KEY POINTS - Amazon S3 · Learning, FinTech, InsurTech y Data Analytics y Artificial Intelligence...

KEY POINTSIn recent years, Machine Learning (ML) has been able to master tasks that until now only a few human experts could perform.

Financial ML is a reality:

• Some of the most successful hedge funds in history apply ML every day.

However, myths about Financial ML have proliferated:

• The Sisyphus paradigm is applicable to ML

• ML is a black-box

• Generic ML solutions work in Finance (West -> East)

• Traditional quants know about ML (West -> East)

• There are many ML Portfolio Managers

2011Watson defeats 2

Jeopardy champions

1997Deep Blue defeats the Chess World

Champion

2014DeepFace recognizes faces

better than humans

• The dismal state of 21st century financial research:

• Story-telling prevails over objective data analysis

• The curse of Econometrics and other 18th century mathematical tools

• Factor investing: Where is the proof that risk premia must be linear?

• Multiple testing, selection bias, back test over fitting:

• A few factors are well understood, however Harvey et al. [2015] show that “most claimed research findings are likely false.”t

FINANCIAL RESEARCH

2016AlphaGo defeats

the Go World Champion

2018Berkeley Lab

recognizes particle debris with 95%

accuracy

KEY POINTS• ML is only beginning to transform Finance:

• 2016: Studies showthat ML methods (like HRP) deliver portfolios that systematically outperform Markowitz optimization out-of-sample.

• 2016: The GIS-Liquid Strategies group manages $13 billion with 12 people.

• 2017: Four funds of Man/AHL manage $12.3 billion using AI.

• 2018: KPMG’s report argues that hedge funds must embrace technology or face ‘treadmill to oblivion’.

• 2018: First graduate-level textbook on ML, specifically applied to Finance.

FINANCIAL MACHINE LEARNING

• Aprovechar los datos disponibles de los clientes para contestar preguntas esenciales:

• ¿Cuánto vale un cliente?

• ¿Cuánto invertir en cada cliente?

• ¿Cuál es la mejor manera de contactarlos?

• ¿Cuánto se va a mantener un cliente con nuestra empresa?

BUSINESS ANALYTICS

*Nota: El texto fue extraído del libro Advances in Financial Machine Learning, del autor Dr. Marcos López de Prado.

ObjetivoSummit intensivo de 3 días único en su tipo en México, en donde

reconocidos especialistas en ML, Data Analytics y Especialistas de IT

compartirán las tendencias, retos y diferentes metodologías aplicables

a la realidad del mundo de los servicios financieros para maximizar

su rentabilidad, mientras los participantes tanto directores como

ejecutivos y líderes de negocio contrastarán sus experiencias

e inquietudes en talleres enfocados a la práctica en distintos

ámbitos de la empresa.

Este Summit contará con una mesa panel en donde

especialistas en los temas de Machine Learning, Data

Science & Artificial Intelligence compartirán sus

conocimientos así como sus puntos de vista sobre este

tema de actualidad y gran relevancia para el medio

financiero.

Comenzaremos por analizar los principales

factores en la evolución de Machine Learning

& Data Analytics, para centrarnos después

en sus implicaciones estratégicas para las

organizaciones.

A partir de este contexto, con un enfoque

de aplicación “hands on”, los workshops

nos permitirán revisar y discutir casos

concretos de empresas del sector

que han integrado los beneficios de

Machine Learrning & Data Analytics

en aplicaciones específicas que

añaden valor acualquier empresa.

Descripción

¿A quién está dirigido?Interesados en conocer y aplicar las técnicas más avanzadas de Machine Learning & Data Analytics para la

construcción de modelos predictivos, altamente efectivos, que permitan incrementar la rentabilidad del negocio de

manera robusta:

• Chief Data Officers

• Chief Marketing Officers

• Chief Information Officers

• Chief Operating Officers

• Chief Financial Officers

• Líderes de áreas de negocio de:• Corporativos

• Casas de bolsa

• Bancos

• Sociedades de inversión

• Aseguradoras

• Fondos de pensiones

• SOFOMES

• SOFIPOs

• Traders

• Quants

• Tecnólogos y científicos

de datos

10 razones para asistir1. Oportunidades de Trabajo: Machine Learning, FinTech y Data Analytics son algunas de las categorías de trabajo

con mayor crecimiento alrededor del mundo.

