modelos 21. MODELOS DE MACHINE LEARNING III – MODELOS DE REGRESIÓN a. Árboles de decision > Arboles de decisión: Modelo de regresión. > Bagging, Random Forest. > Aplicación de modelos. b. Least squares. c. Ridge and Lasso regression. 22. MODELOS DE MACHINE LEARNING IV – TEXT MINING a. Limpieza y homogenización de los textos. b. Análisis de los sentimientos de los textos. c. Nubes de comparación y contraste. d. Aplicación usando data de Airbnb. EXPERTO EN MATLAB APLICADO 23. PRIMEROS PASOS EN MATLAB a. Conociendo MATLAB: > Descarga de MATLAB en Mathworks. > ¿Qué es MATLAB?. > ¿Qué es un Toolbox?. b. Conceptos básicos: > El escritorio de MATLAB. > La Cinta de Herramientas. > ¿Qué es un comando?. > ¿Qué es una función?. > Funciones y comandos útiles. > Los Atajos del teclado. > La Ayuda en MATLAB. 24.ELEMENTOS BÁSICOS EN MATLAB a. Gestión de variables en MATLAB > Tipos de datos. > Las variables. > Los arreglos. > Gestión del workspace. > Palabras reservadas. > Comandos especiales. b. Cálculo matricial y de elemento a elemento > Operadores aritméticos > Operadores relacionales > Operadores lógicos 25. ELEMENTOS BÁSICOS EN MATLAB II a. Indexación de matrices > Vectores rango > Indexación lineal > Indexación Bidimensional > Indexación lógica 26. PROGRAMACIÓN EN MATLAB a. Conceptos básicos: > ¿Qué es un programa?. > ¿Qué es un algoritmo?. b. M - Script > Los archivos M – scripts. > Partes de un MATLAB Script. c. Comandos útiles > Comando input. > Comando disp. > Comando fprintf. d. M – Función > Los Archivos M – Función. > Partes de una función. > Manipuladores de función (function handle). > Las funciones anónimas. > Las subfunciones. e. Visibilidad y alcance de variables. 27. GRÁFICAS a. Creación de una gráfica > Pasos para graficar. > Partes de una gráfica. > Herramientas GUI. b. Gráficos bidimensionales > > > > Función plot. Formatos de línea y color. Control de ejes y anotaciones. Múltiples ejes en una ventana. c. Otros gráficos bidimensionales. d. Gráficas tridimensionales. e. Gestión de las propiedades de los objetos gráficos. 28. SENTENCIAS DE CONTROL a. Sentencias de control selectiva > If else. > If elseif. b. Sentencias de control iterativa > While. > For. c. Sentencias especiales > Continue. > Break. > Return. 29. MÉTODOS NUMÉRICOS a. ¿Qué son los métodos numéricos? b. Solución de ecuaciones no lineales > Punto Fijo. > Newton-Raphson. c. Solución de ecuaciones diferenciales ordinarias > Euler. > Taylor. > Runge-Kutta. 30. TIPOS DE DATOS HETEROGÉNEOS a. Arreglo de Estructuras. b. Arreglo de celdas. 31. FUNCIONES AVANZADAS a. b. c. d. Manipuladores de función. Funciones locales. Funciones anidadas. Funciones con un número de argumentos. 32. TOOLBOX OPTIMIZATION a. ¿Qué es el Toolbox Optimization?. b. El Problema de optimización. c. Elección de un Solver. > Problemas de minimización. > Problemas multiobejtivo. > Problemas de solución de ecuaciones. > Problemas de mínimos cuadrados. 33. APLICACIONES I a. Mínimos cuadrados ordinarios. b. Cadenas de Markov. 34. APLICACIONES II a. Frontera eficiente bajo el enfoque de media-varianza. b. Value at Risk. EXPERTO EN VISUAL BASIC APLICADO 35. INTRODUCCIÓN AL LENGUAJE Y EDITOR VBA a. Lenguaje Visual Basic para Aplicaciones b. Grabadora de macros. c. Modo interrupción. d. Variables: Concepto y tipos. 36. GRABAR Y MODIFICAR a. Grabadora de Macros Review. b. Revisión y Depuración de Grabación. c. Objetoos de Excel , Métodos y Propiedades. 37. PROCEDIMIENTOS SENTENCIA WITH END WITH a. Concepto b. Sentencia Sub End sub c. Sentencia Exit sub d. Sentencia With End With e. Explicación de ciclo de Vida de Variables a un caso de RR.HH f. Ejercicios diversos con procedimientos. 38. FUNCIONES EN VBA a. Concepto b. Maneras de utilizar funciones desde el editor VBA c. Funciones definidas por el usuario (UDF) d. Ejercicios Diversos de creación de funciones personalizadas e. Cálculo de Margen Bruto de Utilidad 39. FUNCIONES CONDICIONALES a. Concepto b. Función if, else, elseif y Select Case c. Ejercicio diversos usando condicionales d. Cálculo de Comisión y Salario de Equipo de Ventas con Funciones y Condicionales. 