Octubre 2017 – Junio 2018*

MÁSTER ENDATA SCIENCE Y BIG DATA EN FINANZAS (MDSF)EDICIÓN III

(*) Julio 2017 Pre-Campus obligatorio de acceso al Máster en Data Science & Big Data en Finanzas para candidatos que no cuentan con conocimientos en programación.

Afi ESCUELA DE FINANZAS

Después de 23 años, Afi Escuela de Finanzas ha conseguido mantenerse como una escuela de referencia en el ámbito de la economía y las finanzas. El éxito de nuestra trayectoria se centra en 5 pilares fundamentales: innovación en nuestros programas, contar con los mejores profesores, seleccionar los mejores alumnos, colaborar con los mejores clientes, y el uso de una metodología que incorpora las últimas tecnologías.

La innovación en nuestros programas es continua. Tratamos de adelantarnos a cualquier cambio que se produzca en el sector financiero, en el ámbito de la economía y las finanzas, cambios regulatorios, innovaciones en el mercado,... La tecnología ha irrumpido en todos los sectores modificando las formas de aprender, de hacer negocios y de relacionarnos. La Escuela, sensible a esta revolución, ha apostado por abrir una nueva línea de conocimiento, Data Science y Big Data, sobre la que se han desarrollado varios postgrados y cursos de especialización.

Contamos con un cuadro de profesores integrado por profesionales de reconocido prestigio que aúnan una doble condición: rigor académico y conocimiento práctico aplicado. Este sello diferenciador confiere a nuestros programas su elevado nivel técnico.

Los alumnos que cursan programas de postgrado en nuestra Escuela han sido seleccionados de entre los mejores candidatos a nivel internacional, teniendo en cuenta sus conocimientos previos y sus capacidades para desarrollar una carrera de éxito en un ambiente de cambio constante.

Otro hecho distintivo de nuestra Escuela es la calidad de los clientes con los que trabajamos. El prestigio de las instituciones con las que colabora la Escuela y de sus departamentos de recursos humanos y formación, garantizan que las acciones que desarrollamos in company cumplan siempre con las expectativas fijadas.

Y el último pilar, pero no por ello menos importante, es la apuesta que Afi Escuela de Finanzas viene haciendo desde hace años por la utilización de las últimas tecnologías al servicio de la formación. Este ha sido un aspecto clave del cambio a las nuevas instalaciones, donde las aulas incorporan tecnología para que cualquier alumno, desde cualquier parte del mundo, pueda seguir nuestros cursos.

Desde Afi Escuela de Finanzas estamos convencidos de que el conocimiento es el mejor motor de crecimiento personal y regional, y además el mejor puente para el entendimiento. Por ello cada día, es un nuevo reto y una nueva oportunidad.

Gracias por compartirlo con nosotros.

“Information is the oil of the 21st century, and analytics is the combustion engine”

Peter SondergaardSVP Head of Research, Gartner Inc

“Data Scientist: The Sexiest Job of the 21st Century”

Thomas H. DavenportMIT Center for Digital Business Babson College

“Los bancos del futuro serán no solo bancos, sino grandes compañías de información”

Francisco GonzálezBBVA

MÁSTER ENDATA SCIENCE Y BIG DATA EN FINANZAS (MDSF)

¿POR QUÉ UN MÁSTER EN DATA SCIENCEY BIG DATA EN FINANZAS?

• La información disponible en el mundo crece de forma exponencial. Más del 90% de los datos existentes en la actualidad se han creado en los dos últimos años

• El procesamiento de toda esta información disponible será clave para que las entidades financieras y aseguradoras españolas y globales puedan competir entre sí y con los nuevos entrantes en el negocio financiero (Google, Amazon, Apple)

• Además, el uso de Big Data puede ayudar a las entidades financieras a crear nuevos productos o servicios dentro y fuera de su negocio

• El 62% de las compañías financieras creen que el Big Data tiene un potencial muy importante a la hora de crear ventajas competitivas

• Los principales analistas (McKinsey, Gartner) prevén una enorme demanda de perfiles de data scientist en los próximos años

• El sector financiero y las áreas financieras de todas las grandes empresas serán muy demandantes de perfiles que conjuguen conocimiento de técnicas de análisis de datos con conocimientos financieros

• Muy pocas instituciones internacionales ofrecen un programa con un mix de conocimiento en data science, big data y finanzas como el ofrecido por Afi. En España, ninguna

• Las compañías están buscando profesionales especializados que sean capaces de aplicar técnicas analíticas a problemas específicos del negocio, para ofrecer soluciones innovadoras que generen valor y determinen la estrategia del negocio para los próximos años, ayudando a abordar la toma de decisiones traduciendo los datos en información útil

• Data Science es la base de todo. Tratar de utilizar el poder del Big Data sin las técnicas de Data Science es como tratar de aprovecharse del poder de Internet sin un motor de búsqueda

FORMATO IDIOMA EXPERIENCIA DURACIÓNPresencial Español 0 - 4 años 10 meses

¿A QUIÉN VA DIRIGIDO?

