Machine Learning for Quants and Data Scientists

Los científicos de datos son profesionales que trabajan en empresas de tecnología como Google o Apple. En cambio, los analistas de datos que trabajan en empresas financieras son considerados analistas cuantitativos, sin embargo, que no existe una línea divisoria estricta entre los cuánticos y los científicos de datos, y que eventualmente, la expectativa de referencia […]

Los científicos de datos son profesionales que trabajan en empresas de tecnología como Google o Apple. En cambio, los analistas de datos que trabajan en empresas financieras son considerados analistas cuantitativos, sin embargo, que no existe una línea divisoria estricta entre los cuánticos y los científicos de datos, y que eventualmente, la expectativa de referencia para los analistas cuantitativos será fundamentalmente la misma que la de los científicos de datos.

Día 1:

1
MACHINE LEARNING FOR QUANTS C1 P1
135 min
1. Introducción al Aprendizaje Máquinaa. Paradigma de Aprendizaje Máquinab. Capacidad, overfitting y underfittingc. Hyper-Parámetros y Validaciónd. Aprendizaje Supervisadoe. Aprendizaje No-Supervisadof. Algoritmos de Optimización2. Un proceso de Datos del ETL a Producción
2
MACHINE LEARNING FOR QUANTS C1 PII
52 min
3. ETL & EDA con Pythona. Pandasb. Seabornc. Sklearn

Día 2:

1
MACHINE LEARNING FOR QUANTS C2 PI
135 min
1. Clasificación para Detección de Fraudea. Regresion Logisticab. Regularizacionc. Random Forest
2
MACHINE LEARNING FOR QUANTS C2 PII
101 min
2. Series de Tiempoa. Validación en Series de Tiempob. Algoritmos Clásicos de Aprendizaje Máquina para Series de Tiempo