Antes de comenzar tu formación
No hace falta ser un experto en matemáticas avanzadas ni tener un máster en programación. Pero sí necesitas entender algunos conceptos básicos y tener clara tu motivación. Aquí te contamos qué deberías saber antes de dar el paso.
Conocimientos previos recomendados
-
Estadística básica
Deberías sentirte cómodo con conceptos como media, varianza, distribuciones. Si alguna vez has trabajado con datos en Excel o has analizado tendencias simples, es suficiente para arrancar.
-
Programación elemental
Python es nuestro lenguaje principal. No necesitas ser desarrollador, pero sí entender bucles, funciones, y listas. Si has hecho algún curso online o escrito scripts sencillos, vas por buen camino.
-
Nociones financieras
Entender qué es un activo, un precio de cierre, o cómo se mueven los mercados te ayudará mucho. No buscamos traders profesionales, solo que el lenguaje del sector no te suene completamente ajeno.
-
Curiosidad analítica
Esto no aparece en ningún currículum, pero es lo más importante. Si te gusta buscar patrones, hacer preguntas sobre datos, y experimentar con hipótesis, tienes lo esencial.
Qué trabajaremos desde el primer día
No esperamos que vengas con todo resuelto. Durante el programa iremos construyendo sobre lo que ya sabes, añadiendo capas de complejidad a medida que avanzas.
Redes neuronales recurrentes
Aprenderás a trabajar con arquitecturas LSTM y GRU, diseñadas para capturar dependencias temporales en series financieras. Empezaremos con ejemplos sencillos antes de aplicarlo a datos reales.
Preparación de datos
La limpieza y transformación de datos es el 70% del trabajo. Te enseñaremos a normalizar, gestionar valores ausentes, y crear variables relevantes que realmente aporten información al modelo.
Evaluación de modelos
No basta con entrenar un modelo y esperar. Veremos métricas específicas para forecasting financiero, técnicas de backtesting, y cómo interpretar los resultados sin caer en sobreajustes.
Implementación práctica
Desde el diseño hasta el despliegue. Trabajarás con pipelines completos, aprenderás a documentar tu trabajo, y a presentar resultados de forma clara para equipos no técnicos.
Cómo prepararte en las próximas semanas
Si decides inscribirte para julio de 2026, te recomendamos dedicar unas horas cada semana a repasar ciertos temas. Aquí tienes una guía práctica.
Refresca Python
Dedica tiempo a numpy, pandas y matplotlib. Busca ejercicios con datasets reales y practica la manipulación de DataFrames. No hace falta dominar todo, pero deberías sentirte cómodo leyendo y escribiendo código básico.
Revisa estadística aplicada
Repasa conceptos como correlación, regresión lineal, pruebas de hipótesis. Hay muchos recursos gratuitos en línea. Lo importante es entender la lógica detrás de los números, no memorizar fórmulas.
Familiarízate con series temporales
Lee sobre tendencias, estacionalidad, y autocorrelación. Intenta graficar alguna serie financiera simple (precio de una acción, tipo de cambio) y observa sus patrones. Esto te dará contexto para lo que haremos en el curso.
Explora conceptos de deep learning
No necesitas construir modelos complejos todavía. Busca tutoriales introductorios sobre redes neuronales, entiende qué es una capa, una función de activación, y cómo se entrena un modelo. Con eso será suficiente para arrancar con confianza.
¿Listo para dar el paso?
Si has llegado hasta aquí y sientes que esto encaja con tus objetivos, te invitamos a explorar nuestros métodos de enseñanza. Trabajamos con grupos pequeños, seguimiento personalizado, y proyectos reales desde el principio.
- Sesiones prácticas con datos financieros reales del mercado europeo
- Acceso a recursos y materiales actualizados durante y después del programa
- Comunidad de antiguos alumnos para compartir experiencias y consultas
