I CURSO VERANO ACA 2025
FUNDAMENTOS DE ESTADÍSTICA Y MACHINE LEARNING PARA ACTUARIOS
Este curso de verano, impartido por docentes de reconocimiento internacional, ofrece una introducción especializada a las herramientas estadísticas y de machine learning más utilizadas en aplicaciones actuariales. Organizado con el apoyo de la Asociación Colombiana de Actuarios, el programa combina fundamentos teóricos con experiencias prácticas, permitiendo a los participantes aplicar modelos predictivos directamente sobre estudios de caso diseñados para el sector asegurador.
El objetivo principal es dotar a los asistentes de una comprensión sólida de técnicas como regresión clásica, modelos lineales generalizados (GLMs), métodos de boosting, árboles aleatorios y redes neuronales profundas, articulando los principios estadísticos tradicionales con los enfoques contemporáneos del aprendizaje automático. Esta combinación busca formar profesionales capaces de integrar analítica avanzada en la toma de decisiones actuariales.
BENEFICIOS DE NUESTRO CURSO
Participación de invitados internacionales que ofrecerán una perspectiva global sobre machine learning y el uso ético e innovador de la ciencia de datos en seguros
Alternancia entre teoría y práctica con casos reales en clase
Acceso a modelos y scripts prácticos en R y Python listos para su implementación
Comprensión profunda de herramientas estadísticas y de machine learning con aplicaciones reales en seguros.
Formación guiada por docentes de universidades de prestigio global
Certificación de participación y networking con colegas del sector
DE QUÉ CONSTA:
El curso está estructurado en bloques temáticos que cubren:
- Fundamentos estadísticos y regresión clásica en el contexto actuarial
- Modelos predictivos basados en GLMs
- Técnicas de aprendizaje estadístico: boosting, árboles de decisión, random forests
- Fundamentos y aplicaciones de redes neuronales y deep learning
- Demostraciones con datos reales utilizando R y Google Colab (Python)
Cada módulo incluye teoría, motivación actuarial, y ejercicios prácticos.
FECHAS Y HORARIOS:
El curso será impartido en modalidad presencial, con sesiones estructuradas de 45 minutos teóricos seguidos de 45 minutos de práctica activa. Los profesores invitados se conectarán virtualmente.
Fechas:
- Bogotá: Lunes 14 al 16 de julio de 2025
- Medellín: Lunes 21 al 23 de julio de 2025
Idioma de instrucción: Inglés y español
Duración: 3 días
Requisitos: conocimientos básicos de regresión y manejo básico de R/RStudio
GENERAL
Todo el Público- (490 USD + IVA)
MIEMBROS
Asociaciones de actuaría LATAM - Miembros IAA- (350 USD + IVA)
ESTUDIANTES PREGRADO
Cupos Limitados- Presetar Soporte
- (200 USD + IVA)
CANDIDATOS
Cupos Limitados- Solo COP
Comprensión profunda de herramientas estadísticas y de machine learning con aplicaciones reales en seguros.
Acceso a modelos y scripts prácticos en R y Python listos para su implementación
Formación guiada por docentes de universidades de prestigio global
Alternancia entre teoría y práctica con casos reales en clase
Certificación de participación y networking con colegas del sector
Participación de invitados internacionales que ofrecerán una perspectiva global sobre machine learning y el uso ético e innovador de la ciencia de datos en seguros
Bogotá
Universidad Sergio Arboleda
Calle 74 # 14-14
Medellin
Edificio Torre Suramericana
Calle 49A # 63 – 55
DOCENTES
Edward (Jed) Frees
Profesor de la Universidad de Wisconsin – Madison, reconocido por su aporte a la estadística actuarial y el aprendizaje automático. Autor de múltiples textos de referencia y con décadas de experiencia enseñando técnicas analíticas a actuarios en todo el mundo.
Andrés Villegas Ramírez
Profesor en la Universidad de Nueva Gales del Sur (UNSW), Australia. Especialista en proyecciones actuariales, modelos estocásticos y aplicaciones de machine learning en seguros y pensiones. Ha trabajado en diversos entornos académicos y regulatorios.
INVITADOS
Fei Huang
Associate Professor en la School of Risk and Actuarial Studies de la UNSW Business School, Australia. Experta en ética aplicada a la inteligencia de datos en seguros, Experta en pricing, sesgo algorítmico y sostenibilidad en contextos de IA. Sus investigaciones han sido premiadas y reconocidas internacionalmente por su impacto académico y social.
Daniel Bauer
Profesor de la Universidad de Wisconsin y director del programa de analítica en Wisconsin Business School. Reconocido como líder mundial en investigación actuarial. Ofrecerá una sesión virtual sobre el uso de machine learning en la práctica actuarial.
Realiza tu Pre-Inscripción
Fundamentos de estadística y machine learning para actuarios
¿Hay algún requisito previo para inscribirse en el curso?
No hay requisitos previos formales, pero se recomienda tener una base en matemáticas y probabilidad básica
¿Puedo obtener ayuda si tengo dudas durante el estudio?
Durante el curso los profesores y monitores estarán atentos a resolver las diferentes inquietudes
¿El curso proporciona un certificado de finalización?
Sí, al completar el curso, recibirás un certificado que puedes añadir a tu currículum
Organiza: ACA
