key points* - amazon s3 · 2018-10-03 · (conferencia en inglés) conferencia en la cual se...

KEY POINTS*• In recent years, Machine Learning (ML) has been able to master tasks that until now only a few human experts could

perform.

• Financial ML is a reality:

• Some of the most successful hedge funds in history apply ML every day.

• However, myths about Financial ML have proliferated:

1. The Sisyphus paradigm is applicable to ML

2. ML is a black-box

3. Generic ML solutions work in Finance (West -> East)

4. Traditional quants know about ML (West -> East)

5. There are many ML Portfolio Managers

*Nota: El texto fue extraído del libro Advances in Financial Machine Learning, del autor Dr. Marcos López de Prado.

FINANCIAL RESEARCH• The dismal state of 21st century financial research:

• Story-telling prevails over objective data analysis

• The curse of Econometrics and other 18th century mathematical tools

• Factor investing: Where is the proof that risk premia must be linear?

• Multiple testing, selection bias, back test over fitting:• A few factors are well understood, however Harvey et al. [2015] show that “most claimed research findings

are likely false.”t

FINANCIAL MACHINE LEARNING• ML is only beginning to transform Finance:

• 2016: Studies showthat ML methods (like HRP) deliver portfolios that systematically outperform Markowitz optimization out-of-sample.

• 2016: The GIS-Liquid Strategies group manages $13 billion with 12 people.

1997Deep Blue defeats the Chess

World Champion

2011Watson defeats 2 Jeopardy

champions

2016AlphaGo defeats the Go World

Champion

2014DeepFace recognizes faces better

than humans

2018Berkeley Lab recognizes particle

debris with 95% accuracy

ObjetivoSummit intensivo de 3 días único en su tipo en México, en donde reconocidos especialistas en ML, Data Analytics y Especialistas de IT compartirán las tendencias, retos y diferentes metodologías aplicables a la realidad del mundo de los servicios financieros para maximizar su rentabilidad, mientras los participantes tanto directores como ejecutivos y líderes de negocio contrastarán sus experiencias e inquietudes en talleres enfocados a la práctica en distintos ámbitos de la empresa.

DescripciónEste Summit contará con una mesa panel en donde especialistas en los temas de Machine Learning, Data Science & Artificial Intelligence compartirán sus conocimientos así como sus puntos de vista sobre este tema de actualidad y gran relevancia para el medio financiero.

Comenzaremos por analizar los principales factores en la evolución de Machine Learning & Data Analytics, para centrarnos después en sus implicaciones estratégicas para las organizaciones.

A partir de este contexto, con un enfoque de aplicación “hands on”, los workshops nos permitirán revisar y discutir casos concretos de empresas del sector que han integrado los beneficios de Machine Learrning & Data Analytics en aplicaciones específicas que añaden valor acualquier empresa.

¿A quién está dirigido?Interesados en conocer y aplicar las técnicas más avanzadas de Machine Learning & Data Analytics para la construcción de modelos predictivos, altamente efectivos, que permitan incrementar la rentabilidad del negocio de manera robusta:

• Chief Data Officers

• Chief Marketing Officers

• Chief Information Officers

• Chief Operating Officers

• Chief Financial Officers

• Líderes de áreas de negocio de:

• Corporativos

• Casas de bolsa

• Bancos

• Sociedades de inversión

• Aseguradoras

• Fondos de pensiones

• SOFOMES

• SOFIPOs

• Traders

• Quants

• Tecnólogos y científicos de datos

• 2017: Four funds of Man/AHL manage $12.3 billion using AI.• 2018: KPMG’s report argues that hedge funds must embrace technology or face ‘treadmill to oblivion’.• 2018: First graduate-level textbook on ML, specifically applied to Finance.

BUSINESS ANALYTICS• Aprovechar los datos disponibles de los clientes para contestar preguntas esenciales:

• ¿Cuánto vale un cliente?

• ¿Cuánto invertir en cada cliente?

• ¿Cuál es la mejor manera de contactarlos?

• ¿Cuánto se va a mantener un cliente con nuestra empresa?

10 razones para asistir

1. Oportunidades de Trabajo: Machine Learning, FinTech y Data Analytics son algunas de las categorías de trabajo con mayor crecimiento alrededor del mundo.

2. Summit de alta comprensión: Machine Learning, FinTech, Data Analytics, Data Science, Data Technologies, InsurTech, Artificial Intelligence, Transformación de negocio, habilidades profesionales.

