Graduados en Ingeniería o Ciencias Económicas, Administración y Dirección de Empresas, Estadística, Física o Matemáticas, que trabajen en:

 Departamentos de empresas financieras relacionados con la gestión de inversiones.

• Gestores de fondos.
• Departamentos financieros.
• Responsables de control y gestión de riesgo y de auditoría.
• Fintech y startups orientadas a los mercados financieros.

El principal objetivo es dotar al mercado de profesionales del más alto nivel en Inteligencia Artificial, capaces de desarrollar nuevos modelos de gestión de inversiones, y con profundos conocimientos de los distintos tipos de mercados y productos.

El Máster mIA-X:

• Profundizará en las distintas ramas de inteligencia artificial, desde modelos tradicionales como redes neuronales delgadas, hasta redes neuronales profundas, aprendizaje por refuerzo o modelos adversariales. Utilizando un enfoque totalmente práctico y orientado al diseño de algoritmos de inversión.

  Proporcionará herramientas y conocimientos prácticos, permitiendo aplicar constantemente las técnicas más avanzadas de la programación distribuida en nube, aplicándola al diseño de algoritmos de inversión.
• Permitirá a los alumnos afrontar cualquier desafío futuro relacionado con el nuevo entorno económico en el que se desarrollan los Mercados Financieros.
• Dará acceso a los alumnos a los exámenes de licencia de operador de SIBE (renta variable) y MEFF (derivados).

Para ver el programa completo, por favor consultar el folleto.

Si se realiza un pago único se aplicará un 10% de descuento.

Las inscripciones realizadas por empresas obtendrán un 15% de descuento en la segunda inscripción y un 20% a partir de la tercera y siguientes.

La evaluación de los conocimientos adquiridos se realizará de la siguiente manera:

• Un 70% de la nota final se evaluará con la entrega de diversas prácticas realizadas individualmente, por parejas o en grupos de tres, si bien la nota de los trabajos por pareja será penalizada en un 5% y la de los grupos de tres en un 10%.
• El 30% restante se evaluará con el trabajo de fin de máster consistente en el diseño y desarrollo de un algoritmo de inversión. Este trabajo podrá realizarse individualmente o en equipo con las mismas condiciones que las prácticas anteriores. Se debe aprobar el trabajo fin de máster para poder realizar la media con las prácticas.

RECOMENDACIONES

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.

Guillermo Meléndez Alonso. Director Académico del Máster. Laboratorio de Inteligencia Artificial en BME Inntech, MFIA.

Ponentes:

Mykola Harvart, Artificial Intelligence Scientist en la Universidad de Valencia y en Fresenius Medical Care, Profesor MBIT School.

Guillermo Meléndez Alonso, Responsable del laboratorio de Inteligencia Artificial en BME Inntech, MFIA

Jose Antonio Esteban, CTO Codere, Profesor MBIT School.

Jorge del Val Santos, Researcher in BEEVA (BBVA)

Luis Fernando Lago Fernández, Profesor en la Universidad Autónoma de Madrid, Profesor MBIT School

Francisco Javier González Gosálbez, President & CEO en Cartagon, Profesor MBIT School.

Francisco Merlos Fernández, Pre and Post Sales Consulting Deputy Director en BME Inntech.

Valero Laparra Pérez, Investigador en la Universidad de Valencia, Profesor MBIT School.

Antonio Serrano López, Investigador en la Universidad de Valencia, Profesor MBIT School.

Jesús Ruiz Martínez, CTO en Alastria Blockchain Ecosystem Blockchain e Industria 4.0 en Banco Santander, Dpto. de tecnologías emergentes.

Gonzalo Navarro Ruiz, Asesor Legal en BME.

Franco Dante Albareti, Data Scientist & Software Developer en BME Inntech.

Jaime Requejo Tovar, CTO en IBM Watson, sistemas cognitivos, con más de 20 años de experiencia.

Fernando de la Calle Silos, Quantitative Researcher en BME Inntech.

Alberto Oteo García, Matemático y Quantitative Researcher miembro del proyecto SofIA en BME Inntech.

Enrique Castellanos Hernán, Director de Instituto BME.

Emilio Gamarra Mompeán, Supervisor de operaciones y Product manager de derivados de tipos de interés y divisas en BME Clearing.

Tomás de la Rosa Turbides, Miembro del proyecto SofIA en BME Inntech.