Máster en Inteligencia Artificial aplicada a los Mercados Financieros - Instituto BME
Precio
18.000 €
Tipo Masters
Modalidad Online / A distancia, Presencial
En Docenzia te asesoramos de forma gratuita para que escojas el mejor programa formativo que se adapte a tus necesidades y así poder mejorar tu carrera profesional. ¡Contáctanos para ayudarte!
Enviar WhatsApp
Te llamamosRecibir más información
-
Tipo
Masters
-
Modalidad
Online / A distancia (+)
-
Duración / Créditos
2.000 h. / 80 Créditos ECTS
-
Fechas
Matric. Permanente
-
Sedes
Madrid
Información general
DESCRIPCIÓN:
El Máster en Inteligencia Artificial Aplicada a los Mercados Financieros tiene como objetivo dotar al mercado de profesionales del más alto nivel en inteligencia artificial, los cuales logren desarrollar modelos de gestión de inversiones, gracias al amplio material didáctico que se ofrecerá, en el cual se profundizarán los estudios en los distintos tipos de mercados y productos.
Cabe destacar que el máster ha sido desarrollado con la finalidad de dar respuesta a la creciente demanda que ha adquirido la gestión financiera, gracias a la incorporación de nuevos y sofisticados productos.
Cabe destacar que el máster ha sido desarrollado con la finalidad de dar respuesta a la creciente demanda que ha adquirido la gestión financiera, gracias a la incorporación de nuevos y sofisticados productos.
ASPECTOS A TENER EN CUENTA
FINALIDAD DEL PROGRAMA FORMATIVO:
Brindar información relevante sobre las distintas ramas de inteligencia artificial.
Ofrecer un enfoque totalmente práctico y orientado al diseño de algoritmos de inversión.
Permitir a los alumnos enfrentarse a cualquier desafío relacionado con el nuevo entorno económico en el que se desarrollan los mercados financieros.
Dotar al mercado de profesionales del más alto nivel en inteligencia artificial, capaces de desarrollar nuevos modelos de gestión de inversiones.
Ofrecer un enfoque totalmente práctico y orientado al diseño de algoritmos de inversión.
Permitir a los alumnos enfrentarse a cualquier desafío relacionado con el nuevo entorno económico en el que se desarrollan los mercados financieros.
Dotar al mercado de profesionales del más alto nivel en inteligencia artificial, capaces de desarrollar nuevos modelos de gestión de inversiones.
¿A quién va dirigido?
Graduados en Ingeniería o Ciencias Económicas, Administración y Dirección de Empresas, Estadística, Física o Matemáticas.
El máster tiene dos perfiles de acceso:
Uno más técnico en donde el alumnado lo componen físicos, matemáticos, telecos, ingenieros, informáticos… en definitiva alumnos con profundos conocimientos de programación y matemáticas, pero con una carencia de conocimientos bursátiles.
Y un segundo perfil de componente más financiero (ade, economía, actuariales), traders, brokers, gestores de fondos de inversión, responsables de control y gestión de riesgo, auditoría… alumnos con conocimientos financiero - bursátiles, pero con carencia de conocimientos en programación o matemáticas.
Los primeros módulos del máster están diseñados para que ambos grupos igualen sus conocimientos, reforzando sus respectivas carencias.
El máster tiene dos perfiles de acceso:
Uno más técnico en donde el alumnado lo componen físicos, matemáticos, telecos, ingenieros, informáticos… en definitiva alumnos con profundos conocimientos de programación y matemáticas, pero con una carencia de conocimientos bursátiles.
Y un segundo perfil de componente más financiero (ade, economía, actuariales), traders, brokers, gestores de fondos de inversión, responsables de control y gestión de riesgo, auditoría… alumnos con conocimientos financiero - bursátiles, pero con carencia de conocimientos en programación o matemáticas.
Los primeros módulos del máster están diseñados para que ambos grupos igualen sus conocimientos, reforzando sus respectivas carencias.