3. Networking: Durante los 3 días del summit conecta e interactúa con practitioners del medio. Intercambia conocimientos y experiencias con todos los participantes.

4. Reconocimiento: RiskMathics Financial Institute es reconocido en México y LatAm por brindar lo “The Latest from the best” reuniendo practitioners que comparten sus conocimientos de su día a día.

5. Summit intensivo: 3 días que reúne conferencias, workshops y una mesa redonda con especialistas en los temas.

6. Speakers: Top practitioners de diferentes empresas reconocidas en México y LatAm. Expertos en Machine Learning, Artificial Intelligence, FinTech y Data Analytics.

7. Impulsar la innovación: Impulsar valor e innovación a la industria financiera y corporativa.

8. Experiencia internacional: Conoce a distintas personas del mundo, que como tú, están inmersos en el mundo del Machine Learning, FinTech, InsurTech y Data Analytics y Artificial Intelligence para servicios financieros y corporativos.

9. Panel: En el primer día del evento asiste a la mesa redonda, donde expertos discutirán sobre la evolución, el presente y el futuro de los temas Machine Learning, FinTech, Artificial Intelligence y Data Analytics.

10. Sponsors / Partners: Conoce a los líderes de la industria, así como las acciones que están realizando para un mejor y correcto desempeño en el uso de Machine Learning, FinTech y Data Analytics.

horario (hrs.) Auditorio7:45 - 8:45 registro

8:45 - 9:00 Bienvenida RiskMathics

9:00 - 10:00

Data Analytics: Uses, Benefits & TrendsJosé Antonio MurilloChief Analytics OfficerGrupo Financiero Banorte

10:00 - 10:10 BREAK

10:10 - 11:10

Data Science AggregationFrom Data Science to Artifical Intelligence and their impact in

financial servicesMarshall Alphonso

11:10 - 11:20 BREAK

11:20 - 12:20

Machine Learning: Beneficios y RiesgosFernando Esponda

Machine Learning ExpertASU Biodesign Institute

12:20 - 12:30 BREAK

12:30 - 13:30

Artificial Intelligence and Digital BusinessSalvador Orozco

Vicepresidente de ÁreaGartner Hispanoamérica

13:30 - 15:00 COMIDA LIBRE

15:00 - 16:00

Applications of machine learning in Cyber Security... What you need to know about?

Gustavo SantanaDirector Ejecutivo

Ernst & Young

16:00 - 16:10 BREAK

16:10 - 17:10

Artificial Intelligence & Machine Learning in FinanceGerardo Carrera Mendoza

Director de Analítica Grupo Financiero Banorte

17:10 - 17:20 BREAK

17:20 - 18:20

Asset Management & Investments linked to Artificial Intelligence, Machine Learning and Data Science

Carlos OchoaFounder & General Partner

Chilango Ventures / AI8 Ventures Chairman Techie8

18:20 - 18:30 BREAK

18:30 - 19:30

Panel Experts Exchange Discussion

AI, MACHINE LEARNING AND DATA SCIENCE:IMPROVING THE PROFITABILITY IN FINANCIAL

INSTITUTIONS

Day 1 Martes 27 de Noviembre 2018

Conferencia en

inglés

Data Analytics: Uses, Benefits & TrendsJosé Antonio Murillo GarzaChief Analytics OfficerGrupo Financiero Banorte

José Antonio compartirá reflexiones y lecciones aprendidas sobre la construcción de un equipo de analítica exitoso en la industria financiera. Comentará sobre el rol que tiene la analítica en centrar la atención de las organizaciones en el cliente. Indicará cuales son las grandes tendencias que se observan en la incipiente industria de la analítica.

Data Science AggregationFrom Data Science to Artificial Intelligence and their impact in financial services(conferencia en inglés)

Conferencia en la cual se conocerá la curva desde el Big Data y como su implementación de Data Analytics, Data Management, Algorithms, Machine Learning y Artificial Intelligence, optimizan las áreas de negocio de los corporativos y del sector financiero.

Marshall AlphonsoML & DS Expert

9:00 - 10:00

Machine Learning: Beneficios y Riesgos

En esta conferencia se hablarán de los cambios tecnológicos que han llevado a la explosión en popularidad del uso de técnicas de Machine Learning.