MÁSTER EN DATA SCIENCE Y BIG DATA EN FINANZAS (MDSF)

El Máster en Data Science y Big Data en Finanzas está enfocado a aquellas personas que quieran desarrollar o fortalecer las capacidades técnicas y analíticas necesarias para una carrera de éxito en Analítica de Negocio o Big Data dentro del sector financiero.Por tanto, está dirigido a titulados universitarios con una sólida formación matemático-estadística, y fundamentos tecnológicos adecuados.

Está dirigido, igualmente, a profesionales en áreas como Tecnología, Negocio o departamentos cuantitativos o analíticos que necesitan conocer las técnicas y métodos del Data Science para tomar mejores decisiones de negocio, tener una visión más global de la organización o crear innovación en entidades financieras.

Pero también a aquellas personas que, teniendo partede esas capacidades analíticas, deseen fortalecer sus capacidades técnicas y financieras para poder desarrollar una carrera en la industria del Big Data.

Como herramienta de trabajo, cada alumno contará conun ordenador portátil con el software computacional,estadístico y financiero necesario para el seguimientodel programa. Estos portátiles estarán conectados en redpara las sesiones lectivas y se dispondrá de conexión coninternet para la obtención de datos reales actualizados.

EDAD MEDIA 24 AÑOS

ESTÁ INDICADO PARA

GRADOS EN MATEMÁTICAS, FÍSICA,

ESTADÍSTICA Y/O ECONOMÍA

GRADOS EN INGENIERÍA (INFORMÁTICA,

INDUSTRIALES, TELEMÁTICA, TELECOMUNICACIONES,...)

GRADOS EN FINANZAS, BANCA Y SEGUROS

ESTADÍSTICAS ÚLTIMAS PROMOCIONES

Módulo 1

FUNDAMENTOS

• Fundamentos del negocio financiero.- Introducción al Sistema Financiero.- Mercados e instrumentos financieros.- Fundamentos de negocio bancario y asegurador.- Medidas de rentabilidad y riesgo.

• Herramientas tradicionales de procesamiento de datos.- Excel.- Bases de datos relacionales (DML-SQL y DDL-SQL).- Bases de datos multidimensionales (MDX).

• Programación para Data Science y Big Data.- Programación en R.

* Fundamentos.* Estructuras de datos en R.* Tratamiento de datos: importación (readr), manipulación (dplyr,

data.table), limpieza (tidyr, reshape2).- Programación en Python.

* Fundamentos.* Arrays y cálculo matricial (numpy).* Tratamiento de datos (pandas).

- Programación en Java.* Conceptos básicos de Programación Orientada a Objetos.* Fundamentos de Java.* Clases y objetos.* Control de errores.

• Introducción a la inferencia estadística.- Estadística descriptiva.- Distribuciones y simulación.- Intervalos de confianza y contrastes de hipótesis.- El Modelo de Regresión Lineal.

* Entrenamiento, predicción y validación.* Introducción a la metodología de Data Science.* Técnicas de remuestreo: el bootstrap y validación cruzada.

- Preprocesado de la información.• Fundamentos matemáticos de Data Science.

- Análisis Multivariante.* Análisis exploratorio de datos multivariantes.* Distribuciones multivariantes e inferencia estadística.* Reducción de dimensiones: Análisis de Componentes

Principales y Análisis Factorial.- Optimización.

* Programación lineal.* Programación entera.* Programación no lineal, estocástica y con restricciones.* Algoritmos de optimización en el ámbito de Big Data.

PROGRAMAMÁSTER EN

DATA SCIENCE Y BIG DATA

EN FINANZAS (MDSF)

El programa docente del Máster en Data Science y Big Data en Finanzas de 600 horas lectivas, se impartirá entre los meses de octubre y junio, de lunes a viernes, en régimen de tarde desde las 17:00 a las 21:00 horas en Afi Escuela de Finanzas (c/ Marqués de Villamejor, 5 Madrid).

Módulo 2

TECNOLOGÍA BIG DATA

• Introducción a Hadoop.- Qué es Apache Hadoop. Distribuciones (Cloudera, Hortonworks, MapR).

- Por qué Hadoop.- El sistema de ficheros distribuido de Hadoop (HDFS).

• Procesamiento de datos con MapReduce.- Flujo de datos en MapReduce.- Drivers, mappers, reducers.- Tests unitarios.- Hadoop Streaming.- El API de MapReduce.

• El ecosistema Hadoop.- Importación de datos con Sqoop y Flume.- Procesamiento MapReduce con Hive. Consultas con Impala.- Análisis y procesamiento de datos con Pig.

• Procesamiento de datos con Spark.- Por qué Spark.- Programación Paralela con Spark.- Desarrollo de aplicaciones con Spark.- Spark Streaming.- Machine learning con Spark: la librería MLLib.

• Bases de datos NoSQL.- Modelos no relacionales y datos no estructurados.- Bases de datos clave-valor: Redis.- Bases de datos orientadas a columnas: Cassandra, HBase.- Bases de datos orientadas a documentos: MongoDB.- Bases de datos orientadas a grafos: Neo4J.

