El curso está pensado para analistas y programadores del sector financiero que en el desempeño de sus funciones tengan que buscar soluciones no triviales a problemas que por lo general involucran la selección de la “mejor alternativa”. 

El curso también es válido para financieros que con conocimientos de programación quieran conocer herramientas y librerías que le ayudarán en la resolución de problemas cotidianos, en donde las hojas de cálculo terminan perdiendo flexibilidad.

El curso tiene un enfoque principalmente práctico con el objetivo que los asistentes puedan:

• Reconocer la técnica adecuada para optimizar el problema de su interés
• Ser capaces de modelar e implementar problemas de optimización combinatoria en Python
• Resolver los problemas modelados utilizando librerías existentes.

Introducción a la optimización combinatoria

Programación Lineal

• Modelado de problemas con restricciones
• Técnicas de resolución
• Librería CVXPY
• Ejemplos con identificación de arbitraje

Programación Cuadrática

• Modelado de problemas. Alternativas y transformaciones
• Técnicas de resolución
• Ejemplos con optimización de carteras 

Programación Entera Mixta

• Introducción a la programación entera
• Modelado de condiciones lógicas
• Algoritmos y técnicas de resolución
• Programación de restricciones globales
• Ejemplos con estrategias, fondos índice y sintéticos

Búsqueda Heurística

• Modelado de espacio de estado
• Búsqueda no informada
• Búsqueda heurística
• Ejemplo con rebalanceo de carteras

Búsqueda Local Estocástica

• Modelado de espacio de soluciones
• Algoritmos de búsqueda local estocástica
• Ejemplos con optimización de parámetros

 Otros Temas:

• Búsqueda con adversario
• Escalado y paralelización de algoritmos de búsqueda
• Otras librerías de optimización

El curso tiene una duración de 18 horas. Se imparte en sesiones de 3 horas donde el profesor expondrá los conocimientos teóricos necesarios y luego presentará los casos prácticos indicando los pasos para el modelado de cada problema y como se pueden implementar en scripts o notebooks de Python. 

Por esta razón se recomienda que los asistentes tengan conocimientos de programación, y que preferiblemente estén familiarizados con el lenguaje de programación Python.

También se presentarán y discutirán ejercicios no resueltos para que el alumno pueda desarrollar sus habilidades con la práctica de diferentes problemas.

Al finalizar el curso, se entregará un certificado de asistencia a aquellos alumnos que acudan a más del 75% de las sesiones

Tomás de la Rosa Turbides

Doctor en Ciencia y Tecnología Informática por la Universidad Carlos III de Madrid.  Más de 10 años de experiencia como investigador y profesor en diferentes campos de la Inteligencia Artificial. 

Experto en machine learning aplicado a la planificación automática con más de 15 publicaciones científicas en diferentes congresos y revistas internacionales.  Actualmente es miembro del proyecto SofIA en el Innovation Labs de BME Inntech.