Se discutirán que oportunidades se han abierto con estos cambios, que riesgos conlleva este nuevo poder y cómo podemos potencializar esta inteligencia artificial usando nuestra inteligencia natural.

Fernando EspondaMachine Learning ExpertASU Biodesign Institute

10:10 - 11:10

11:20 - 12:20

Artificial Intelligence and Digital Business

Salvador OrozcoVicepresidente de Área Gartner HispanoaméricaGartner

Applications of Machine Learning in Cyber SecurityWhat you need to know about?

Machine learning is a branch of computer science aimed at enabling computers to learn new behaviors based on empirical data. The goal is to design algorithms that allow a computer to display behavior learned from past experience, rather than human interaction. In this talk I want to discuss applications of machine learning in cyber security and look at how machine learning algorithms may help us to fight with cyber attacks.

Gustavo SantanaDirector EjecutivoErnst & Young

Muchas empresas no se han dado cuenta que la Inteligencia Artificial va a crear o romper empresas, incluso industrias completas, en los próximos 10 años.

Aquí analizaremos cómo incorporar la Inteligencia Artificial como parte de la estrategia del negocio.

12:30 - 13:30

15:00 - 16:00

Artificial Intelligence & Machine Learning in Finance

La inteligencia artificial y el aprendizaje de máquina (Machine Learning) son dos pilares que están revolucionando la manera en que se obtienen patrones de interés que mejoran la toma de decisiones.

En finanzas, la gran cantidad de datos existentes y la diversidad de procesos y aplicaciones hacen que el Machine Learning sea una área muy fértil para el desarrollo de modelos.

Gerardo Carrera MendozaDirector de AnalíticaGrupo Financiero Banorte

16:10 - 17:10

Asset Management & Investments linked to Artificial Intelligence, Machine Learning and Data Science

Carlos OchoaFounder & General PartnerChilango Ventures / AI8 Ventures Chairman Techie8

17:20 - 18:20

PanelExperts Exchange Discussion

AI, MACHINE LEARNING AND DATA SCIENCE:IMPROVING THE PROFITABILITY IN FINANCIAL INSTITUTIONS

Martes 27 de Noviembre 201818:30 horas

Salvador OrozcoVicepresidente de Área Gartner HispanoaméricaGartner


José Antonio Murillo GarzaChief Analytics OfficerGrupo Financiero Banorte

Moderador

Francisco MeréPresidenteAsociación FinTech México

Daniel SujoPartnerMcKinsey & Company

Bernardo GonzálezPresidenteCNBV

Miércoles 28 de Noviembre 2018

horario (hrs.) Salón 1 Salón 2 Salón 3 Salón 4 Salón 5

9:00 - 10:30

Business Intelligence & Analytics

Andrés FundiaDirector

Nabla Solutions

Parte 1

Machine Learning:

Introducción Práctica


Parte 1

Artificial Intelligence & Machine Learning in

Finance

Gerardo CarreraDirector de Analítica

Grupo Financiero Banorte

Parte 1

Overview of Machine Learning applied to

Cyber Security


Ernst& Young

Parte 1

Data Science Aggregation

From Data Science to Artificial Intelligence

Marshall Alphonso

Parte 1

10:30 - 10:40 BREAK

10:40 - 12:40



Nabla Solutions

(continúa Parte 1)

Machine Learning:



(continúa Parte 1)


Finance



(continúa Parte 1)


Cyber Security


Ernst& Young

(continúa Parte 1)



Marshall Alphonso

(continúa Parte 1)

12:40 - 12:50 BREAK

12:50 - 14:20



Nabla Solutions

(continúa Parte 1)

Machine Learning:



(continúa Parte 1)


Finance



(continúa Parte 1)


Cyber Security


Ernst& Young

(continúa Parte 1)



Marshall Alphonso

(continúa Parte 1)


15:30 - 17:30



Nabla Solutions

(continúa Parte 1)

Machine Learning:



(continúa Parte 1)


Finance



(continúa Parte 1)


Cyber Security


Ernst& Young

(continúa Parte 1)



Marshall Alphonso

(continúa Parte 1)

Day 2Workshops

Jueves 29 de Noviembre 2018

horario (hrs.) Salón 1 Salón 2 Salón 3 Salón 4 Salón 5

9:00 - 10:30



Nabla Solutions

Parte 2

Machine Learning:



