00
DAYS
00
HOURS
00
MINS
00
SECS
Son 62 horas lectivas:
32 horas académicas sincrónicas / 30 horas asincrónicas
El docente entregará el material de capacitación en PDF, las clases son grabadas para su estudio y aprendizaje.
Inicio: del 25 de marzo al 30 de abril
Horario: lunes - martes y miércoles: 7:00 pm - 10:00 pm / sábado: 9:30 am - 12:30 pm
Docente: Mg. Luis Felipe Garayar Burneo
Modalidad: Virtual, en vivo
DESCRIPCIÓN DEL CURSO
- El curso desarrolla los principales conceptos, métodos y técnicas de la programación aplicada al análisis de información económica, financiera y social.
- A través del uso de Python en Google Colab, el participante dominará la manipulación de datos con Pandas, la visualización de modelos micro y macroeconómicos, y la estimación de regresiones lineales y series de tiempo.
- El programa emplea una metodología práctica con bases de datos reales, orientada a fortalecer la toma de decisiones y la gestión de datos en el entorno profesional actual.
BENEFICIO DEL CURSO
- El participante accederá a un aprendizaje teórico–práctico diseñado para fortalecer competencias en programación, análisis estadístico y modelamiento econométrico con Python.
- Estos conocimientos son aplicables en áreas de finanzas, consultoría y gestión pública, permitiendo optimizar procesos de análisis de datos masivos y mejorar la precisión en la toma de decisiones.
- Al finalizar, el alumno potenciará su valor profesional, adaptándose con éxito a las exigencias tecnológicas del mercado laboral actual.
OBJETIVO DEL CURSO
- Desarrollar en el alumno las capacidades necesarias para procesar y analizar información económica mediante el lenguaje Python, con el fin de ejecutar modelos econométricos y financieros de manera eficiente.
- Al finalizar, el participante podrá transformar datos reales en soluciones analíticas precisas, facilitando la toma de decisiones estratégicas en diversos entornos profesionales y académicos del sector.
PÚBLICO OBJETIVO
- El curso está dirigido a estudiantes, egresados y profesionales de economía, finanzas y carreras afines interesados en la ciencia de datos.
- Busca atender la necesidad de modernizar el análisis tradicional mediante herramientas de programación, permitiendo al participante aplicar modelos econométricos y financieros avanzados en la gestión de información real dentro del entorno corporativo o académico.
Estructura del Curso
🔹 MÓDULO 1: INDUCCIÓN
🔹 MÓDULO 2: Fundamentos de Python y Entorno de Trabajo
🔹 MÓDULO 3: Operaciones Matemáticas y Programación Aplicada
🔹 MÓDULO 4: Microeconomía Aplicada con Python
🔹 MÓDULO 5: Macroeconomía Computacional
🔹 MÓDULO 6: Economía Financiera con Python
🔹 MÓDULO 7: Estadística y Regresión Lineal
🔹 MÓDULO 8: Econometría de Series de Tiempo
🔹 MÓDULO 9: Econometría Social y Proyecto Final
Si tienes consultas has click en el botón WhatsApp y nuestro equipo se contactará contigo
📞 991 730 865
CUENTA CORRIENTE BCP
N°193-9621984-0-55
CCI N°002-193-00962198405518
Cuenta Corriente BCP a nombre del COLEGIO DE ECONOMISTAS DE LIMA
Una vez realizado el pago enviar foto o transferencia (nítida)
al correo: contacto@cel.org.pe
Whatsapp: 📞 992 936 302 / 📞 986 280 157 /📞 991 730 865
DOCENTE
Mg. Luis Felipe Garayar Burneo
- 1. Formación académica: Ingeniero Estadístico por la Universidad Nacional de Ingeniería, ocupando el segundo puesto de su promoción. Bachiller en Ingeniería de Sistemas por la Universidad Nacional Mayor de San Marcos. Magíster en Inteligencia Artificial por la Universidad Internacional de La Rioja. Actualmente cursa el MBA en la Universidad del Pacífico y cuenta con estudios de Maestría en Estadística Aplicada por la Universidad Nacional Agraria La Molina (tesis por sustentar). 2. Especialización y áreas de interés: Especialista en Ciencia de Datos, Inteligencia Artificial y Analítica Avanzada aplicada al sector financiero. Sus principales líneas de especialización incluyen: Modelos de Credit Scoring y Gestión de Riesgo Segmentación comercial y clusterización de clientes Pricing y modelos de propensión Machine Learning y Deep Learning Analítica para banca minorista, banca Pyme y seguros Transformación data driven y estrategia analítica 3. Experiencia profesional: Cuenta con más de 15 años de experiencia en el sector bancario y financiero, liderando el desarrollo de modelos estadísticos y soluciones de analítica avanzada para la optimización del desempeño del negocio. Ha desempeñado funciones en instituciones como: Banco de Crédito BCP BBVA Banco Continental Banco Interamericano de Finanzas Banco Financiero del Perú Interbank Ha liderado proyectos de segmentación de canales Banca Pyme, pricing de tipo de cambio, análisis de fuga de clientes, modelos de attrition, gestión comercial y seguros, logrando mejoras sustanciales en indicadores clave del negocio. Asimismo, ha implementado metodologías Agile y dirigido equipos de Data Science. En el ámbito académico, se desempeña como docente universitario en la Universidad San Ignacio de Loyola (USIL) y en la Universidad ESAN, donde dicta cursos y seminarios especializados en Ciencia de Datos, Credit Scoring y Analítica Aplicada al sector financiero. Además, es Director Académico en FUTURA Data & Analítica Avanzada. 4. Competencias y conocimientos: Lenguajes y herramientas: Python, R, SQL Server, Oracle (PL/SQL), Spark, Databricks Software estadístico: IBM SPSS, SAS Miner, Eviews Business Intelligence: Power BI, Excel Avanzado, Power Query, Power Pivot, DAX Big Data y procesamiento distribuido Modelamiento predictivo, scoring y series de tiempo Metodologías Agile y liderazgo de equipos analíticos Visualización de datos y comunicación gerencial 5. Cargo y funciones actuales: Actualmente se desempeña como Chapter Leader Data Scientist en el COE Advanced Analytics del Banco de Crédito BCP, liderando proyectos estratégicos de consultoría analítica para el BCP y empresas del grupo Credicorp (MiBanco y Pacífico Seguros). Desarrolla iniciativas de segmentación, pricing, modelos predictivos y optimización comercial, impulsando la consolidación de una cultura organizacional basada en datos, así como la formación, mentoría y desarrollo de equipos de ciencia de datos.