TITULACIÓN
Máster en Inteligencia Artificial aplicada a los Mercados Financieros
Certificado de desarrollador en TensorFlow emitida por Google
Certificado de desarrollador en Computación Cuántica emitida por IBM
Licencia de Operador SIBE otorgada por la Bolsa de Madrid
Certificado de desarrollador en TensorFlow emitida por Google
Certificado de desarrollador en Computación Cuántica emitida por IBM
Licencia de Operador SIBE otorgada por la Bolsa de Madrid
Requisitos
Es imprescindible asistir a las sesiones con portátil. Se recomienda el equipo Intel Core i5, 8 GB de RAM, disco SSD y tarjeta gráfica Nvidia compatible con CUDA.
No son necesarios conocimientos previos para cursar el máster. Los conocimientos en programación, finanzas, big data, inteligencia artificial, blockchain y computación cuántica serán adquiridos por el alumno a lo largo del máster.
No son necesarios conocimientos previos para cursar el máster. Los conocimientos en programación, finanzas, big data, inteligencia artificial, blockchain y computación cuántica serán adquiridos por el alumno a lo largo del máster.
TEMARIO
- Introducción a Visual Basic para finanzas Sesión I
- Introducción a Visual Basic para finanzas Sesión II
- Visión General de la inteligencia Artificial
- Fundamentos de programación en R: sentencias, bucles, funciones y vectores
- Matrices, factores, listas y data frames
- Importación, limpieza y manipulación de datos
- Librerías avanzadas Dplyr, Data Table, Apply, Pipes
- web scraping, gráficos, distribuciones y análisis de rendimiento
- Elementos de programación y vectorización con numpy
- Programación en python para finanzas y análisis estadístico
- Visualización y estructuras de datos para series financieras
- Intercambio de datos con otros entornos y simulación de procesos estocásticos
- Medición de riesgos (VaR), regresión y clasificación
- Web scraping, análisis de rendimiento y vectorización
- Programación orientada a objetos
- Productos financieros: qué productos existen y cuales son sus diferencias
- Renta variable
- Renta fija
- Curva cupón cero
- Mercado de divisas y derivados de divisa
- Futuros sobre índices y acciones
- Opciones de renta variable
- Gestión de la volatilidad
- Gestión de sensibilidades y estrategias
- Terminal Smart
- Análisis fundamental y valoración de empresas
- Gestión de grandes patrimonios. Sesión I
- Gestión de grandes patrimonios. Sesión II
- Modelos Macroeconómicos y modelos de gestión de carteras
- Productos UCIT III
- Obtención de datos.
- Homogeneización y desmanipulación de los datos.
- Análisis de rendimiento y medidas de performance
- Frontera de Markowitz
- Backtesting, prueba de aleatoriedad y benchmark sintético
- Construcción de algoritmos: selección de activos, precios objetivos de compra y venta
- Construcción de algoritmos: parámetros dinámicos, asignación de recursos
- Generación de recomendaciones y algoritmos avanzados
- Examen licencias SIBE, MEFF y Clearing
- Clase de productización de algoritmos
- Backtesting avanzado de Algoritmos de Inversión Sesión I
- Backtesting avanzado de Algoritmos de Inversión Sesión II
- Modern Portfolio Theory and beyond. Sesión I
- Modern Portfolio Theory and beyond. Sesión II
- Modern Portfolio Theory and beyond. Sesión III
- Algoritmos de mejor ejecución
- Fiscalidad
- Derecho aplicado: abuso de mercado y blanqueo de capitales
- Derecho aplicado a bolsa y algoritmos. Normativa europea e internacional
- Derecho aplicado a IA. Normativa internacional y casos prácticos
- Optimización lineal y cuadrática: restricciones, modelado e identificación de arbitraje
- Optimización con programación entera mixta: modelado, algoritmos y técnicas de resolución
- Optimización: búsqueda heurística y búsqueda local estocástica
- Proyecto. Sesión I.