Parte 2


Finance



Parte 2


Cyber Security


Ernst& Young

Parte 2



Marshall Alphonso

Parte 2

10:30 - 10:40 BREAK

10:40 - 12:40



Nabla Solutions

(continúa Parte 2)

Machine Learning:



(continúa Parte 2)


Finance



(continúa Parte 2)


Cyber Security


Ernst& Young

(continúa Parte 2)



Marshall Alphonso

(continúa Parte 2)

12:40 - 12:50 BREAK

12:50 - 14:20



Nabla Solutions

(continúa Parte 2)

Machine Learning:



(continúa Parte 2)


Finance



(continúa Parte 2)


Cyber Security


Ernst& Young

(continúa Parte 2)



Marshall Alphonso

(continúa Parte 2)


15:30 - 17:30



Nabla Solutions

(continúa Parte 2)

Machine Learning:



(continúa Parte 2)


Finance



(continúa Parte 2)


Cyber Security


Ernst& Young

(continúa Parte 2)



Marshall Alphonso

(continúa Parte 2)

Day 3Workshops

Descripción Workshops

Business Intelligence & AnalyticsObjetivoEste primer curso se concentra en los modelos más utilizados para optimizar la relación con los clientes y las utilidades que se pueden obtener de cada uno.

Los temas a cubrir se presentarán de forma conceptual y práctica con implementaciones efectivas (Excel y ocasionalmente R) de forma tal que no haya restricciones para que se puedan utilizar inmediatamente en las empresas.

Las herramientas estadísticas y computacionales necesarias se cubrirán durante el desarrollo de los temas.

DescripciónEquipar a los participantes con el conjunto de herramientas esenciales para que puedan comenzar a implementar la inteligencia de negocios en sus actividades.

Empresas en distintos estadios de integración de Bases de Datos y Herramientas Analíticas van a poder aprovechar estas herramientas:

•Si están iniciando la incorporación de información digital y bases de datos, van a poder aplicar los modelos analíticos que se basan en fórmulas.

•Si disponen de bases de datos ricas en información, van a poder utilizar los métodos estadísticos que explotan la información disponible.

•Si iniciaron el proceso de incorporación de las herramientas de Big Data, van a poder iniciar la explotación de la información masiva que disponen con los modelos computacionales avanzados.

Temario

1. Introducción a Business Analytics1.1. Los objetivos y las áreas de Business Analytics

1.2. El desarrollo de Marketing Analytics

1.3. Relación con Big Data

1.4. Tipos y alcance de los modelosa. Segmentación de clientesb. Pronósticos de un período, regresión lineal y

logísticac. Machine Learning

Andrés FundiaDirectorNabla Solutions

d. Modelos Analíticose. Modelos Probabilísticos

1.5. Caso: direccionamiento de campañas comerciales

2. El valor de un cliente durante toda su vida (Client Lifetime Value, CLV)

2.1. Aplicaciones2.2. Modelo estándar2.3. Modelo de migración2.4. Modelo Monte Carlo

3. Estimación de parámetros3.1. La tasa de descuento, el costo del capital3.2. La tasa de retención:

a. Probabilidades de sobrevivencia discretas, las tablas de mortalidad

b. Probabilidades de sobrevivencia continuas, distribución exponencial

c. Probabilidades de retención crecientes, la distribución de Weibull

3.3. Ingresos, flujos de efectivo

4. Comprar hasta morir. Los modelos probabilísticos. 4.1. Determinación de clientes activos 4.2. Tiempo discreto (descripción y ejemplo en

Excel)4.3. Tiempo continuo (descripción)

5. El valor de los servicios bancarios5.1. Valor de los depósitos5.2. Valor de los créditos5.3. Valor de los fondos de inversión

Modelos que se van a cubrir teóricamente e implementar computacionalmente (Excel y/o R):• Modelo estándar de CLV• Modelo de Migración de CLV• Modelo Monte Carlo para CLV• Modelo probabilístico de tiempo discreto

MachineLearning: Introducción PrácticaDescripción

Se enfatizará la metodología adecuada para la generación de modelos predictivos y se realizarán múltiples ejercicios para ilustrar los conceptos y dejar en los asistentes las herramientas necesarias para comenzar la exploración de esta disciplina.

ObjetivoEn este workshop se dará una explicación algorítmica de las técnicas más populares del aprendizaje de máquina y su utilización para el análisis de datos.