2. Summit de alta comprensión: Machine Learning, FinTech, Data Analytics, Data Science, Data Technologies, InsurTech, Artificial Intelligence, Transformación de negocio, habilidades profesionales.

3. Networking: Durante los 3 días del summit conecta e interactúa con practitioners del medio. Intercambia conocimientos y experiencias con todos los participantes.

4. Reconocimiento: RiskMathics Financial Institute es reconocido en México y LatAm por brindar lo “The Latest from the best” reuniendo practitioners que comparten sus conocimientos de su día a día.

5. Summit intensivo: 3 días que reúne conferencias, workshops y una mesa redonda con especialistas en los temas.

6. Speakers: Top practitioners de diferentes empresas reconocidas en México y LatAm. Expertos en Machine Learning, Artificial Intelligence, FinTech y Data Analytics.

7. Impulsar la innovación: Impulsar valor e innovación a la industria financiera y corporativa.

8. Experiencia internacional: Conoce a distintas personas del mundo, que como tú, están inmersos en el mundo del Machine Learning, FinTech, InsurTech y Data Analytics y Artificial Intelligence para servicios financieros y corporativos.

9. Panel: Asiste a la mesa redonda, donde expertos discutirán sobre la evolución, el presente y el futuro de los temas Machine Learning, FinTech, Artificial Intelligence y Data Analytics.

10. Sponsors / Partners: Conoce a los líderes de la industria, así como las acciones que están realizando para un mejor y correcto desempeño en el uso de Machine Learning, FinTech y Data Analytics.

Salón 1 Salón 2 Salón 3 Salón 4 Salón 5 Salón 6

16:15 - 18:15

Business Intelligence & Analytics

Andrés FundiaDirector

Nabla Solutions

Parte 1

Machine Learning: Introducción Práctica

Fernando EspondaMachine Learning ExpertASU Biodesign Institute

Parte 1

Artificial Intelligence & Machine Learning in

Finance

Gerardo CarreraDirector de Analítica

Grupo Financiero Banorte

Parte 1

Overview of Machine Learning applied to Cyber

Security

Gustavo SantanaDirector Ejecutivo

Ernst& Young

Parte 1

Data Science AggregationFrom Data Science to Artificial Intelligence

Marshall AlphonsoMathworks

Parte 1

Advances in Financial Machine Learning

Marcos López de PradoAdjunct Professor, Financial

Machine Learning

Parte 1

18:15 - 18:30 BREAK

18:30 - 20:30



Nabla Solutions

(continúa Parte 1)



(continúa Parte 1)


Finance



(continúa Parte 1)


Security


Ernst& Young

(continúa Parte 1)



(continúa Parte 1)



Machine Learning

(continúa Parte 1)

AGENDADÍA 1 Martes 5 de Noviembre 2019

14:00 - 14:30 REGISTRO

14:30 - 16:00

CONFERENCE LUNCH

ADVANCES IN FINANCIAL MACHINE LEARNINGCONFERENCIA EN INGLÉS

MARCOS LÓPEZ DE PRADOAdjunct Professor, Financial Machine Learning

16:00 - 16:15 BREAK


16:15 - 18:15



Nabla Solutions

Parte 2



Parte 2


Finance



Parte 2


Security


Ernst& Young

Parte 2



Parte 2



Machine Learning

Parte 2

18:15 - 18:30 BREAK

18:30 - 20:30



Nabla Solutions

(continúa Parte 2)



(continúa Parte 2)


Finance



(continúa Parte 2)


Security


Ernst& Young

(continúa Parte 2)



(continúa Parte 2)



Machine Learning

(continúa Parte 2)