Módulo 3

HERRAMIENTAS Y TÉCNICAS DE ANÁLISIS DE DATOS

• Obtención y visualización de información.- Open Data.

* Fuentes de datos oficiales.* Web scraping.* Explotación de APIs.

- Visualización estática.* Gráficos estáticos en R (ggplot2).* Gráficos estáticos en Python (matplotlib, seaborn).

- Visualización dinámica.* Introducción al desarrollo web (HTML, CSS, Javascript).* Desarrollo de gráficos dinámicos “ad-hoc”: la librería D3.js.* Herramientas de visualización dinámica: Plotly, Tableau,

Carto....• Análisis de datos con dependencia temporal.

- Modelización de series temporales.* Series estacionarias - Modelos ARMA y ARIMA.* Suavizado exponencial.* Regresión dinámica.

- Análisis de datos de panel.• Machine learning.

- Feature engineering.- Aprendizaje supervisado.

* Modelos lineales generalizados.* Regresión avanzada (PLS, Ridge, Lasso).* El algoritmo de vecinos próximos (kNN).* Support Vector Machines.* Redes Neuronales.* Redes profundas (Deep Learning).* Árboles de decisión.* Random Forest.

- Aprendizaje no supervisado.* Clustering jerárquico y no jerárquico.

MÁSTER EN DATA SCIENCE Y BIG DATA EN FINANZAS (MDSF)

MASTER CLASSES

• The Cognitive Skills of a Data Scientist in Banking. Mesa redonda• Big data analytics data science. ¿Qué y para qué?• Aspectos legales y regulatorios• Nuevos modelos de negocio basados en Big Data• Innovación y transformación del sector de Servicios Financieros• Curva de innovación. “The four steps to the epiphany”. Caso• Cloud computing. Soluciones en la nube, ventajas e

inconvenientes. Caso• Fuentes de información financiera abiertas y públicas• Mapa del ecosistema de proveedores y soluciones• Ventas y clima• Marketing Digital• Soluciones tecnológicas empresariales para Big Data y Data

Science:- IBM- Mathworks - Microsoft - Microstrategy - Oracle - SAP- SAS

Módulo 4

APLICACIONES

• Análisis de datos no estructurados.- Text mining.

* Qué es text mining.* Clasificación y agrupación de textos.* Análisis de sentimiento.* Herramientas de text mining: NLTK, MeaningCloud....

- Web Mining.* Qué es web mining.* Aplicaciones.* Herramientas de extracción de datos de la web.

• Análisis de redes.- Datos “enlazados”.- Fundamentos de Teoría de Grafos.- Análisis de redes.

* Medidas de centralidad.* Heterogeneidad.* Clustering.* Small-worldness.* Asortatividad.* Algoritmos de detección de comunidades.

- Modelos estadísticos de redes.- Procesos en redes: Homofilia, contagio social, formación de links....

- Herramientas de análisis y visualización de grafos: igraph, gephi.- Análisis de redes sociales.

* Detección de opinión.* Identificación de influencia.* Marketing social y geomarketing.* Redes en finanzas.

• Aplicaciones de Data Science en servicios financieros.- Credit Scoring

* Estándar metodológico de credit scoring en banca* Modelos de Stress Test sobre carteras de créditos* Modelos avanzados de credit scoring

- Detección de fraude* Identificación de reglas y anomalías* Detección en tiempo real en medios de pago (transacciones

con tarjetas)- Customer and Marketing Analytics

* Digital Marketing & A/B testing* LTV analysis & customer value segmentation* Uselling, crosselling y sistemas de recomendación* Churn y sendas de Abandono* Next Best Action (optimización de acciones)

• Aplicaciones de Data Science en el sector asegurador.- Fraude

* Identificación de reglas y anomalías* Fraude organizado y detección/análisis de redes

- Pricing* Estándar metodológico de pricing en seguros * Modelos avanzados de pricing

- Customer and Marketing Analytics* Modelos de impago * Digital Marketing & A/B testing* LTV analysis & customer value segmentation* Uselling, crosselling y sistemas de recomendación* Churn y sendas de Abandono* Next Best Action (optimización de acciones)

La estructura y contenido del programa son orientativos y podrán variar de acuerdo con la dinámica de mercado, ponentes y consideraciones de la Dirección Académica.

El alumno del Master en Data Science y Big Data en Finanzas deberá reunir los siguientes conocimientos técnicos sobre lenguajes de programación previa a la realización del programa:

• Experiencia previa en programación, preferentemente en R o Python, o algún otro lenguaje.

• Habilidad en el manejo de datos (Excel y SQL)

• Buena base de conocimientos en matemática y estadística

En caso de que el alumno no disponga de dicha formación, desde Afi Escuela de Finanzas ponemos a su disposición el Pre-Campus de Data donde se formará sobre las siguientes temáticas:

• Introducción a la programación en Python

• Introducción a la programación en R

• SQL

PROGRAMA

El programa del Pre-Campus de Data consta de los siguientes contenidos:

• Introducción a la programación en Python

• Introducción a la programación en R

• SQL

La formación del Pre-Campus de Data equivale a las 3 primeras semanas del Master pero los contenidos se abordan de forma mucho más detallada, orientados a formar de forma fácil y cómoda a aquellos alumnos que no tengan dichos conocimientos.