Temario1. Introducción a programación con Python2. Introducción al aprendizaje de máquina3. Metodología de modelaje

3.1 Generación3.2 Estimación de hyperparámetros 3.3 Evaluación

4. Técnicas de aprendizaje supervisado4.1 Bayes4.2 Regresion lineal y logística4.3 Redes neuronales (cortas y profundas4.4 Máquinas de Soporte Vectorial4,5 Árboles de decision y árboles aleatorios

5. Aprendizaje no supervisado5.1 Métodos de partición5.2 Métodos jerárquicos 5.3 Métodos de densidad


Artificial Intelligence & Machine Learning in FinanceDescripciónLa inteligencia artificial y el aprendizaje de máquina (Machine Learning) son dos pilares que están revolucionando la manera en que se obtienen patrones de interés que mejoran la toma de decisiones.

En finanzas, la gran cantidad de datos existentes y la diversidad de procesos y aplicaciones hacen que el machine learning sea una área muy fértil para el desarrollo de modelos.

ObjetivoEl curso se enfoca en aprender aspectos teóricos del aprendizaje de máquina aplicados en distintos temas de finanzas, utilizando el lenguaje de programación python.

Los temas cubrirán aspectos importantes del aprendizaje supervisado y no supervisado.

Temario1.- Introducción.- Examinaremos nuevas tendencias y técnicas de modelos de aprendizaje de máquina que ayudan a elevar el desempeño de instituciones financiera con un enfoque centrado al cliente.2.- Antecedentes de Python. Una introducción al lenguaje de programación python, estructuras de datos y herramientas que comúnmente se utilizan para el desarrollo de programas para machine learning: librerías, graficación, lectura y escritura de archivos, tensor flow.

Gerardo Carrera MendozaDirector de AnalíticaGrupo Financiero Banorte a. Antecedentes de Python y ambientes de

desarrollo. b. Fundamentos de Python. i. Tipos de datos ii. Numpy iii. Pandas iv. Construccion de graficas c. Lectura y escritura de archivos CSV. d. Scikit-learn e. Tensor Flow y Keras(Deep Learning)3.- Machine Learning. Se emplean los conocimientos de la unidad anterior para desarrollar modelos de aprendizaje supervisado y no supervisado en temas específicos de finanzas. a. Introducción al aprendizaje de máquina(Machine Learning) i. Aprendizaje Supervisado ii. Aprendizaje no supervisado iii. Tratamiento de datos iv. Evaluación de modelos b. Aprendizaje no supervisado i. k-medias ii. DBSCAN c. Aprendizaje supervisado i. Árboles de decisión y Bosques Aleatorios(Random Forest) ii. Regresión Logística iii. Redes Neuronales iv. Deep Learning

Overview of Machine Learning applied to Cyber Security

DescripciónEste workshop está enfocado a conocer, analizar y ver la utilización de sistemas de Cyber Security para la protección de datos y de información a travéz del Machine Learning.


Temario 1. What is Machine Learning?2. Learning system model - Training and testing3. Algorithms & Machine Learning structure4. What are we seeking?5. Learning techniques6. Cyber Security 101

7. 5 Cyber Security threats that machine learning can protect against

8. Applications9. Conclusion

Data Science AggregationFrom Data Science to Artificial Intelligence and their impact in financial servicesWorkshop de dos días completos en el cual se cubrirá toda la curva desde el Big Data y como su implementación Data Analytics, Data Management, Algorithms Machine Learning y Artificial Intelligence, optimizan las áreas de negocio de los corporativos y del setor financiero.

Marshall AlphonsoML & DS EXPERT

Es Licenciado en Administración por el Instituto Tecnológico Autónomo de México (ITAM) y Maestro en Políticas Públicas por la Universidad de Georgetown en Estados Unidos. El 11 de febrero de 2018, fue designado por el Secretario de Hacienda y Crédito Público, José Antonio González Anaya, como presidente de la Comisión Nacional Bancaria y de Valores (CNBV).

González Rosas se ha desempeñado como servidor público durante 19 años, en distintas instituciones del sector financiero:

En 1999, fue Subdirector de Diseño de Programas Especiales en el Instituto para la Protección del Ahorro Bancario (IPAB). En 2004, se desempeñó como consultor en la Unidad de Pobreza y Desigualdad del Banco Interamericano de Desarrollo.

