Combinamos Econometría e Inteligencia Artificial para potenciar sus decisiones estratégicas
Celular: +51993029483
Combinamos Econometría e Inteligencia Artificial para potenciar sus decisiones estratégicas
Celular: +51993029483
Conoce las Similitudes y Discrepancias de los Modelos de Machine Learning, Econometría Bayesiana y Econometría Clásica.
Modelos de Machine Learning aplicado a la clasificación del riesgo crediticio usando Big Data del Sistema Financiero. Modelo Logístico Aditivo Cross Validado y Regularizado. Árboles de Decisión y sus Ensambles (Bagging, Random Forest y Boosting Machine), SVM y RN. En lenguaje R desde cero.
Proyecciones con Modelos Econométricos Clásicos, Bayesianos y de Machine Learning en lenguaje R desde cero
Conociendo la consola de RStudio. Operaciones algebraicas sobre vectores y matrices. Aplicaciones bajo Simulaciones y con Big Data. Aplicaciones a estructuras de: Dataframe, Matrix, Arrays. Funciones básicas para programar. Elaboración de gráficos aplicados a la Economía.
Domina los modelos de Series de Tiempo tradicionales y con algoritmos de Machine Learning, desde los más básicos a los más avanzados: ARIMA, SARIMAX, VAR, VEC, SVAR, STAR/MS, VAR cambiante, MSBVAR, DSGE lineal/no Lineal, SFAVAR, GARCH, Singular Spectrum Análisis, entre otros.
Domina las técnicas de Inferencia Causal aplicado a datos reales desde los más básicos hasta los más avanzados: ATE, DIF in DIF, PSM (Radius, NNMaching, Kernel, etc.), Control Sintético, entre otros. En lenguaje de Stata
Conoce las Algoritmos de Machine Learning y modelos del Análisis Multivariado aplicado al comercio exterior para determinar principales mercados y productos. Asi como, técnicas de proyección de variables en el ámbito del Comercio Internacional.
Estimaciones, Proyecciones, Evaluación de Impacto, Modelamiento Econométrico, Inferencia Causal y Machine/Deep Learning/Big Data.
Análisis Económico, Estructuras y Tendencias de Mercados (Económicos, Financieros y Bancarios). Propuestas de Políticas.
Capacitaciones en Python, R, Stata, SQL, Matlab, Eviews, SPSS, Gauss, Power BI, etc.
Elaboración de reportes sectoriales (Agropecuario, Manufactura, Minería, Pesca, Financieros, Seguros, Construcción, Comercio, Bancarios, Servicios, etc.).
Elaboración de reportes especiales de diversos mercados nacionales e internacionales: frutas, hortalizas, harina de pescado, minerales, textil, prendas de vestir, electrodomésticos, etc.
¿Existe rivalidad entre la Econometría y el Machine Learning? ¿Bajo determinadas circunstancias, un enfoque es más competitivo frente al otro? Conoce como se interrelacionan estos enfoques con la Estadística, el Business Intelligence, Data Analytics y Knowledge Discovery.
En un artículo reciente, titulado “𝙄-𝘾𝙤𝙣: 𝘼 𝙐𝙣𝙞𝙛𝙮𝙞𝙣𝙜 𝙁𝙧𝙖𝙢𝙚𝙬𝙤𝙧𝙠 𝙛𝙤𝙧 𝙍𝙚𝙥𝙧𝙚𝙨𝙚𝙣𝙩𝙖𝙩𝙞𝙤𝙣 𝙇𝙚𝙖𝙧𝙣𝙞𝙣𝙜” de ICLR del 23 de abril de 2025, investigadores del 𝙈𝙄𝙏, 𝙂𝙤𝙤𝙜𝙡𝙚 𝙮 𝙈𝙞𝙘𝙧𝙤𝙨𝙤𝙛𝙩 sintetizaron en una única fórmula matemática todas versiones de riesgo empírico, denominándola la 𝗳𝘂𝗻𝗰𝗶ó𝗻 𝗱𝗲 𝗽é𝗿𝗱𝗶𝗱𝗮 que agrupa, en una especie de tabla periódica, 23 algoritmos del Machine Learning (link del paper: https://lnkd.in/euj3EY-p).
Encontrarás Estadísticas y sus Proyecciones en base a fuentes confiables como la USDA de EE. UU, como el Consumo Percápita Aparente sobre Principales Frutos Frescos de EE. UU