Combinamos Inteligencia Artificial y Econometría para potenciar sus estrategias
Celular: +51993029483
Combinamos Inteligencia Artificial y Econometría para potenciar sus estrategias
Celular: +51993029483
Conoce las Similitudes y Discrepancias de los Modelos de Machine Learning, Econometría Bayesiana y Econometría Clásica.
Domina los modelos de Series de Tiempo desde los más básicos a los más avanzados: ARIMAX, SARIMAX, GARCH, VAR, VEC, SVAR, STAR, MSBVAR, DSGE lineales y no lineales, TVP-VAR, SFAVAR, entre otros.
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.
Este programa otorga una preparación óptima para el Curso de Extensión Universitaria (CEU) del Banco Central de Reserva del Perú (BCRP) y Organismos Reguladores (OSIPTEL, INDECOPI, OSINERMING, etc.), en las áreas de Microeconomía, Macroeconomía, Estadística, Econometría y Machine Learning).
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 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.
Mediante algoritmos de 𝗠𝗮𝗰𝗵𝗶𝗻𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴, utilizando modelos de 𝗕𝗼𝗼𝘀𝘁𝗶𝗻𝗴 𝗠𝗮𝗰𝗵𝗶𝗻𝗲𝘀, 𝗥𝗮𝗻𝗱𝗼𝗺 𝗙𝗼𝗿𝗲𝘀𝘁 𝘆 𝗕𝗮𝗴𝗴𝗶𝗻𝗴, se determinó que "las cotizaciones de los precios de las viviendas están determinadas fundamentalmente por el ingreso promedio de los habitantes zonales y la ubicación geográfica, variables que explicaron conjuntamente más del 80% del precio".
Mediante el modelamiento del 𝗿𝗶𝗲𝘀𝗴𝗼 𝗰𝗿𝗲𝗱𝗶𝘁𝗶𝗰𝗶𝗼 utilizando algoritmos de 𝗠𝗮𝗰𝗵𝗶𝗻𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴, como el modelo Logístico Aditivo Regularizado y Modelo de 𝗘𝗻𝘀𝗮𝗺𝗯𝗹𝗲 𝗱𝗲 Á𝗿𝗯𝗼𝗹𝗲𝘀 𝗱𝗲 𝗗𝗲𝗰𝗶𝘀𝗶ó𝗻 aplicado al 𝗕𝗶𝗴 𝗗𝗮𝘁𝗮, se determinó que "los clientes que deben 2 o más meses y han sobregirado su tarjeta son los principales indicios que caerán en morosidad".
Según las proyecciones de las carreras profesionales del Perú al 2027 las 3 profesiones más saturadas (atomizadas) serás derecho, psicología y administración, esta alta saturación de estas carreras profesionales se explica porque existen una alta preferencia por parte de los estudiantes en elegir profesiones que suenan atractivas o son tradicionales, sumado al hecho de una mayor oferta académica por parte de las universidades, aunado a la poca vinculación actual entre universidades y el mercado laboral.
¿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.
Las ramas de la IA como: Machine Learning, Visión por Computadora, Procesamiento del Lenguaje Natural y Robótica Cognitiva utilizan algoritmos que optimizan una única ecuación: la “función de pérdida”.
Esta función de pérdida se mide como la integral de la “divergencia de Kullback-Leibler (KL)”, que a su vez está relacionada con el conocido método econométrico de Máxima Verosimilitud (MLE), siendo una razón más por la cual la Estadística, Econometría y Machine Learning están profundamente relacionadas. 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
𝗔𝗻á𝗹𝗶𝘀𝗶𝘀 𝗱𝗲 𝗣𝗿𝗶𝗰𝗶𝗻𝗴 𝗺𝗲𝗱𝗶𝗮𝗻𝘁𝗲 𝗠𝗼𝗱𝗲𝗹𝗼𝘀 𝗕𝗼𝗼𝘀𝘁𝗶𝗻𝗴 𝗠𝗮𝗰𝗵𝗶𝗻𝗲𝘀, 𝗥𝗮𝗻𝗱𝗼𝗺 𝗙𝗼𝗿𝗲𝘀𝘁 𝘆 𝗕𝗮𝗴𝗴𝗶𝗻𝗴