AGENDADÍA 2 Miércoles 6 de Noviembre 2019

14:00 - 14:30 REGISTRO

14:30 - 16:00

CONFERENCE LUNCH

MACHINE LEARNING: APPLICATIONS IN FINANCIAL INSTITUTIONSFERNANDO ESPONDA

Machine Learning ExpertASU Biodesign Institute

16:00 - 16:15 BREAK

20:30 - 20:45 BREAK

20:45 - 22:00

Experts Exchange Discussion

AI, MACHINE LEARNING AND DATA SCIENCE:IMPROVING THE PROFITABILITY IN FINANCIAL INSTITUTIONS

22:00 - 23:30 Sponsored Networking Cocktail

Carlos OchoaFounder & General Partner

Chilango Ventures / AI8 Ventures



Machine Learning

Salvador OrozcoVicepresidente de Área Gartner Hispanoamérica

José Antonio MurilloChief Analytics Officer


CHAIR


16:15 - 18:15



Nabla Solutions

Parte 3



Parte 3


Finance



Parte 3


Security


Ernst& Young

Parte 3



Parte 3



Machine Learning

Parte 3

18:15 - 18:30 BREAK

18:30 - 20:30



Nabla Solutions

(continúa Parte 3)



(continúa Parte 3)


Finance



(continúa Parte 3)


Security


Ernst& Young

(continúa Parte 3)



(continúa Parte 3)



Machine Learning

(continúa Parte 3)

AGENDADÍA 3 Jueves 7 de Noviembre 2019

14:00 - 14:30 REGISTRO

14:30 - 16:00

CONFERENCE LUNCH

DATA ANALYTICS: USES, BENEFITS & TRENDSJOSÉ ANTONIO MURILLO

Chief Analytics Officer Grupo Financiero Banorte

16:00 - 16:15 BREAK

KEYNOTE SPEECH

Marcos López de Prado CONFERENCE LUNCH

Adjunct Professor, Financial Machine Learning

BIO:Acutalmente es Profesor Adjunto, sobre Financial Machine LEarning.

El Dr. Marcos López de Prado fue CEO de True Positive Technologies. Fundó Quantitative Investment Strategies (QIS) de Guggenheim Partners, donde aplicó el Machine Learning de última generación (ML) al desarrollo de estrategias de alta capacidad que ofrecían retornos superiores ajustados al riesgo. Después de administrar hasta $ 13 mil millones en activos, Marcos adquirió QIS y se escindió con éxito de Guggenheim en 2018.

Desde 2010, Marcos ha sido investigador en el Laboratorio Nacional Lawrence Berkeley (Departamento de Energía de los EE. UU., Oficina de Ciencia). Uno de los 10 autores más leídos en materia de finanzas (rankings de SSRN), ha publicado docenas de artículos científicos sobre ML y supercomputación en las principales revistas académicas, y posee múltiples solicitudes internacionales de patentes sobre comercio algorítmico.

Marcos obtuvo un doctorado en Economía Financiera (2003), un segundo doctorado en Finanzas Matemáticas (2011) en la Universidad Complutense de Madrid y recibió el Premio Nacional de Excelencia Académica de España (1999). Completó su investigación postdoctoral en la Universidad de Harvard y la Universidad de Cornell, donde imparte un curso de ML financiero en la Escuela de Ingeniería. Marcos tiene un Erdős # 2 y un Einstein# 4 según la American Mathematical Society.

Miércoles 6 de Noviembre 201914:30

CONFERENCE LUNCH

CONFERENCE LUNCH



José Antonio compar tirá ref lexiones y lecciones aprendidas sobre la construcción de un equipo de anal í tica exitoso en la industria f inanciera. Comentará sobre el rol que tiene la anal í tica en centrar la atención de las organizaciones en el c l iente. Indicará cuales son las grandes tendencias que se observan en la inc ipiente industria de la anal í tica.

MACHINE LEARNING: BENEFICIOS Y RIESGOS

En esta conferencia se hablarán de los cambios tecnológicos que han l levado a la explosión en

popularidad del uso de técnicas de Machine Learning.

