Lo que nadie te dijo antes de tu primer modelo financiero con ML
Si ya intentaste aplicar machine learning en finanzas y no funcionó, probablemente cometiste alguno de estos errores poco obvios que la mayoría ignora.
Leer experiencia
Experiencias reales
Casos de aprendizaje aplicado
Participantes de distintas industrias comparten qué cambiaron en su forma de analizar datos financieros después de trabajar con modelos de machine learning reales.
Variables que sí funcionan en modelos de ML para análisis financiero
Después de fallar con modelos basados en precios históricos, muchos analistas descubren que las variables más predictivas no son las más obvias.
Leer experiencia
Overfitting en datos financieros: por qué es más difícil de detectar de lo que pensás
El sobreajuste en series de tiempo financieras no siempre se ve en las métricas de validación. Así es como se manifiesta y cómo identificarlo antes de que sea tarde.
Leer experiencia
Cuándo una regresión logística le gana a una red neuronal en análisis financiero
Elegir el modelo más complejo no siempre es la mejor decisión. En finanzas, la interpretabilidad y la estabilidad temporal pesan más de lo que se suele reconocer.
Leer experiencia
Qué se aprende en la práctica
Modelos que se prueban con datos reales
Cada webinar de kyzelo incluye ejercicios donde los participantes ejecutan modelos predictivos sobre conjuntos de datos financieros históricos. No se trata de ver diapositivas con fórmulas: se trabaja con Python, pandas y scikit-learn en tiempo real, con un experto guiando cada paso.
Los errores que aparecen durante la sesión —datos faltantes, sobreajuste, métricas que no coinciden con lo esperado— son parte del proceso. Esa fricción es donde ocurre el aprendizaje más duradero.
+380
participantes formados desde 2018 en análisis cuantitativo
14
países distintos con acceso activo a los programas en vivo
6
módulos prácticos con datasets financieros reales por edición
92%
de participantes completaron al menos un modelo funcional durante el programa
Lo que dicen quienes participaron
Perspectivas después de aplicar lo aprendido
Estas son opiniones de personas que completaron el programa y volvieron a sus contextos laborales con herramientas concretas. Los resultados varían según el punto de partida de cada uno.
"Antes de este programa usaba Excel para todo. Después de las sesiones de kyzelo, empecé a usar regresión logística para clasificar clientes por riesgo crediticio. No fue magia: tardé semanas en adaptarlo a mis datos, pero el modelo funciona y lo entiendo."
Valentina Orueta
Analista de crédito, Buenos Aires
"Lo que más me sorprendió fue ver cuánto cambia la interpretación de un modelo cuando entendés qué está midiendo realmente. En el webinar trabajamos con series de tiempo de activos de renta fija y los errores que cometí en vivo me enseñaron más que cualquier tutorial grabado."
Ezequiel Taborda
Trader independiente, Córdoba
¿Querés ver cómo trabajan los modelos en vivo?
El próximo webinar abierto incluye una sesión práctica con datos reales de mercado. Podés asistir sin experiencia previa en programación: el ritmo está pensado para quienes vienen del análisis financiero tradicional.
Ver próximas sesiones