Por ese motivo, los estudiantes del Pre-Campus estarán exentos de realizar las primeras sesiones del Masters que corresponden a los bloques: Introducción a R, Python y SQL.

FECHAS

• Mes de Julio: del día 10 al 27 de Julio

• Mes de Septiembre: del día 11 al 28 de Septiembre

• Mes de Octubre: del día 2 al 23 de octubre

Las clases se impartirán de lunes a jueves, en horario de 5 a 9 pm.

La duración de los contenidos será:

• Introducción a la programación en Python: 4 semanas

• Introducción a la programación en R: 3 semanas

• SQL: 2 semanas

OBJETIVO

Formar y facilitar los conocimientos de programación a aquellos alumnos que carezcan de ello.

El Pre-Campus en Data está principalmente orientado a los alumnos que reúnan el siguiente perfil:

• Título Universitario en las siguientes disciplinas o similares: Economía, ADE, Finanzas, Actuariales, Arquitectura

• Acreditación en el expediente académico del buen rendimiento en las asignaturas de Matemáticas y Estadística

• Alto interés y motivación por el Master y por aprender a programar, demostrable en la Entrevista Académica durante el Proceso de Admisión del programa.

• Disponibilidad a la realización del Pre-Campus como parte del programa.

METODOLOGÍA

• Formato presencial.

• La Escuela suministrará ordenadores portátiles.

• Al finalizar cada módulo los estudiantes deberán entregar una práctica o realizar un examen.

• Para la obtención del título del Master en Data Science y Big Data en Finanzas, los alumnos deberán aprobar tanto el Pre-Campus de Data como el resto del programa.

FORMA DE PAGO

El Pre-Campus de Data no representa un coste adicional al importe de la matrícula del Master.

Para los alumnos que realicen el Pre-Campus de Data, el pago de las mensualidades comenzarán en el mes de Julio. De esta forma, contarán con 10 mensualidades para

realizar el pago del importe restante de su matrícula (julio a abril).

MÁSTER ENDATA SCIENCE Y BIG DATA EN

FINANZAS (MDSF)PRE-CAMPUS

Julio a Octubre 2017

6.PRÁCTICAS

PROFESIONALES GARANTIZADAS

5.BECAS

Afi Escuela de Finanzas tiene convenios de becas que cubren el total o parte de la matrícula del programa.

Consulta nuestra web www.afiescueladefinanzas.es para conocer las condiciones.

Los alumnos que lo deseen podrán adquirir experiencia profesional realizando prácticas profesionales en las diferentes

entidades con las que nuestra Escuela tiene convenios de colaboración.

2.ACCESO A LOS PRINCIPALES

EJECUTIVOS ENFINANZAS

4.PRÁCTICO

1.CUADRO

DOCENTE

3.ACCESO A LOS PRINCIPALESFABRICANTES

Integrado por profesionales de Afi Analistas Financieros Internacionales y otros expertos del máximo prestigio que

trabajan en el día a día del ámbito económico y financiero.

Representantes de las principales empresas de tecnologías de Big Data y Analytics forman parte del equipo docente del Máster y estarán en contacto en el alumnado a lo largo de

todo el programa.

El programa de Master Classes brinda a los alumnos la posibilidad de entrar en contacto con los principales ejecutivos relacionados con las áreas de data analytics y data science en los más importantes bancos y aseguradoras de nuestro país.

Orientación eminentemente práctica de la docencia impartida por consultores de Afi y otros expertos en data analytics y data science, en permanente contacto con las necesidades actuales

de la industria de Big Data en servicios financieros.

LAS 10 RAZONESPOR LAS QUE DEBES ELEGIR NUESTRO MÁSTER

10.MADRID, CENTRO

FINANCIERO

8.OPEN ALUMNI

9.SOFT

SKILLS

7.NETWORKING

Sesiones específicas de habilidades sociales para mejorar la comunicación, el lenguaje, el liderazgo, la capacidad de atención y de escucha, la capacidad de reflexión y argumentación, etc. con el objetivo de lograr un mejor

desarrollo profesional para el alumno.

Oportunidad de formar parte de una productiva y prestigiosa red de profesionales integrada por profesores, antiguos

alumnos y entidades colaboradoras que reportarán excelentes beneficios en el desempeño profesional del

alumnado.

La ubicación de nuestra Escuela, en el corazón financiero de Madrid, ofrece una estupenda oportunidad para tener acceso directo a las principales empresas e instituciones del sector financiero y no financiero, a grandes consultoras, banca de

inversión, etc.

A lo largo del programa se realizan diversos seminarios de especialización, conferencias, jornadas, etc. cuyo objetivo es facilitar a los alumnos el acceso a conocimientos especializados, experiencias e

iniciativas novedosas presentadas de la mano de expertos profesionales líderes en sus respectivos campos de actuación.

¿QUÉ VOY A APRENDER EN ESTE MÁSTER?

A diario, muchas entidades utilizan Data Analytics y Big Data para tratar de dar respuesta a muchas preguntas relacionadas con su negocio:

• ¿Estamos vendiendo a los clientes correctos?