Se discutirán que opor tunidades se han abier to con estos cambios, que riesgos conl leva este

nuevo poder y cómo podemos potencial izar esta intel igencia ar ti f ic ia l usando nuestra

intel igencia natural.

DATA ANALYTICS:USES, BENEFITS & TRENDS


Jueves 7 de Noviembre 2019

Miércoles 6 de Noviembre 2019

PANELEXPERTS EXCHANGE DISCUSSION

AI, MACHINE LEARNING AND DATA SCIENCE:IMPROVING THE PROFITABILITY IN FINANCIAL INSTITUTIONS

Carlos OchoaFounder & General PartnerChilango Ventures / AI8 Ventures


Marcos López de PradoAdjunct ProfessorFinancial Machine Learning

Salvador OrozcoVicepresidente de ÁreaGartner Hispanoamérica

José Antonio MurilloChief Analytics OfficerGrupo Financiero Banorte

CHAIR

Miércoles 6 de Noviembre 2019 20:45

Carlos OchoaFounder & General Partner

Chilango Ventures / AI8 Ven-tures


Marcos López de PradoAdjunct Professor

Financial Machine Learning

Salvador OrozcoVicepresidente de ÁreaGartner Hispanoamérica



José Antonio Murillo dirige al equipo de Analítica de Grupo Financiero Banorte. Este equipo identifica oportunida-des y desarrolla ideas que contribuyen a elevar la productividad de la institución y la calidad de los servicios que se ofrecen a los clientes. En los primeros años de operación el equipo de Analítica ha implementado diversos proyectos cuyo impacto en los resultados de Banorte han sido muy relevantes y han propiciado una amplia aceptación de la analítica dentro de la institución. El equipo que dirige ha sido reconocido con el Lafferty Global Award por el impac-to que ha tenido la analítica en la productividad de tarjetas de crédito (2016), a la vez que el caso de éxito que ha representado la analítica en Banorte ha sido referido por Harvard Business Review (2018).

Anteriormente, tuvo una fructífera carrera en el banco central de México, fue asesor del Fondo Monetario Inter-nacional, y catedrático en Rice University, El colegio de México, y el ITAM. Obtuvo un Doctorado en Economía por Rice University y la Licenciatura en Economía por el ITAM (mención especial y premios en economía de la Cámara Nacional de Comercio y Tlacaélel).

Carlos es un inversionista , emprendedor serial en tecnología y frecuente orador en foros de innovación, empren-dimiento y tecnología. General Partner y fundador de AI8Ventures, fondo de inversión en Silicon Valley, enfocado en inteligencia artificial y blockchain además de Chariman de Techie8, el newsletter de tecnología creado con Inte-ligencia Artificial. Previo a su carrera como inversionista, Carlos Co-fundó y sirvió como Vicepresidente Ejecutivo de Sm4rt, un holding que incluía Sm4rt Security Services (Centros de Operación de Ciberseguridad), Sm4rt Predictive Systems (Sistemas de Prevención de Fraudes basados en Inteligencia Artificial) y Sm4rt Game Studios (Empresa de videojuegos). Con Sm4rt, creo una de las firmas de ciberseguridad más reconocidas de la región, misma que fue adquirida por KIO Networks. La empresa de prevención de fraudes ahora es parte de E- Global.

Fernando Esponda es catedrático del Instituto Tecnológico Autónomo de México y Director de la Maestría en Ciencias en Computación.

Recibió su Doctorado en Ciencias de la Computación de la Universidad de Nuevo México y un Post Doctorado de la Universidad de Yale. Tiene más de 17 artículos publicados en las áreas de seguridad de la información y sistemas complejos y su trabajo ha sido reportado en varios medios de alto impacto como en la revistas The Economist y BioMedical Computation.

Fernando ha participado como consejero técnico en temas de aprendizaje de máquina para Sm4rt Predictive Sys-tems, Data Whisperer, Techie8 y Datank y otras startups en Silicon Valley y como consejero de las Naciones Unidas en temas de privacidad . Sus intereses giran alrededor de la intersección entre la biología y la computación.

