Curso de Especialización
Formación online con sesiones sincrónicas
Domina el análisis de datos y transforma información en decisiones financieras estratégicas con Python
En el entorno actual, donde los datos se han convertido en el activo más valioso para la toma de decisiones, las organizaciones financieras, bancarias y económicas demandan profesionales capaces de analizar, interpretar y visualizar información de manera eficiente y rigurosa. Python se ha consolidado como la herramienta líder para el análisis de datos, permitiendo transformar grandes volúmenes de información en conocimiento accionable.
El curso Análisis y Visualización de Datos Económico-Financieros con Python ha sido diseñado para llevar a los participantes al siguiente nivel, permitiéndoles aplicar Python en el procesamiento, análisis y visualización de datos reales del entorno financiero y económico. A partir de una base sólida en programación, el curso introduce herramientas especializadas como NumPy, Pandas y librerías de visualización, fundamentales en el trabajo profesional orientado a datos.
A lo largo del programa, los participantes aprenderán a estructurar, limpiar y transformar datos, realizar análisis exploratorio, identificar patrones y relaciones relevantes, y construir visualizaciones claras y efectivas para la toma de decisiones. Cada sesión combina fundamentos conceptuales con aplicaciones prácticas, permitiendo trabajar con datasets reales y desarrollar criterios analíticos aplicados a contextos financieros.
Durante el curso, se abordarán temas clave como manipulación de datos con DataFrames, integración de múltiples fuentes de información, análisis estadístico básico, visualización de tendencias, análisis de series de tiempo y construcción de reportes analíticos. Estas competencias permitirán a los participantes mejorar la calidad de sus análisis, optimizar procesos y generar valor a partir de los datos en sus organizaciones.
Este curso está dirigido a profesionales de finanzas, economía, banca, riesgos, auditoría, análisis de datos y áreas afines, así como a ejecutivos que participan en la toma de decisiones basada en información cuantitativa. Es especialmente relevante para quienes buscan evolucionar desde un enfoque operativo hacia un enfoque analítico, incorporando herramientas modernas de data analytics en su trabajo diario.
Impulsa tu capacidad analítica y convierte los datos en decisiones estratégicas con Python.
Obtén el folleto

CONTENIDO DEL CURSO
Sesión 1: Introducción al análisis de datos con Python en finanzas
Concepto de análisis de datos; rol del data analysis en banca y economía; introducción a librerías especializadas; estructura de trabajo en proyectos de datos; revisión de datasets financieros.
Sesión 2: Introducción a NumPy para cálculo numérico
Arreglos (arrays); operaciones vectorizadas; eficiencia computacional; operaciones matemáticas aplicadas a series financieras; comparación con estructuras básicas de Python.
Sesión 3: Introducción a Pandas y estructuras de datos
Series y DataFrames; creación de estructuras; indexación; selección de datos; manipulación básica; aplicación en datos económicos.
Sesión 4: Limpieza y transformación de datos
Tratamiento de valores nulos; filtrado de datos; transformación de variables; normalización; preparación de datasets financieros.
Sesión 5: Manipulación avanzada de datos con Pandas
Agrupaciones (groupby); agregaciones; merges y joins; manejo de múltiples datasets; integración de información financiera.
Sesión 6: Análisis exploratorio de datos (EDA)
Estadísticas descriptivas; análisis de distribuciones; correlaciones; identificación de patrones en datos económicos.
Sesión 7: Visualización de datos con Matplotlib
Gráficos básicos; personalización; visualización de tendencias financieras; series de tiempo.
Sesión 8: Visualización avanzada con Seaborn
Gráficos estadísticos; mapas de calor; análisis de correlación; visualización para toma de decisiones.
Sesión 9: Series de tiempo en finanzas
Concepto de series de tiempo; tendencias; estacionalidad; análisis de datos financieros históricos.
Sesión 10: Lectura de datos desde fuentes externas
Archivos CSV, Excel; conexión a APIs básicas; integración de fuentes de datos; automatización de carga de información.
Sesión 11: Desarrollo de dashboard simple
Integración de análisis y visualización; construcción de reportes; storytelling con datos; interpretación financiera.
Sesión 12: Proyecto aplicado y evaluación
Desarrollo de análisis completo; integración de datos; visualización; presentación de resultados; evaluación técnica.

INICIO
jueves 3 de septiembre del 2026
DURACION
21 horas académicas
martes y jueves de 7pm a 10pm
Quantitative Solutions For Smart Decisions
(c) STRATEGIC RISK MANAGEMENT 2026