• ¿Qué riesgo asumo con cada uno de mis clientes?

• ¿Cómo se conectan y relacionan mis clientes en redes sociales?

• ¿Qué implicaciones tienen estas redes para mi negocio?

• ¿Cuál es el mejor precio para mi producto?

• ¿Qué clientes son los buenos? ¿Quiénes están defraudando?

• ¿En qué afecta el clima a mis ventas? ¿Cómo puedo integrar el geomarketing en mis campañas?

• ¿Cómo reaccionarán mis clientes a mis decisiones de negocio?

• ¿Qué nuevos productos van a querer comprar mis clientes?

• ¿Qué opinión tienen de mi empresa en Social Media mis clientes? ¿Y de mi competencia? ¿Cómo afecta eso a mi modelo de precios?

• ¿Cómo puedo medir las probabilidades de que un cliente tenga un siniestro?

• ¿Cómo puedo ayudar a mis clientes a evitar riesgos?

• ¿Cómo puedo disminuir el riesgo operativo de mi entidad utilizando mejores algoritmos?

Al final del programa, todos los alumnos habrán desarrollado las capacidades necesarias para tratar de dar respuesta a estas y a otras preguntas, a través del aprendizaje adquirido durante el curso:

• Conociendo los fundamentos y detalles de las técnicas analíticas tradicionales y más modernas existentes actualmente (modelos predictivos, machine learning, reconocimiento de patrones, web y text mining, redes sociales, …)

• Empleando las técnicas y herramientas necesarias para el tratamiento Big Data:

- Volumen: Hadoop, HDFS...

- Variedad: web scrapping, social APIs, análisis de textos…

- Velocidad: procesamiento de streams (Spark), mapreduce, etc

• Estudiando el funcionamiento de las entidades financieras, tanto con el resto del sistema financiero como internamente y con sus clientes

• Aprendiendo de un equipo docente que incluye a todos los actores del ecosistema de Big Data y Analytics:

- Expertos en entidades financieras (grandes bancos y aseguradoras)

- Expertos académicos e investigadores

- Expertos en consultoría y prestación de servicios

- Fabricantes y proveedores de soluciones

TALLER DE IMPULSO A LA EMPLEABILIDAD Y HABILIDADESTalleres basados en ejercicios y dinámicas en grupo que tienen como objetivo:

1.METODOLOGÍA Y HERRAMIENTASPARA LA BÚSQUEDA DE EMPLEO

Proporcionar la metodología y herramientas necesarias a utilizar para la búsqueda de empleo, utilizando recursos prácticos para facilitar el aprendizaje. Preparar entrevistas, posibles pruebas y dinámicas de grupo

para conseguir el puesto de trabajo deseado

2.AUTOCONOCIMIENTO

Facilitar el auto-conocimiento al alumno como paso previo para poder definir su acceso al mercado:“Quién es y qué quiere profesionalmente”

3.

AUTOGESTIÓN Y LIDERAZGO DE UNA CARRERA PROFESIONALConcienciar a los alumnos en la autogestión y liderazgo de su carrera profesional sensibilizándolos

sobre las actitudes y creencias para ello

4.

ACCIONES MÁS EFECTIVAS EN LA BÚSQUEDA DE UN NUEVO PROYECTO PROFESIONAL

Conocer las acciones y medios más efectivos en la búsqueda de un nuevo proyecto profesional para lograr una diferenciación en el mercado. Saber “moverse” entre contactos

5.CONTROL DE EMOCIONES Y ACTITUDES

Sensibilizar a los alumnos sobre la importancia de los aspectos emocionales y actitudinalesen un proceso de búsqueda de proyecto profesional

MÁSTER ENDATA SCIENCE Y BIG DATA

EN FINANZAS (MDSF)ACTIVIDADES ADICIONALES

PROGRAMA DE BECAS

Afi Escuela de Finanzas tiene convenios de becas que cubren el total o parte de la matrícula del programa. Si estás interesado, consúltanos a

través de afiescueladefinanzas@afi.es.

BOLSA DE TRABAJO

El mercado es la mejor referencia a la hora de medir la calidad de este programa. Una calidad que viene avalada por el 100% de inserción laboral en las últimas

promociones del resto de nuestros Másters. La efectividad de la bolsa de trabajo se refleja en la diversidad y relevancia de las empresas e instituciones en las que trabajan o han trabajado nuestros alumnos, quienes se dirigen a Afi Escuela de Finanzas para buscar el perfil de los alumnos

que cursan sus másteres a través de sus ofertas de empleo.

MÁSTER EN DATA SCIENCE Y BIG DATA EN FINANZAS (MDSF)

PRÁCTICAS PROFESIONALES

Los alumnos que lo deseen podrán adquirir experiencia profesional realizando prácticas en las diferentes entidades con las que nuestra Escuela tiene convenios

de colaboración, entidades financieras y no financieras de gran prestigio.