Acutalmente es Profesor Adjunto, sobre Financial Machine LEarning.El Dr. Marcos López de Prado fue CEO de True Positive Technologies. Fundó Quantitative Investment Strategies (QIS) de Guggenheim Partners, donde aplicó el Machine Learning de última generación (ML) al desarrollo de estra-tegias de alta capacidad que ofrecían retornos superiores ajustados al riesgo. Después de administrar hasta $ 13 mil millones en activos, Marcos adquirió QIS y se escindió con éxito de Guggenheim en 2018.

Desde 2010, Marcos ha sido investigador en el Laboratorio Nacional Lawrence Berkeley (Departamento de Energía de los EE. UU., Oficina de Ciencia). Uno de los 10 autores más leídos en materia de finanzas (rankings de SSRN), ha publicado docenas de artículos científicos sobre ML y supercomputación en las principales revistas académicas, y posee múltiples solicitudes internacionales de patentes sobre comercio algorítmico.Marcos obtuvo un doctorado en Economía Financiera (2003), un segundo doctorado en Finanzas Matemáticas (2011) en la Universidad Complutense de Madrid y recibió el Premio Nacional de Excelencia Académica de España (1999). Completó su investigación postdoctoral en la Universidad de Harvard y la Universidad de Cornell, donde imparte un curso de ML financiero en la Escuela de Ingeniería. Marcos tiene un Erdős # 2 y un Einstein# 4 según la American Mathematical Society.

Actuario por la universidad nacional autónoma de méxico. con más de 24 años de experiencia en la industria de tecnologías de la información, ha reunido vasta experiencia en relaciones de negocios, alianzas, consultoría e inte-gración de sistemas para el mercado empresarial.Fue nombrado director de desarrollo de negocios para las industrias de finanzas y de gobierno en gartner para, en 2011, convertirse en su director general. actualmente es vicepresidente del área de hispanoamérica (latinoamérica, excepto brasil).

Formó parte del consejo editorial de un periódico de circulación nacional y fue consejero tecnológico de uno de los principales institutos de educación superior del país.

WORKSHOPS


Andres es actualmente Director en Nabla Solutions, fue Manager en KPMG, previamente se desempeñó en el área de Riesgo de Crédito en INFONAVIT hasta diciembre de 2013, anterior a este cargo estuvo como Consultor en KPMG en 2006 y Profesor de Tiempo Completo del Programa Doctoral del ITESM de 1994 a 2005.

Andrés es Ph.D. en Ciencias Matemáticas, Rutgers University, New Jersey, 1994 y Licenciado en Matemáticas, Universidad Nacional de Buenos Aires, Argentina, 1985. Cuenta con acreditaciones Internacionales sobre Ad-ministración de Riesgos como FRM, Financial Risk Manager, GARP, 2005 y Certificate in Financial Risk Manage-ment, New York University, 1999.

Andrés FundiaDirectorNabla Solutions

DescripciónEquipar a los participantes con el conjunto de herramientas esenciales para que puedan comenzar a implementar la inteligencia de negocios en sus actividades.

Empresas en distintos estadios de integración de Bases de Datos y Herramientas Analíticas van a poder aprovechar estas herramientas:

•Si están iniciando la incorporación de información digital y bases de datos, van a poder aplicar los modelos analíticos que se basan en fórmulas.

•Si disponen de bases de datos ricas en información, van a poder utilizar los métodos estadísticos que explotan la información disponible.

•Si iniciaron el proceso de incorporación de las herramientas de Big Data, van a poder iniciar la explotación de la información masiva que disponen con los modelos computacionales avanzados.

ObjetivoEste primer curso se concentra en los modelos más utilizados para optimizar la relación con los clientes y las utilidades que se pueden obtener de cada uno.

Los temas a cubrir se presentarán de forma conceptual y práctica con implementaciones efectivas (Excel y ocasionalmente R) de forma tal que no haya restricciones para que se puedan utilizar inmediatamente en las empresas.