- SQL, herramientas y Máquinas Virtuales
- Principios de desarrollo
- Docker y kubernetes
- Google. Sesión I
- Google. Sesión II
- Google. Sesión III
- Google. Sesión IV
- Azure. Sesión I
- Azure. Sesión II
- Azure. Sesión III
- Azure. Sesión IV
- Amazon AWS. Sesión I
- Amazon AWS. Sesión II
- Amazon AWS. Sesión III
- Amazon AWS. Sesión IV
- Técnicas de visualización: Sesión I
- Técnicas de visualización: Sesión II
- Taller completo con entorno IA Google Cloud
- Taller completo con entorno IA Microsoft Azure
- Taller completo con entorno IA Amazon AWS
- Proyecto. Sesión II
- Algoritmos genéticos
- Algoritmos enjambre. Sesión I
- Algoritmos enjambre. Sesión II
- Machine Learning. Sesión I
- Machine Learning. Sesión II
- Machine Learning. Sesión III
- Machine Learning. Sesión IV
- Machine Learning. Sesión V
- Redes neuronales. Sesión I
- Redes neuronales. Sesión II
- Tensorflow. Sesión I
- Tensorflow. Sesión II
- Keras.
- Optimización de Hiperparámetros.
- Redes de Kohonen
- Sagemaker
- Redes convolucionales. Sesión I
- Redes convolucionales. Sesión II
- Redes convolucionales. Sesión III
- Redes convolucionales. Sesión IV
- Redes recurrentes. Sesión I
- Redes recurrentes. Sesión II
- Procesamiento de lenguaje natural. Sesión I
- Procesamiento de lenguaje natural. Sesión II
- Procesamiento de lenguaje natural. Sesión III
- Procesamiento de lenguaje natural. Sesión IV
- Procesamiento de lenguaje natural. Sesión V
- Modelos generativos. Sesión I
- Modelos generativos. Sesión II
- Modelos generativos. Sesión III
- Modelos generativos. Sesión IV
- Sistemas de recomendación
- Aprendizaje por transferencia / Redes de capsula
- Resnet 51 - 101
- Detección y análisis de anomalías
- Preparación para la certificación de desarrollador en TensorFlow
- Modelos gráficos probabilísticos. Sesión I
- Modelos gráficos probabilísticos. Sesión II
- Aprendizaje justo (fair learning)
- Explainable Artificial Intelligence (XAI)
- Incertidumbre en redes neuronales y su aplicacion en bolsa
- Tipología de neuronas y redes
- Aprendizaje por refuerzo. Sesión I
- Aprendizaje por refuerzo. Sesión II
- Aprendizaje por refuerzo. Sesión III Automated machine learning
- Aprendizaje por refuerzo. Sesión IV (entornos)
- Aprendizaje por refuerzo. Sesión V
- Aprendizaje por refuerzo. Sesión VI
- Examen de certificación: desarrollador en TensorFlow
- Proyecto. Sesión III (online a lo largo de la semana)
- Blockchain. Sesión I Fundamentos de Blockchain
- Blockchain. Sesión II Programación de Smart Contracts en Ethereum
- Blockchain. Sesión III Programación de Smart Contracts en Ethereum
- Blockchain. Sesión IV Programación de Smart Contracts en Ethereum
- Blockchain. Sesión V Programación de Smart Contracts en Ethereum
- Blockchain. Sesión VI Programación de Smart Contracts en Ethereum
- Blockchain. Sesión VII Utilidades para aplicaciones descentralizadas
- Blockchain. Sesión VIII Utilidades para aplicaciones descentralizadas
- Blockchain. Sesión IX Gestión de redes Blockchain
- Blockchain. Sesión X Escalabilidad en redes Blockchain - Ethereum
- Blockchain. Sesión XI HYPERLEDGER FABRIC
- Blockchain. Sesión XII HYPERLEDGER FABRIC
- Terminal SIX
- Servicios Cognitivos: Watson
- Computación cuántica. Sesión I Introducción a la Computación Cuántica
- Computación cuántica. Sesión II Álgebra lineal
- Computación cuántica. Sesión III Principios de la mecánica Cuántica
- Computación cuántica. Sesión IV Sistemas compuestos
- Computación cuántica. Sesión V Algoritmos cuánticos
- Computación cuántica. Sesión VI Software para computación cuántica y Qiskit Terra
- Computación cuántica. Sesión VII Computación clásica vs cuántica
- Computación cuántica. Sesión VIII Circuitos y algoritmos cuánticos
- Computación cuántica. Sesión IX Aplicaciones cuánticas
- Computación cuántica. Sesión X Qiskit Optimization