MÁSTER EN DATA SCIENCE Y BIG DATA EN FINANZAS (MDSF)

DIRECCIÓN

Borja Foncillas GarcíaSocio Área de Desarrollo,Analistas Financieros InternacionalesIngeniero Informático por UAMPDG - IESE Business School

EQUIPO COORDINADOR

Pilar BarriosSocia Área de Finanzas Cuantitativas,Analistas Financieros InternacionalesMFC por Afi Escuela de FinanzasDoctora en CC Matemáticas por la UC3MCoordinadora Área de Data Analytics

Ángel BergésSocio y Vicepresidente,Analistas Financieros InternacionalesCatedrático de Economía Financiera en la UAMPh. D. Management por Purdue UniversityCoordinador del Área de Sistema Financiero

Juan Carlos IbáñezBusiness Intelligence and Decision Science Director,Director Académico Data Science, Afi Escuela de FinanzasPhD in Applied Statistics from Lancaster University, UK

Esteban MoroDoctor en CC Físicas por la UC3MProfesor Titular Departamento de Matemáticas, UC3MCoordinador Área de Big Data y Redes Sociales

Miguel Ángel CorellaConsultor Senior Área de Analytics,Analistas Financieros InternacionalesIngeniero en Informática por la UAM

José Manuel Rodríguez Madrid Consultor Senior Área de Analytics,Analistas Financieros InternacionalesIngeniero en Informática por la UAM

EQUIPO DOCENTE

Fernando Agudo TarancónBig Data Architect,Pragsis-BidoopDiplomado en Informática por la Universidad de AlicanteProfesor certificado por Cloudera

Cecilia ÁlvarezEuropean Data Protection Officer Lead,PfizerLaw Degree and PhD in Business Administration,CEU San Pablo University

Alfonso ArellanoEconomista Senior,BBVA ResearchProfesor Titular Interino a Tiempo Parcial, Fundamentos del Análisis Económico I, UCMDoctor en Economía, UC3M

Pablo AumenteConsultor Sénior, Área de Seguros,Analistas Financieros InternacionalesMáster en Gestión Internacional de Empresas, CECOMáster en Dirección Aseguradora Profesional, ICEA

Álvaro BarberoChief Data Scientist,Instituto de Ingeniería del Conocimiento (IIC)PhD in Computer Science por la UAM

Ángel Berges LoberaVicepresidente, Analistas Financieros InternacionalesCatedrático de Economía Financiera de la UAM Ph. D. en Management por Purdue University

Carlos Egea KrauelPresidente, Caja de MurciaCatedrático de Organización de Empresas de la Escuela Universitaria de Estudios Empresariales de Murcia

Ana Isabel Fernández ÁlvarezCatedrática de Economía Financiera,Universidad de Oviedo

José Luis Fernández PérezSocio Director de Consultoría,Analistas Financieros InternacionalesCatedrático de Análisis Matemático en la UAM

Xavier Freixas i DargalloDecano de la Escuela de Licenciaturas de Economía y Administración de Empresas Profesor de la Universitat Pompeu Fabra Investigador en el CEPR

José Luis García DelgadoCatedrático de Economía Aplicada de la UCMEx-Rector de la Universidad Internacional Menéndez Pelayo

José Manuel González PáramoProfesor visitante del departamento de economía del IESEUniversidad de Navarra

Enrique Goñi BeltránDirector General, Participaciones Industriales Criteria Caixa Holding

CONSEJO ACADÉMICO

Mónica Guardado RodríguezSocio - Director General,Afi Escuela de Finanzas

Mauro GuillénProfesor de International Business and Sociology, Wharton School of Management de la Universidad de PennsylvaniaDoctor en Economía por la Universidad de OviedoPh.D en Sociology por la Yale University

José Antonio Herce San MiguelSocio Economía Aplicada,Analistas Financieros InternacionalesDoctor en Economía por la UCMMaster of Arts en Economía por la Universidad de Essex (Reino Unido)

Roberto Knop MuszynskiDirector de Riesgos,SAREB

Gonzalo Rubio IrigoyenCatedrático de Economía y Finanzas Departamento de Economía y Empresa. Universidad CEU Cardenal HerreraCatedrático de Economía Aplicada de la UCM

Emilio Ontiveros BaezaSocio Presidente,Analistas Financieros InternacionalesCatedrático de Economía de la Empresa de la UAM

Álvaro Rodríguez BereijoCatedrático de Derecho Financiero de la UAMEx-Presidente del Tribunal Constitucional

Ángel Berges LoberaSocio y Vicepresidente,Analistas Financieros InternacionalesCatedrático Economía Financiera de la UAMPh. D. Management por Purdue University

David Cano MartínezSocio Director General,Afinet Global EAFIMFC por Afi Escuela de Finanzas

José Ramón DorronsoroCatedrático de Ciencias de la Computación e Inteligencia Artificial,Escuela Politécnica Superior de la UAMPhD in Mathematics por Washington University in St. Louis

David Gómez-Ullate OteizaProfesor Titular,Universidad Complutense de MadridDoctor en Física por UCM

Antonio Martín CarreraDirector de Administración,Estudios de ICEA y TI de ICEA

Javier NogalesProfesor Titular,Departamento de Estadística, UC3MPhD in Mathematics por UC3M