Las herramientas estadísticas y computacionales necesarias se cubrirán durante el desarrollo de los temas.Temario

1. Introducción a Business Analytics1.1. Los objetivos y las áreas de Business Analytics1.2. El desarrollo de Marketing Analytics1.3. Relación con Big Data1.4. Tipos y alcance de los modelos

• Segmentación de clientes• Pronósticos de un período, regresión lineal y

logística• Machine Learning• Modelos Analíticos• Modelos Probabilísticos

1.5. Caso: direccionamiento de campañas comerciales

2. El valor de un cliente durante toda su vida (Client Lifetime Value, CLV)

2.1. Aplicaciones2.2. Modelo estándar2.3. Modelo de migración2.4. Modelo Monte Carlo

3. Estimación de parámetros3.1. La tasa de descuento, el costo del capital3.2. La tasa de retención:

• Probabilidades de sobrevivencia discretas, las tablas de mortalidad

• Probabilidades de sobrevivencia continuas, distribución exponencial

• Probabilidades de retención crecientes, la distribución de Weibull

3.3. Ingresos, flujos de efectivo

4. Comprar hasta morir. Los modelos probabilísticos. 4.1. Determinación de clientes activos 4.2. Tiempo discreto (descripción y ejemplo en Excel)4.3. Tiempo continuo (descripción)

5. El valor de los servicios bancarios5.1. Valor de los depósitos5.2. Valor de los créditos5.3. Valor de los fondos de inversión

Modelos que se van a cubrir teóricamente e implementar computacionalmente (Excel y/o R):• Modelo estándar de CLV• Modelo de Migración de CLV• Modelo Monte Carlo para CLV• Modelo probabilístico de tiempo discreto


Fernando Esponda es catedrático del Instituto Tecnológico Autónomo de México y Director de la Maestría en Ciencias en Computación.

Recibió su Doctorado en Ciencias de la Computación de la Universidad de Nuevo México y un Post Doctorado de la Universidad de Yale. Tiene más de 17 artículos publicados en las áreas de seguridad de la información y sistemas complejos y su trabajo ha sido reportado en varios medios de alto impacto como en la revistas The Economist y BioMedical Computation.


Descripción

Se enfatizará la metodología adecuada para la generación de modelos predictivos y se realizarán múltiples ejercicios para ilustrar los conceptos y dejar en los asistentes las herramientas necesarias para comenzar la exploración de esta disciplina.

ObjetivoEn este workshop se dará una explicación algorítmica de las técnicas más populares del aprendizaje de máquina y su utilización para el análisis de datos.

Temario

1. Introducción a programación con Python

2. Introducción al aprendizaje de máquina

3. Metodología de modelaje

• Generación

• Estimación de hyperparámetros

• Evaluación

4. Técnicas de aprendizaje supervisado

• Bayes

• Regresion lineal y logística

• Redes neuronales (cortas y profundas

• Máquinas de Soporte Vectorial

• Árboles de decision y árboles aleatorios

5. Aprendizaje no supervisado

• Métodos de partición

• Métodos jerárquicos

• Métodos de densidad

Fernando ha participado como consejero técnico en temas de aprendizaje de máquina para Sm4rt Predictive Systems, Data Whisperer, Techie8 y Datank y otras startups en Silicon Valley y como consejero de las Naciones Unidas en temas de privacidad . Sus intereses giran alrededor de la intersección entre la biología y la computación.

Artificial Intelligence & Machine Learning in Finance

Gerardo Carrera Mendoza recibió el grado de Ingeniero en Computación y el grado de Maestro en Ciencias e Ingeniería de la Computación con mención honorífica, ambos por la Universidad Nacional Autónoma de México, en 2004 y 2007, respectivamente.

Recibió el grado de Doctor en Filosofía (PhD) en Ciencias de la Computación (Aprendizaje de máquina y visión por computadora) en enero de 2012, por la Universidad de Imperial College, Reino Unido. En 2012, el Dr. Carrera trabajó como Subdirector de Metodologías de Riesgo en la Comisión Nacional Bancaria y de Valores. Posterior-mente, De 2012 a 2014 fue Director de Desarrollo de Software en la Secretaría de Gobernación. De 2014 a 2015 trabajó en el Instituto Federal de Telecomunicaciones, primero como Director de Estadística y después como

Gerardo Carrera MendozaDirector de AnalíticaGrupo Financiero Banorte

DescripciónLa inteligencia artificial y el aprendizaje de máquina (Machine Learning) son dos pilares que están revolucionando la manera en que se obtienen patrones de interés que mejoran la toma de decisiones.

