INSTITUTO
DE ANALÍTICA
LABORATORIO DE
Y NEGOCIOS DATOS SOCIALES
Programa especializado
CREDIT SCORING CON
PYTHON
Inicio: Modalidad: Duración:
15 de Enero Online en vivo 70 Horas Académicas
Este programa te prepara para diseñar, evaluar e
implementar modelos de riesgo crediticio utilizados en
la banca y el sector financiero, partiendo de una sólida
base en estadística aplicada al análisis de datos
crediticios.
Combina metodologías tradicionales de credit scoring
con técnicas modernas de Machine Learning,
incorporando el enfoque regulatorio de IFRS 9, para
que aprendas no solo a construir modelos robustos,
sino también a aplicarlos de forma responsable y
alineada con las mejores prácticas del mercado.
Objetivos del Programa:
Formar profesionales capaces de diseñar, evaluar e
interpretar modelos de credit scoring utilizando
Python, integrando criterios estadísticos, de negocio y
regulatorios.
Comprender el rol del credit scoring en la gestión del
riesgo crediticio y desarrollar modelos tradicionales
basados en regresión logística.
¿A quién va dirigido?
Analistas de riesgo crediticio.
Data Scientists y analistas de datos.
Economistas, ingenieros y profesionales afines.
Profesionales del sector bancario, financiero,
fintech y consultoría.
*Requisitos recomendados: Conocimientos básicos de
estadística y programación con python.
El módulo de Python y Machine Learning para problemas
de clasificación cubrirá estos requerimientos.
Estructura del programa
3 cursos progresivos, 100% prácticos:
Curso 1:
Fundamentos Estadísticos
para Credit Scoring
Curso 2:
Desarrollo de Modelos
de Credit Scoring
Curso 3:
Credit Scoring y
Machine Learning
Duración y horario
Duración:
70 horas académicas
INICIO
Horario:
JUEVES
Martes y Jueves
7:00 pm a 9:00 pm
8:00 pm a 10:00 pm
9:00 pm a 11:00 pm
15
ENERO
10:00 pm a 12:00 pm
Curso 1
Fundamentos Estadísticos
para Credit Scoring
(21 horas academicas)
Inicio: 15 de Enero
Objetivo
Brindar los fundamentos estadísticos para analizar
datos crediticios, interpretar el riesgo y construir
modelos predictivos básicos de credit scoring,
utilizando inferencia estadística, regresión logística y
métricas de evaluación.
Contenidos
Sesión 1. Estadística descriptiva aplicada a datos
crediticios
Sesión 2. Distribuciones y calidad del dato
Sesión 3. Probabilidad e interpretación del riesgo
Sesión 4. Inferencia aplicada: estimación e intervalos
Sesión 5. Pruebas de significancia y p-valor
(operativo)
Sesión 6. Fundamentos de regresión logística
Sesión 7. Modelamiento predictivo: train, test y
overfitting
Sesión 8. Métricas de evaluación para clasificación
Curso 2
Desarrollo de Modelos de
Credit Scoring
(21 horas academicas)
Inicio: 12 de Febrero
Objetivo
Que el participante sea capaz de construir modelos
tradicionales de credit scoring, comprendiendo su
lógica estadística, su interpretación económica y su
uso en la toma de decisiones crediticias.
Contenidos
Sesión 1. Introducción al Credit Scoring en Banca.
Sesión 2. Datos Crediticios y Definición del Evento de
Incumplimiento.
Sesión 3. Análisis Exploratorio de Datos y Tratamiento
de Variables.
Sesión 4. Transformación de Variables, Weight of
Evidence (WOE) e Information Value (IV).
Sesión 5. Regresión Logística aplicada al Credit Scoring.
Sesión 6. Evaluación del Desempeño del Modelo.
Sesión 7. Validación y Estabilidad de Modelos.
Sesión 8. Implementación del Score y Uso en la Toma de
Decisiones.
Curso 3
Credit Scoring y Machine
Learning
(27 horas academicas)
Inicio: 12 de Marzo
Objetivo
Aplicar técnicas de Machine Learning al credit
scoring y comprender su rol dentro del marco
regulatorio IFRS 9.
Contenidos
Sesión 1. Credit Scoring Tradicional vs Machine
Learning.
Sesión 2. Preparación de Datos para Modelos de
Machine Learning.
Sesión 3. Árboles de Decisión y Random Forest.
Sesión 4. Gradient Boosting (XGBoost / LightGBM).
Sesión 5. Comparación y Selección de Modelos.
Sesión 6. Interpretabilidad y Explicabilidad de Modelos.
Sesión 7. Introducción a la Metodología IFRS 9 y
calibración PD.
Sesión 8. Calibración de LGD y EAD bajo IFRS 9.
Sesión 9. Modelos de Provisiones bajo IFRS 9.
Sesión 10. Caso Integrador Final.
Docentes del programa
Sergio Díaz Paredes
Magíster en Estadística Aplicada por la UNALM,
Economista por la UNMSM y candidato a MSc.
en Ciencias de la Computación por la UNSA.
Cuenta con certificaciones en ciencia de datos
por IBM y especializaciones en Pricing Analytics
y SQL por DMC Perú. Ha sido analista senior en
LOS ANDES y Globokas Perú, aplicando
modelos predictivos y herramientas
estadísticas. Difusor de herramientas oper
source y metodos cuantitativos en Linkedin..
Enzo Infantes Zúñiga
MSc en Data Science por la Barcelona School
of Economics y Licenciado en Economía y
Finanzas por la UPC. Cuenta con experiencia
en el desarrollo de modelos de machine
learning y algoritmos avanzados para la toma
de decisiones, aplicados a los sectores
bancario, de telecomunicaciones y económico.
Ha desarrollado y validado modelos de riesgo
crediticio e IFRS 9 en BBVA e Interbank,
alineados con estándares regulatorios locales,
internacionales y de negocio.
Metodología de Enseñanza
El programa se desarrolla bajo una metodología teórico–práctica,
combinando:
Exposición conceptual estructurada.
Desarrollo de notebooks en Python.
Análisis de casos reales del sistema financiero.
Discusión de buenas prácticas y errores frecuentes en la
industria.
Herramientas Tecnológicas
Python (Pandas,
NumPy, Scikit-learn,
etc.)
Jupyter Notebook
Excel
GitHub
Beneficios
Certificación conjunta otorgada por el Instituto de
Analítica y Negocios y el Laboratorio de Datos Sociales
Grabación de las clases
Materiales utilizados en el curso
El certificado se emitirá de manera virtual
Inversión
Precio Programa completo
Regular S/. 360 o US$ 120
Preventa S/. 270 o US$ 90*
S/. 216 o US$ 72 a
Descuento corporativo
partir de 2 inscritos*
*Hasta el 28 de Diciembre
Método de pago
Aceptamos tarjetas de crédito con una comisión del 5%
Descuentos: Consulta nuestra política de descuentos por preventa,
para Alumni y por número de personas por empresa o instituciones.
TÉRMINOS Y CONDICIONES PARA LA MATRÍCULA EN PROGRAMAS Y/O CURSOS