En 2005, fungió como Director Ejecutivo de Coordinación y Evaluación de las Agencias Regionales y Estatales de Financiera Rural. De 2008 a 2013, fue Director General Adjunto de Banca Institucional del Banco del Ahorro Nacional y Servicios Financieros (BANSEFI).

En 2013, fue nombrado Vicepresidente de Política Regulatoria de la Comisión Nacional Bancaria y de Valores (CNBV), en donde participó en el diseño e implementación de la Reforma Financiera y en la elaboración de las medidas regulatorias bajo los estándares internacionales de Basilea III. En CNBV, inició el desarrollo y sentó las bases de la Política Nacional de Inclusión Financiera.

En mayo de 2015, fue designado Titular de la Unidad de Banca de Desarrollo de la Secretaría de Hacienda y Crédito Público (SHCP). En octubre de 2016 fue nombrado Jefe de la Unidad de Banca, Valores y Ahorro en la misma Secretaría de Hacienda, cargo en el que se mantuvo como titular, hasta su designación como presidente de la CNBV.

Bernardo González PresidenteCNBV

Speakers

Andres es actualmente Director en Nabla Solutions, fue Manager en KPMG, previamente se desempeñó en el área de Riesgo de Crédito en INFONAVIT hasta diciembre de 2013, anterior a este cargo estuvo como Consultor en KPMG en 2006 y Profesor de Tiempo Completo del Programa Doctoral del ITESM de 1994 a 2005.

Andrés es Ph.D. en Ciencias Matemáticas, Rutgers University, New Jersey, 1994 y Licenciado en Matemáticas, Universidad Nacional de Buenos Aires, Argentina, 1985. Cuenta con acreditaciones Internacionales sobre Administración de Riesgos como FRM, Financial Risk Manager, GARP, 2005 y Certificate in Financial Risk Management, New York University, 1999.

Andrés FundiaDirectorNabla Solutions

Daniel Sujo es socio de la oficina de McKinsey & Company en la Ciudad de México y es responsable de nuestro Hub de análisis avanzado de México. Daniel aspira a hacer servicios financieros, y el bancos dentro de ellos: funcionan mejor desbloqueando el poder de los análisis digitales y analíticos transformaciones.

Desde que se unió a McKinsey en 2003, Daniel ha trabajado en varias industrias, aunque su principal focus ha estado asesorando instituciones del sector financiero. Asesoramiento a ejecutivos en todo el Norte, Centro y Sudamérica, fomenta el crecimiento estratégico. En los últimos años, Daniel ha perfeccionado su experiencia en cómo hacer el mejor uso de análisis avanzados y tecnología digital para remodelar el panorama de la banca minorista.

Tomando una lente digital, Daniel ayuda a los ejecutivos a lograr un mejor rendimiento. Él ha ayudado establecer nuevas y mejores métricas para las decisiones de crédito. Él también ha salvado la brecha entre minoristas y otros canales mediante la búsqueda de asociaciones innovadoras de terceros. por clientes, Daniel busca formas de suavizar el proceso de solicitud de crédito o personal préstamos, con una operación más ágil en el back-end. Daniel se ha enfocado en mejorar sistemas extensos. Por ejemplo, él ha dirigido un proyecto para mejorar las decisiones de suscripción utilizando técnicas analíticas avanzadas. Él también se dirige a elementos más pequeños pero cruciales, como el viaje del cliente: rediseñar al cliente experiencia de punta a punta mientras se digitalizan los procesos de front-end y back-end.

Graduado de la escuela de negocios de posgrado de Stanford, Daniel también tiene un título en Ingeniería Informática.

Daniel SujoPartnerMcKinsey & Company


Fernando Esponda es catedrático del Instituto Tecnológico Autónomo de México y Director de la Maestría en Ciencias en Computación.

Recibió su Doctorado en Ciencias de la Computación de la Universidad de Nuevo México y un Post Doctorado de la Universidad de Yale. Tiene más de 17 artículos publicados en las áreas de seguridad de la información y sistemas complejos y su trabajo ha sido reportado en varios medios de alto impacto como en la revistas The Economist y BioMedical Computation.

Fernando ha participado como consejero técnico en temas de aprendizaje de máquina para Sm4rt Predictive Systems, Data Whisperer, Techie8 y Datank y otras startups en Silicon Valley y como consejero de las Naciones Unidas en temas de privacidad . Sus intereses giran alrededor de la intersección entre la biología y la computación.

