Gestionar el riesgo financiero hoy implica mucho más que aplicar modelos o mirar indicadores: requiere integrar criterio financiero, datos y herramientas cuantitativas para entender escenarios, anticipar impactos y tomar decisiones con mayor solidez. En un contexto donde la información es abundante pero no siempre bien utilizada, el verdadero diferencial está en saber cómo interpretarla y convertirla en decisiones que tengan sentido en la realidad del mercado.
La Diplomatura en Análisis Cuantitativo y Machine Learning Aplicado al Riesgo Financiero propone justamente ese salto: una formación aplicada que articula finanzas y ciencia de datos, trabajando con información real y modelos concretos para abordar problemas de riesgo. A lo largo del programa, vas a desarrollar la capacidad de analizar, modelar y traducir datos en decisiones, incorporando una metodología replicable que te permita mejorar la calidad de tu trabajo profesional, independientemente de tu punto de partida.
Desarrollá una mirada cuantitativa para entender, modelar y anticipar el riesgo financiero.
Esta diplomatura está pensada para profesionales que trabajan, o quieren trabajar, en la intersección entre datos, finanzas y toma de decisiones, y que sienten que hoy necesitan algo más que herramientas aisladas para analizar escenarios, evaluar riesgos y fundamentar sus decisiones.
Está dirigida tanto a profesionales de finanzas que buscan elevar la calidad y solidez de sus decisiones, como a perfiles de data que ven en el riesgo financiero una oportunidad concreta de especialización y crecimiento profesional.
No importa si tu punto de partida son las finanzas o el mundo de los datos: el programa está diseñado para ayudarte a integrar ambos lenguajes y usarlos de forma aplicada en contextos reales.
Actuario y Dr. en Ciencias Económicas (UBA). Especialista en gestión de riesgos, modelado financiero y machine learning aplicado a finanzas. Director y docente de posgrado, con amplia experiencia en banca, mercados de capitales y desarrollo de modelos cuantitativos para la toma de decisiones estratégicas.
Magíster y Licenciada en Estadística, especializada en análisis de datos e investigación. Experiencia en interpretación de información para la toma de decisiones estratégicas. Directora ejecutiva de la Maestría en Ciencia de Datos Regional Rosario de Universidad Austral.
Ingeniero Industrial y MSc. en Data Science. Analista Senior de Planeamiento de Negocios en Pampa Energía y profesor de Análisis de Series Temporales en la Universidad Austral, con experiencia en Deep Learning y modelado de datos para decisiones financieras.
Prof. en la Universidad Austral, especializado en Machine Learning y análisis de datos aplicados a riesgos financieros. Amplia experiencia en desarrollo de algoritmos, optimización numérica y plataformas de software en la nube, combinando conocimiento técnico, analítico y de negocio para modelado predictivo y toma de decisiones basadas en datos.
Licenciado en Estadística (UNR), mejor promedio de su cohorte, y maestrando en Ciencia de Datos (Universidad Austral). Docente universitario y analista de datos, con experiencia en inferencia estadística e investigación aplicada sobre adopción tecnológica en el agro argentino.
Data Scientist y Magíster en Estadística Aplicada, con más de 15 años de experiencia en modelado estadístico, series temporales y forecasting. Docente de posgrado y consultor, especializado en análisis cuantitativo aplicado a negocios y toma de decisiones en organizaciones públicas y privadas.
Especialista en gestión económica y financiera de riesgos, con más de 20 años de experiencia en supervisión y control de entidades financieras. Se desempeña como formador y docente de posgrado, aportando una mirada regulatoria y aplicada sobre la gestión integral del riesgo en el sistema financiero.
Ingeniero Industrial, Magíster en Finanzas y en Estadística Aplicada, con foco en análisis de datos y modelización financiera. Especialista en finanzas cuantitativas y trading algorítmico, con experiencia en diseño de modelos y automatización en mercados locales e internacionales.
Actuario y analista de datos, con amplia experiencia en análisis de riesgo, modelización estadística y desarrollo de indicadores para la toma de decisiones financieras. Profesor universitario en series temporales y métodos predictivos aplicados a finanzas, con trayectoria en banca, seguros y ciencia de datos.
Ing. industrial y Dr. en Investigación Operativa, especializado en optimización, simulación y aprendizaje automático aplicados a problemas complejos de negocio e industria. Amplia trayectoria en consultoría internacional y docencia de posgrado en cs. de datos, investigación operativa e inteligencia artificial.
La Universidad Austral es la #1 de Argentina
de Gestión Privada
Contactanos
