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.

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

Módulo 0. Introducción a la programación (10 horas).

Módulo 1. Introducción a sistemas y programación (70 horas).

1.1. Visión General de la Inteligencia Artificial.

1.2. Programación en R.

1.3. Ecosistema de Programación.

1.4. Programación en Phyton.

 Módulo 2. Diseño de algoritmos de inversión (85 horas).

2.1. Curva cupón cero y bonos.

2.2. Obtención de datos.

2.3. Renta variable.

2.4. Homogeneización y desmanipulación de datos.

2.5. Mercado de divisas y derivados de divisa.

2.6. Análisis de rendimiento.

2.7. Futuros sobre índices y acciones.

2.8. Generación de recomendaciones.

2.9. Opciones de renta variable.

2.10. Backtesting avanzado.

2.11. Volatilidad.

2.12. Sustitución del core de un algoritmo.

2.13. Gestión de sensibilidades y estrategias.

2.14. Algoritmos de inversión con IA.

2.15. Algoritmos evolutivos.

2.16. Algoritmos de mejor ejecución.

 Módulo 3. Infraestructura Cloud para Big data (60 horas).

3.1. Entorno IA Google.

3.2. Entorno IA Amazon.

3.3. Entorno IA Microsoft Azure.

 Módulo 4. Aprendizaje mediante Deep Learning (175 horas).

4.1. Machine Learning.

4.2. Redes neuronales. 

4.3. Tensorflow y Keras.

4.4. Mejora de modelos. Optimización de Hiperparámetros.

4.5. Redes Convolucionales. Reconocimiento de imágenes.

4.6. Redes Recurrentes. LSTM. Predicción de series temporales.

4.7. Procesamiento del lenguaje natural con redes recurrentes.

4.8. Modelos generativos profundos.

4.9. Modelos gráficos probabilísticos.

4.10. Aprendizaje por refuerzo.

4.11. Redes generativas adversariales.

4.12. Aprendizaje por transferencia.

4.13. Resnet 51/101.

 Módulo 5. Blockchain (20 horas).

5.1. Blockchain, Bitcoin & Ethereum.

5.2. Programación en Solidity para Ethereum.

 Módulo 6. Infraestructura Cloud para Deep Learning (20 horas).

6.1. Entorno IA Google.

6.2. Entorno IA Amazon.

6.3. Entorno IA Microsoft Azure.

6.4. Servicios Cognitivos.

 Módulo 7. Técnicas de visualización y defensa de los trabajos de fin de máster (25 horas).

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. Departamento de Innovación en BME, MFIA.

Ponentes:

Emilio Soria Olivas, Catedrático de la Universidad de Valencia, Director Académico MBIT School.

Guillermo Meléndez Alonso, Departamento de Innovación en BME, MFIA.

Jose Antonio Esteban, CTO Codere, Profesor MBIT School.

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

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

Enrique Castellanos Hernán, Profesor Titular de Instituto BME.

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

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

Tomás de la Rosa Turbides, Doctor en Ciencia y Tecnología por la Universidad Carlos III de Madrid y miembro del proyecto SofIA en BME Inntech.

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

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

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

Joan Vila Francés, Investigador en la Universidad de Valencia, Profesor MBIT School.

Jorge del Val Santos, Researcher in BEEVA (BBVA).

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

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

Gonzalo Navarro Ruiz, Asesor Legal en BME, Doctorado en Derecho.