Paula PappSocia del área de Servicios FinancierosAnalistas Financieros InternacionalesMáster en Economía y Finanzas por CEMFI

Esther Picó SanchísConsultora Senior del Área de Desarrollo TecnológicoAnalistas Financieros InternacionalesIngeniera Superior en Informática por UCM

Wolfram Rozas RodriguezBusiness Development Executive de Big Data,IBM

Carlos RuizProfesor Visitante,Departamento de Estadística, UC3MPhD in Electrical EngineeringUniversidad de Castilla-La Mancha

Esteban Sánchez PajaresSocio Director General del área de Servicios FinancierosAnalistas Financieros InternacionalesDoctor en Economía Financiera: Banca y Bolsa por UAM

Pablo Suárez GarcíaInvestigador,Instituto de Ciencias Matemáticas (ICMAT)Doctor en CC Empresariales, URJC

Vicente SalasConsejero y Miembro de la Comisión Ejecutiva,Banco de EspañaCatedrático de Economía de la Empresa Universidad de ZaragozaPremio Jaime I de Economía

Ignacio Santillana del BarrioPresidente,Grupo Santillana Ediciones, S.L.Profesor Titular de Análisis Económico de la UAM

Javier SantisoProfesor de Economía. ESADE Business SchoolMaster del Institut d’Etudes Politiques de París (Sciences Po)Ph.D. Sciences Po y Oxford University

Juan Soto SerranoPresidente de Honor,Hewlett PackardDoctor Ingeniero de Telecomunicación por la UPM

Francisco José ValeroSocio, Analistas Financieros InternacionalesCatedrático de Economía Financiera y Contabilidad de la UAM

Alfonso García MoraLead Housing Finance Specialist Finance and Private Sector Development, The World Bank

Rafaél Myro SánchezCatedrático Economía Aplicada de la UCM

COLABORADORES TECNOLÓGICOS

De forma complementaria, los colaboradores tecnológicos ayudarán al alumno a entrar en contacto con sus principales soluciones profesionales, así como su visión y enfoque de proyectos de implementación de modelos y herramientas

basadas en business analytics y Big Data

AFI ALUMNI

Tras 23 años de actividad, Afi Escuela de Finanzas ha formado a una amplia comunidad de profesionales en el ámbito económico-financiero. Afi Alumni es una iniciativa lanzada con el objetivo de aprovechar la enorme potencialidad del colectivo de estos antiguos alumnos, teniendo como misión:• Contribuir al desarrollo profesional de sus miembros mediante actividades de

formación y orientación profesional, acceso a informes y documentos de trabajo elaborados por el Grupo Afi y envío periódico de revistas especializadas del Grupo.

• Facilitar y promover las relaciones profesionales y sociales entre los antiguos alumnos.

• Mantener y fomentar las relaciones de los antiguos alumnos con Afi Escuela de Finanzas y el Grupo Afi, creando una red de conocimiento en temas económico-financieros.

Afi Alumni nace con la vocación de ser un foro de encuentro vivo entre la comunidad de antiguos alumnos y el mundo financiero y empresarial.

REQUISITOS DE ADMISIÓN

1. DOCUMENTACIÓN A ENTREGAR• Fotocopia del DNI (en el caso de los ciudadanos españoles) o del

pasaporte o NIE (en el caso de los ciudadanos extranjeros)• Fotocopia del Título académico (si dispone de él)• Certificación de notas original o fotocopia compulsada• Currículum vitae• Carta de motivación (*)• 2 cartas de referencia apoyando la solicitud

Envío de la documentación a través de nuestra web www.afiescueladefinanzas.es o por correo electrónico afiescueladefinanzas@afi.es

2. PRUEBAS DE ADMISIÓN • Test de evaluación de conocimientos tecnológicos y

matematico-estadísticos.• Test de nivel de inglés. Sustituible por las certificaciones oficiales de

inglés Toefl, Cambridge o similar (copia del certificado)• Entrevista personal con la Dirección Académica

3. TOMA DE DECISIÓN SOBRE LA ADMISIÓN DEL CANDIDATO POR EL COMITÉ ACADÉMICO

(*) Especificar las razones por las que desea realizar este Máster y sus expectativas profesionales de futuro

APLICACIÓN AL MÁSTER,PLAZOS DE ADMISIÓN

RONDA 1 (OPCIÓN A BECA)Fecha límite de entrega de documentación:31 de marzoToma de decisión sobre la admisión del candidato15 de abril

RONDA 2 (OPCIÓN A BECA)Fecha límite de entrega de documentación:31 de mayoToma de decisión sobre la admisión del candidato15 de junio

RONDA 3 (NO OPCIÓN A BECA)Fecha límite de entrega de documentación: 15 de septiembre

CRITERIOS DE EVALUACIÓN

La evaluación es continua. A la finalización de cada uno de los módulos del programa el alumno deberá resolver un examen o unos casos prácticos sobre la materia impartida. Como culminación del Máster, cada alumno deberá preparar un proyecto de fin de curso, que consistirá en el análisis de algún problema financiero o de negocio relevante, en el que pueda emplear los conocimientos y técnicas aprendidos durante el curso. Los tipos de proyecto que se propondrán son:• Resolución de un problema real en una entidad financiera, con

la tutela de un experto en data science dentro de la misma.• Big Data startup seeding. Destinado a aquellos alumnos que

deseen realizar un piloto de una idea de negocio relacionado con el ámbito de la economía y las finanzas.