En finanzas, la gran cantidad de datos existentes y la diversidad de procesos y aplicaciones hacen que el machine learning sea una área muy fértil para el desarrollo de modelos.

ObjetivoEl curso se enfoca en aprender aspectos teóricos del aprendizaje de máquina aplicados en distintos temas de finanzas, utilizando el lenguaje de programación python.

Los temas cubrirán aspectos importantes del aprendizaje supervisado y no supervisado.

Temario

1. Introducción.- Examinaremos nuevas tendencias y técnicas de modelos de aprendizaje de máquina que ayudan a elevar el desempeño de instituciones financiera con un enfoque centrado al cliente.

2. Antecedentes de Python. Una introducción al lenguaje de programación python, estructuras de datos y herramientas que comúnmente se utilizan para el desarrollo de programas para machine learning: librerías, graficación, lectura y escritura de archivos, tensor flow.

a. Antecedentes de Python y ambientes de desarrollo.

b. Fundamentos de Python.

i. Tipos de datos

ii. Numpy

iii. Pandas

iv. Construccion de graficas

c. Lectura y escritura de archivos CSV.

d. Scikit-learn

e. Tensor Flow y Keras(Deep Learning)

3. Machine Learning. Se emplean los conocimientos de la unidad anterior para desarrollar modelos de aprendizaje supervisado y no supervisado en temas específicos de finanzas.

a. Introducción al aprendizaje de máquina(Machine Learning)

i. Aprendizaje Supervisado

ii. Aprendizaje no supervisado

iii. Tratamiento de datos

iv. Evaluación de modelos

b. Aprendizaje no supervisado

i. k-medias

ii. DBSCAN

c. Aprendizaje supervisado

i. Árboles de decisión y Bosques Aleatorios(Random Forest)

ii. Regresión Logística

iii. Redes Neuronales

iv. Deep Learning

Director de Análisis Técnico. De 2015 a 2017 emprendió distintos proyectos con enfoque analítico en las áreas de medicina y turismo.Desde julio de 2015 hasta mayo de 2018, el Dr. Carrera fue Profesor de Cátedra en el Instituto Tecnológico de Estudios Superiores de Monterrey (ITESM) impartiendo diversas materias como visión por computadora, teoría de autómatas y aprendizaje de máquina. Actualmente el Dr. Carrera trabaja como Director de Analítica en el Grupo Financiero Banorte y sus intereses son todos los relacionados a la ciencia de datos. Cuenta con diversos artículos en la materia y una patente.

Overview of Machine Learning applied to Cyber Security

Gustavo Santana Torrellas es Executive Director en la firma Ernst & Young México y labora en ésta firma desde Febrero 2017. Es responsable por el desarrollo de soluciones de innovación en clientes de banca comercial y banca de desarrollo, así como soluciones de Cyberseguridad y Riesgo Tecnológico.

Gustavo Santana ha participado en proyectos de Estrategia de TI, Desarrollo de modelos y soluciones de Admi-nistración de Riesgos de Información y Riesgo Tecnológico con énfasis en cumplimiento de estándares.

Gustavo SantanaDirector EjecutivoErnst & Young

Descripción

Este workshop está enfocado a conocer, analizar y ver la utilización de sistemas de Cyber Security para la protección de datos y de información a travéz del Machine Learning.

Temario

1. What is Machine Learning?

2. Learning system model - Training and testing

3. Algorithms & Machine Learning structure

4. What are we seeking?

5. Learning techniques

6. Cyber Security 101

7. 5 Cyber Security threats that machine learning can protect

against

8. Applications

9. Conclusion

Cuenta con amplia experiencia en la administración de proyectos de Innovación e Integración Tecnológica para la Administración de Seguridad en Redes de Telecomunicaciones, particularmente en el análisis y diseño de Esquemas de Seguridad, especificaciones metodológicas y prácticas para la implementación de Esquemas de Seguridad, Políticas y Mecanismos.