- Computación cuántica. Sesión XI Aplicaciones en Finanzas
- Computación cuántica. Sesión XII Qiskit Finance
- Repaso y preparación para el examen de certificación
- Examen de certificación: desarrollador en Computación Cuántica
- Defensa de TFM. Sesión I
- Defensa de TFM. Sesión II
- Introducción a Visual Basic para finanzas Sesión II
- Visión General de la inteligencia Artificial
- Fundamentos de programación en R: sentencias, bucles, funciones y vectores
- Matrices, factores, listas y data frames
- Importación, limpieza y manipulación de datos
- Librerías avanzadas Dplyr, Data Table, Apply, Pipes
- web scraping, gráficos, distribuciones y análisis de rendimiento
- Elementos de programación y vectorización con numpy
- Programación en python para finanzas y análisis estadístico
- Visualización y estructuras de datos para series financieras
- Intercambio de datos con otros entornos y simulación de procesos estocásticos
- Medición de riesgos (VaR), regresión y clasificación
- Web scraping, análisis de rendimiento y vectorización
- Programación orientada a objetos
- Productos financieros: qué productos existen y cuales son sus diferencias
- Renta variable
- Renta fija
- Curva cupón cero
- Mercado de divisas y derivados de divisa
- Futuros sobre índices y acciones
- Opciones de renta variable
- Gestión de la volatilidad
- Gestión de sensibilidades y estrategias
- Terminal Smart
- Análisis fundamental y valoración de empresas
- Gestión de grandes patrimonios. Sesión I
- Gestión de grandes patrimonios. Sesión II
- Modelos Macroeconómicos y modelos de gestión de carteras
- Productos UCIT III
- Obtención de datos.
- Homogeneización y desmanipulación de los datos.
- Análisis de rendimiento y medidas de performance
- Frontera de Markowitz
- Backtesting, prueba de aleatoriedad y benchmark sintético
- Construcción de algoritmos: selección de activos, precios objetivos de compra y venta
- Construcción de algoritmos: parámetros dinámicos, asignación de recursos
- Generación de recomendaciones y algoritmos avanzados
- Examen licencias SIBE, MEFF y Clearing
- Clase de productización de algoritmos
- Backtesting avanzado de Algoritmos de Inversión Sesión I
- Backtesting avanzado de Algoritmos de Inversión Sesión II
- Modern Portfolio Theory and beyond. Sesión I
- Modern Portfolio Theory and beyond. Sesión II
- Modern Portfolio Theory and beyond. Sesión III
- Algoritmos de mejor ejecución
- Fiscalidad
- Derecho aplicado: abuso de mercado y blanqueo de capitales
- Derecho aplicado a bolsa y algoritmos. Normativa europea e internacional
- Derecho aplicado a IA. Normativa internacional y casos prácticos
- Optimización lineal y cuadrática: restricciones, modelado e identificación de arbitraje
- Optimización con programación entera mixta: modelado, algoritmos y técnicas de resolución
- Optimización: búsqueda heurística y búsqueda local estocástica
- Proyecto. Sesión I.
- SQL, herramientas y Máquinas Virtuales
- Principios de desarrollo
- Docker y kubernetes
- Google. Sesión I
- Google. Sesión II
- Google. Sesión III
- Google. Sesión IV
- Azure. Sesión I
- Azure. Sesión II
- Azure. Sesión III
- Azure. Sesión IV
- Amazon AWS. Sesión I
- Amazon AWS. Sesión II
- Amazon AWS. Sesión III
- Amazon AWS. Sesión IV
- Técnicas de visualización: Sesión I
- Técnicas de visualización: Sesión II
- Taller completo con entorno IA Google Cloud
- Taller completo con entorno IA Microsoft Azure
- Taller completo con entorno IA Amazon AWS
- Proyecto. Sesión II
- Algoritmos genéticos
- Algoritmos enjambre. Sesión I
- Algoritmos enjambre. Sesión II
- Machine Learning. Sesión I
- Machine Learning. Sesión II
- Machine Learning. Sesión III
- Machine Learning. Sesión IV
- Machine Learning. Sesión V
- Redes neuronales. Sesión I
- Redes neuronales. Sesión II
- Tensorflow. Sesión I
- Tensorflow. Sesión II
- Keras.
- Optimización de Hiperparámetros.