• Competición. El alumno podrá formar un equipo para participar de forma conjunta en competiciones abiertas (Kaggle) o limitadas (patrocinadas por entidades patrocinadoras del máster) de data science.

• Creación de soluciones, orientadas a creación o mejora de servicios relacionados con la industria financiera.

La superación de los exámenes y la realización del trabajo de fin de curso serán requisito indispensable para la obtención del título.

1.ENTREGA DEDOCUMENTACIÓN

2.TEST DECONOCIMIENTOS

3.TEST NIVEL DEINGLÉS

4.ENTREVISTA DIR.ACADÉMICA

5.REUNIÓN COMITÉACADÉMICO

6.ADMISIÓN

PROCESO DE SELECCIÓN

MÁSTER EN DATA SCIENCE Y BIG DATA EN FINANZAS (MDSF)

Edición 2015-16“Una vez que decidí orientar mi vida profesional hacia el data science, era el momento de buscar el lugar apropiado para adquirir los conocimientos necesarios para ello. La orientación eminentemente práctica y la calidad y el prestigio del equipo docente del Máster en Data Science y Big Data en Finanzas de Afi Escuela de Finanzas marcó la diferencia a la hora de tomar mi decisión. Y ahora sé que no me equivoqué. Además del curso, gracias al programa de becas del máster, he podido trabajar en BBVA Data & Analytics formando parte y aprendiendo de uno de los mejores equipos de data scientists del sector. Los contenidos del curso junto a la experiencia laboral adquirida me han proporcionado las herramientas necesarias para moverme en un mundo en constante evolución.”

Juan de Dios RomeroData ScientistBBVA Data & Analytics

Edición 2015-16“Tras haberme interesado por el mundo del data science en mis últimos años de universidad, tenía claro que para encaminar mi carrera profesional hacia este sector debía formarme específicamente en ello, y el Máster en Data Science y Big Data en Finanzas de Afi Escuela de Finanzas era el que presentaba un programa más completo e interesante. En un único curso académico hemos cubierto prácticamente todos los ámbitos de esta disciplina tan extensa, tanto teóricamente como de forma práctica, de la mano de un equipo docente de muy alto nivel. Ahora cuento, sin ninguna duda, con las herramientas básicas necesarias para desarrollar mi carrera profesional.”

María MedinaData Scientist en PiperLab

TESTIMONIOS DE ANTIGUOS ALUMNOS

“Madrid ofrece como plaza financiera acceso directo a las

principales entidades e instituciones del sector, cuyos directivos visitan regularmente nuestra Escuela con el fin de compartir sus conocimientos y llevar a cabo procesos de selección de personal para

sus organizaciones”

Afi Escuela de Finanzas estáubicada en el centro de Madrid.Un Campus de fácil acceso a través de metro y autobuses.Los alumnos cuentan con unas amplias y cómodas instalaciones con zonas de estudio, salas de reuniones, cafetería y centro de documentación.

MÁSTER ENDATA SCIENCE Y BIG DATA

EN FINANZAS (MDSF)

PRECIO

El coste de la matrícula es de 17.000 euros. A los alumnos admitidos en la primera de las rondas y que paguen la reserva de plaza (20% de la matrícula) antes del 30 de abril se les aplicará un precio de 15.300 euros. A los alumnos admitidos en la segunda de las rondas y que paguen la reserva de plaza (20% de la matrícula) antes del 30 de junio se les aplicará un precio de 16.150 euros.

Los derechos de matrícula incluyen la asistencia a las sesiones que componen el Máster y a aquellas conferencias, jornadas y sesiones de trabajo que se organicen en el marco del mismo.Asimismo, incluye la documentación y material de trabajo que se utilizará durante el Máster y la cesión de un ordenador portátil con el software necesario para el seguimiento del programa.

PAGO DEL MÁSTER

Se abonará el 20% del importe en concepto de reserva de plaza en las dos semanas después de recibir la carta de admisión. El 80% restante se deberá abonar antes del 1 de octubre. La Escuela pone a disposición de los interesados, la posibilidad de abonar este 80% restante en 8 mensualidades del 1 de septiembre al 1 de abril.

FINANCIACIÓN

Afi Escuela de Finanzas mantiene acuerdos preferentes con entidades financieras para obtener condiciones favorables de financiación.

BECAS

Afi Escuela de Finanzas ha establecido acuerdos que permitirán a los alumnos más sobresalientes optar a becas que cubrirán parcial o totalmente el importe de la matrícula y permitirán realizar prácticas en las principales entidades financieras y no financieras.

c/ Marqués de Villamejor, 528006 MadridTelf.: 915 200 150 / 180E-mail: afiescueladefinanzas@afi.eswww.afiescueladefinanzas.eswww.efa.afi.es/mds