Módulos de aprendizaje

Hemos estructurado nuestros programas en módulos especializados y progresivos. Ya sea que busques automatizar reportes, adentrarte en el Machine Learning o desarrollar modelos actuariales complejos, tenemos un camino para ti:

Módulo 1 — Fundamentos analíticos en entornos corporativos

• Dirigido a: Analistas de negocios, contadores, estudiantes de economía/matemáticas y profesionales que buscan migrar de Excel a lenguajes de programación.
• Objetivo: Instalar, configurar y dominar los entornos de desarrollo de R y Python, sentando las bases de la programación orientada a datos.
• Configuración del entorno de trabajo: Instalación y gestión de entornos con Anaconda (Jupyter Notebooks) y RStudio. Manejo de variables de entorno y terminal para analistas.
• Introducción a Python para datos: Sintaxis básica, estructuras de datos (listas, diccionarios), bucles y funciones. Introducción a la vectorización.
• Fundamentos de R para estadística: Sintaxis de R, manejo de data frames, vectores y funciones base. ¿Cuándo usar R y cuándo usar Python?

Módulo 2 — Ingeniería de datos y visualización avanzada

• Dirigido a: Analistas de datos, científicos de datos junior y profesionales de inteligencia de negocios (BI).
• Objetivo: Extraer, limpiar, transformar (ETL) y visualizar grandes volúmenes de datos de manera eficiente.
• Manipulación de datos con Python (Pandas y NumPy): Limpieza de datos estructurados, manejo de valores nulos, agrupaciones y cruce de bases de datos.
• El ecosistema Tidyverse en R: Uso avanzado de dplyr y tidyr para la manipulación elegante y eficiente de conjuntos de datos complejos.
• Storytelling y visualización interactiva: Creación de gráficos estáticos y dinámicos usando ggplot2 (R), Matplotlib y Seaborn (Python). Integración con herramientas como Power BI.

Módulo 3 — Modelado actuarial y matemáticas financieras

• Dirigido a: Actuarios, analistas de riesgos, gestores de carteras y auditores financieros.
• Objetivo: Aplicar programación avanzada para el cálculo de primas, reservas, análisis de supervivencia y modelado de riesgos.
• Matemáticas financieras y series de tiempo: Análisis y pronóstico de series temporales financieras usando statsmodels (Python) y el ecosistema forecast / fpp3 (R).
• Modelos de supervivencia y tablas de mortalidad: Uso de paquetes especializados en R (como survival y lifecontingencies) para seguros de vida y pensiones.
• Simulación estocástica y análisis de riesgos: Implementación del método Monte Carlo, modelos de cadenas de Markov y cuantificación de riesgo (VaR) combinando NumPy (Python) y librerías estadísticas de R.

Módulo 4 — Machine Learning y analítica predictiva

• Dirigido a: Científicos de datos, estadísticos y líderes técnicos de proyectos analíticos.
• Objetivo: Entrenar, evaluar y desplegar modelos de aprendizaje automático para la toma de decisiones automatizada.
• Machine Learning clásico con Scikit-Learn (Python): Regresión lineal/logística, árboles de decisión, Random Forest y clustering. Ajuste de hiperparámetros.
• Modelado predictivo con Tidymodels (R): Preprocesamiento, validación cruzada y evaluación de modelos predictivos estadísticos.
• Automatización y despliegue: Creación de APIs para modelos predictivos (FastAPI en Python) y aplicaciones web interactivas con Shiny (R) y Streamlit (Python).

¿Por qué estudiar con nosotros?

• Enfoque corporativo real: Enseñamos a utilizar R y Python integrados en los flujos de trabajo (incl. Office/Power BI) que utilizan las empresas e instituciones financieras.
• Rigor Científico y Matemático: No solo enseñamos a escribir código; enseñamos la estadística, la probabilidad y la matemática actuarial que fundamentan los modelos.
• Eficiencia y Escalabilidad: Aprende a superar los límites de las hojas de cálculo tradicionales procesando millones de registros en segundos.
• Proyectos Aplicados: Casos de estudio reales: desde la predicción de abandono de clientes (churn) hasta la tarificación de pólizas de seguros.

Los cursos están orientados inicialmente a programación en software libre para los diversos sectores: banca, seguros y pensiones. Se dictan en la plataforma Moodle, referente en enseñanza en línea; el acceso a inscripciones y materiales está en el enlace Plataforma de cursos (Moodle).

Curso de Series de Tiempo (Python)

Ficha técnica, programa, objetivos e inscripción del curso orientado a actuarios y profesionales que requieran proyecciones de mortalidad, siniestralidad o indicadores económicos.

Ir al curso Series de Tiempo con Python

Recurso complementario: Series de tiempo y actores del mercado (HTML) — Análisis dinámico de actores y series temporales.

Plataforma de cursos (Moodle)

Los cursos del CVEA se dictan en Moodle, la plataforma líder de cursos en línea de código abierto, utilizada por universidades e instituciones en todo el mundo. Inscripciones, materiales y seguimiento están disponibles en nuestra aula virtual. El acceso principal está en el inicio de esta sección (botón Abrir Portal de Cursos). Resumen de módulos: Plataforma de cursos — módulos ofrecidos.

Próximas ofertas

Webinars y certificaciones en temas emergentes (por ejemplo, IA en Actuaría). Las convocatorias se publicarán en Actualidad.

(Próximas ofertas se anunciarán aquí.)