- Redes de Kohonen
- Sagemaker
- Redes convolucionales. Sesión I
- Redes convolucionales. Sesión II
- Redes convolucionales. Sesión III
- Redes convolucionales. Sesión IV
- Redes recurrentes. Sesión I
- Redes recurrentes. Sesión II
- Procesamiento de lenguaje natural. Sesión I
- Procesamiento de lenguaje natural. Sesión II
- Procesamiento de lenguaje natural. Sesión III
- Procesamiento de lenguaje natural. Sesión IV
- Procesamiento de lenguaje natural. Sesión V
- Modelos generativos. Sesión I
- Modelos generativos. Sesión II
- Modelos generativos. Sesión III
- Modelos generativos. Sesión IV
- Sistemas de recomendación
- Aprendizaje por transferencia / Redes de capsula
- Resnet 51 - 101
- Detección y análisis de anomalías
- Preparación para la certificación de desarrollador en TensorFlow
- Modelos gráficos probabilísticos. Sesión I
- Modelos gráficos probabilísticos. Sesión II
- Aprendizaje justo (fair learning)
- Explainable Artificial Intelligence (XAI)
- Incertidumbre en redes neuronales y su aplicacion en bolsa
- Tipología de neuronas y redes
- Aprendizaje por refuerzo. Sesión I
- Aprendizaje por refuerzo. Sesión II
- Aprendizaje por refuerzo. Sesión III Automated machine learning
- Aprendizaje por refuerzo. Sesión IV (entornos)
- Aprendizaje por refuerzo. Sesión V
- Aprendizaje por refuerzo. Sesión VI
- Examen de certificación: desarrollador en TensorFlow
- Proyecto. Sesión III (online a lo largo de la semana)
- Blockchain. Sesión I Fundamentos de Blockchain
- Blockchain. Sesión II Programación de Smart Contracts en Ethereum
- Blockchain. Sesión III Programación de Smart Contracts en Ethereum
- Blockchain. Sesión IV Programación de Smart Contracts en Ethereum
- Blockchain. Sesión V Programación de Smart Contracts en Ethereum
- Blockchain. Sesión VI Programación de Smart Contracts en Ethereum
- Blockchain. Sesión VII Utilidades para aplicaciones descentralizadas
- Blockchain. Sesión VIII Utilidades para aplicaciones descentralizadas
- Blockchain. Sesión IX Gestión de redes Blockchain
- Blockchain. Sesión X Escalabilidad en redes Blockchain - Ethereum
- Blockchain. Sesión XI HYPERLEDGER FABRIC
- Blockchain. Sesión XII HYPERLEDGER FABRIC
- Terminal SIX
- Servicios Cognitivos: Watson
- Computación cuántica. Sesión I Introducción a la Computación Cuántica
- Computación cuántica. Sesión II Álgebra lineal
- Computación cuántica. Sesión III Principios de la mecánica Cuántica
- Computación cuántica. Sesión IV Sistemas compuestos
- Computación cuántica. Sesión V Algoritmos cuánticos
- Computación cuántica. Sesión VI Software para computación cuántica y Qiskit Terra
- Computación cuántica. Sesión VII Computación clásica vs cuántica
- Computación cuántica. Sesión VIII Circuitos y algoritmos cuánticos
- Computación cuántica. Sesión IX Aplicaciones cuánticas
- Computación cuántica. Sesión X Qiskit Optimization
- Computación cuántica. Sesión XI Aplicaciones en Finanzas
- Computación cuántica. Sesión XII Qiskit Finance
- Repaso y preparación para el examen de certificación
- Examen de certificación: desarrollador en Computación Cuántica
- Defensa de TFM. Sesión I
- Defensa de TFM. Sesión II
SALIDAS PROFESIONALES
Con esta formación podrás ejercer como profesional cualificado en puestos de trabajo de:
- Quant AI Developer
TE RECOMENDAMOS VER TAMBIÉN
En los siguientes enlaces podrás ver programas formativos similares:
UBICACIONES DE NUESTRAS SEDES
-
Madrid
Palacio de la Bolsa Plaza de la Lealtad, 1 28014 Madrid. España
Opiniones
No hay opiniones registradas para este curso