40.FUNCIONES ITERATIVAS a. Concepto b. Funciones Do until, Do while, Exit Loop c. Funciones For, For each d. Importancia de distintos métodos para los ejercicios e. Ejercicios Diversos con bucles f. Problema de Contabilidad 41. FORMULARIOS a. Concepto b. Diseño de formularios c. Programación básica de formularios d. Formulario de Ingreso de Datos 42. EVENTOS a. Concepto b. Eventos en Workbooks y ThisWorkbook PLANA DOCENTE FRANCO CALLE Estudiante del PhD en Economía de la Universidad de Chicago (Estados Unidos). Ha sido investigador asociado de la Universidad de Princeton (Estados Unidos) e investigador afiliado a ConsiliumBots, donde diseña sistemas de recomendación utilizando inteligencia artificial y teoría económica. Sus principales intereses de investigación se encuentran en la intersección entre la microeconomía aplicada, el desarrollo económico y la inteligencia artificial. GLORIA RIVAS Magister en Data Science de la Universidad Erasmus Universidad Rotterdam (Holanda). Actualmente es Business Intelligence Analyst en Amazon. Ha realizado una pasantía en la sede central de Unilever en Rotterdam (Holanda) donde diseña modelos de machine learning para la predicción de productos que se volverán obsoletos. Previo a la maestría se desempeñó como analista senior de pricing analytics en el BCP. HUGO GUTIÉRREZ Economista por la PUCP y CFA 1. Ha trabajado en el Seguros Sura y en la mesa de dinero de Interbank. encargado de las capacitaciones de Bloomberg de enseñado Análisis Financiero en la PUCP e ingresó al Finanzas Avanzadas del BCRP 2017. área de inversiones Durante 3 años se la PUCP. También Curso de Extensión en ha ha de DIEGO MIÑAN BsC. en Ingeniería Económica por la Universidad Nacional de Ingeniería (UNI). Actualmente es analista senior de Validación Interna de Riesgo de Crédito en el Banco de Crédito del Perú (BCP). Cuenta con experiencia profesional en el sistema financiero en instituciones públicas y privadas, y ha cursado actualizaciones en materia de riesgos y mercado de capitales (CEU de Finanzas Avanzadas del BCRP y Diplomado de Renta Fija en la UNI). GABRIEL QUISPE Bachiller de economía de la Universidad del Pacífico y CFA Nivel 2. Actualmente trabaja en Scotiabank Perú como analista Senior de Riesgos de Mercado para el área de Trading. Tiene experiencia en mercado de capitales por sus ex labores en fondos de inversión y family office. Cabe mencionar que realizó el curso de extensión de Finanzas Avanzadas del BCRP (2018). LILIAM VALDIVIEZO Bachiller de Ingeniería de Sistemas de la Universidad Nacional Mayor de San Marcos (UNMSM). Actualmente se desempeña como QA Specialist en SAP Ariba. Ha trabajado en el área de Calidad de Software y cuenta con más de 8 años de experiencia brindando un enfoque proactivo para prevenir defectos durante el desarrollo del software. Ha llevado cursos de Programación, Integración continua y Automatización de Pruebas. Participó como docente en Diplomado de TIC’s para la docencia realizado en convenio entre la Universidad Nacional Mayor de San Marcos y la Municipalidad de Espinar (Cusco). HORARIO DE CLASES SINCRÓNICAS Domingos de 11:00 a 13:30 horas. PROCESO DE MATRÍCULA 1. Pago Link: Pagos con tarjeta de débito o crédito (Visa o Mastercard). Paypal (Dólares): Pagos con tarjeta de débito o crédito (Visa o Mastercard y American Express). Depósito o transferencia bancaria a los siguientes números de cuenta: Cta. de ahorro soles: 193 - 91505041 - 0 - 32 Cta. de ahorro soles: 898 - 3136998589 Cta. de ahorro soles: 0011 - 0162 - 0200349360 2. Envío de datos 3. Registrar el pago mediante el link proporcionado por INFOX ¡Si cuentas con un cupón de descuento ingresa a nuestra web! www.infoxeduca.com Para mayor información escríbenos al +51 946 512 695 [email protected] www. infoxeduca.com Calle Santa Nicerata 372 of 221 - San Miguel