Gustavo Santana, fue Director de la práctica de Consultoría Sector Financiero de PwC (2012-2017); también desarrolló actividades de consultoría tec-nológica en Accenture, (2008 – 2012), trabajó como Investigador Senior en el Instituto Mexicano del Petróleo, dedicándose al desarrollo de modelos de optimización de la perforación de pozos petroleros (2002 – 2008), fue coordinador de proyectos de investigación y desarrollo de sistemas del INAP (1999-2002), fue coordinador de la unidad de aprendizaje y educación a distancia del IPN (1997-1999) y, anteriormente, fue coordinador de programa de postgrado de Ingeniería de Telecomunicaciones del Instituto Politécnico Nacional (ESIME-Zacatenco IPN - 1996-1997). Es profesor invitado en insti-tuciones como el Tecnológico de Monterrey (ITESM), Instituto Tecnológico Autónomo de México (ITAM), entre otras.

Data Science AggregationFrom Data Science to Artificial Intelligence and their impact in financial services

Marshall Alphonso es ingeniero senior en aplicaciones en MathWorks, se especializa en el área de finanzas cuan-titativas. Tiene más de 7 años de experiencia en capacitar clientes en más de 250 compañías, incluyendo los más importantes hedge funds, bancos y otras instituciones financieras. Anteriormente, fue asesor del Director de Riesgos en McKinsey & Co. Investment Office, era responsable de diseñar e implementar el marco de liquidez del fondo, el marco de pruebas de estrés y una gran cantidad de herramientas cuantitativas en MATLAB de riesgos e inversiones, permitiendo la evaluación de exposiciones para riesgo y asignación. Tiene el título de Licenciado en Ingeniería Eléctrica y Matemáticas de la Universidad Purdue y cuenta con la Maestría de Ingeniería Eléctrica de la Universidad de George Mason.

Marshall AlphonsoML & DS EXPERTMathworks

Descripción

Workshop de dos días completos en el cual se cubrirá toda la curva desde el Big Data y como su implementación Data Analytics, Data Management, Algorithms Machine Learning y Artificial Intelligence, optimizan las áreas de negocio de los corporativos y del setor financiero.

SEDE:Hotel Hilton Santa Fe

Antonio Dovalí Jaime #70, Zedec Sta Fé, C.P. 01219,

Ciudad de México

Sesiones

5, 6 y 7 de Noviembre 2019HorariosFull Day

Costo$30,000.00 + I.V.A.

(treinta mil pesos) más I.V.A.

Pregunta por nuestros Sponsor Opportunities y Media Partnerships

Opciones de pago• Residentes e instituciones establecidas en México

Transferencia o depósito bancario

Nombre: RiskMathics Financial Innovation, S.C.

Banco: BBVA Bancomer, S.A.

CLABE: 012180001649665030

Cuenta: 0164966503

• Residentes e instituciones establecidas en el extranjero

Transferencia bancaria en dólares

Banco: BBVA Bancomer, S.A.

Sucursal: 0956

SWIFT: BCMRMXMM

Nombre: RiskMathics Financial Innovation, S.C.

Cuenta: 012180001649665629

• Pago vía telefónicaTarjeta de crédito VISA, MASTERCARD o AMERICAN EXPRESS

• Pago en líneawww.riskmathics.com

NOTA IMPORTANTE: No hay reembolsos, ni devoluciones.

Registro e Inscripciones

teléfonos: (+52) 55 5536 4325 y (+52) 55 5669 4729

Email: [email protected]

KEY POINTS - Amazon S3 · Learning, FinTech, InsurTech y Data Analytics y Artificial Intelligence...

Documents

Transcript of KEY POINTS - Amazon S3 · Learning, FinTech, InsurTech y Data Analytics y Artificial Intelligence...