Carlos es un inversionista , emprendedor serial en tecnología y frecuente orador en foros de innovación, emprendimiento y tecnología. General Partner y fundador de AI8Ventures, fondo de inversión en Silicon Valley, enfocado en inteligencia artificial y blockchain además de Chariman de Techie8, el newsletter de tecnología creado con Inteligencia Artificial. Previo a su carrera como inversionista, Carlos Co-fundó y sirvió como Vicepresidente Ejecutivo de Sm4rt, un holding que incluía Sm4rt Security Services (Centros de Operación de Ciberseguridad), Sm4rt Predictive Systems (Sistemas de Prevención de Fraudes basados en Inteligencia Artificial) y Sm4rt Game Studios (Empresa de videojuegos). Con Sm4rt, creo una de las firmas de ciberseguridad más reconocidas de la región, misma que fue adquirida por KIO Networks. La empresa de prevención de fraudes ahora es parte de E- Global.

Carlos OchoaFounder & General PartnerChilango Ventures / AI8 Ventures Chairman Techie8

Gerardo Carrera Mendoza recibió el grado de Ingeniero en Computación y el grado de Maestro en Ciencias e Ingeniería de la Computación con mención honorífica, ambos por la Universidad Nacional Autónoma de México, en 2004 y 2007, respectivamente.

Recibió el grado de Doctor en Filosofía (PhD) en Ciencias de la Computación (Aprendizaje de máquina y visión por computadora) en enero de 2012, por la Universidad de Imperial College, Reino Unido. En 2012, el Dr. Carrera trabajó como Subdirector de Metodologías de Riesgo en la Comisión Nacional Bancaria y de Valores. Posteriormente, De 2012 a 2014 fue Director de Desarrollo de Software en la Secretaría de Gobernación. De 2014 a 2015 trabajó en el Instituto Federal de Telecomunicaciones, primero como Director de Estadística y después como Director de Análisis Técnico. De 2015 a 2017 emprendió distintos proyectos con enfoque analítico en las áreas de medicina y turismo.

Desde julio de 2015 hasta mayo de 2018, el Dr. Carrera fue Profesor de Cátedra en el Instituto Tecnológico de Estudios Superiores de Monterrey (ITESM) impartiendo diversas materias como visión por computadora, teoría de autómatas y aprendizaje de máquina. Actualmente el Dr. Carrera trabaja como Director de Analítica en el Grupo Financiero Banorte y sus intereses son todos los relacionados a la ciencia de datos. Cuenta con diversos artículos en la materia y una patente.

Gerardo Carrera MendozaDirector de AnalíticaGrupo Financiero Banorte

Francisco Meré es un CEO visionario, emprendedor y capitalista de riesgo con más de 25 años de experiencia en el sector financiero. Francisco fue el fundador y CEO de Bankaool, el primer banco digital en México, con 100% de incorporación en línea para productos. En el espacio de pagos, Bankaool se convirtió en el patrocinador del banco para los agregadores de pagos utilizando mPOS y ecommerce. Bankaool lanzó la primera tarjeta de débito UBER en el mundo. Francisco también fue director ejecutivo de FIRA, una institución financiera de US $ 10 mil millones dedicada a la agroindustria y al financiamiento de recursos naturales. Fue Director General de Société Générale Corporate and Investment Banking Group. Francisco ocupó cargos de alto nivel en el Ministerio de Finanzas de México y el Banco de México. Fue galardonado como uno de los 15 líderes mundiales en innovación empresarial inclusiva por el G20 y líder empresarial inclusivo por la Corporación Financiera Internacional. Francisco es miembro del grupo asesor sobre fintech a H.M.

La Reina Máxima de los Países Bajos, en su calidad de UNSGSA. Además de su papel como socio gerente de Ookbal Capital, un vehículo de VC, actualmente es presidente de la Asociación Mexicana de Fintech, en cuyo papel ha participado activamente en la redacción de la ley y las normas fintech mexicanas. Francisco también se desempeña como presidente de Fintech Iberoamerican Alliance, que agrupa a las asociaciones fintech de 22 países de la región. Es licenciado en Derecho por la Escuela Libre de Derecho en México; un MIA y un MPP de la Universidad de Columbia y es un graduado de Singularity University.

Francisco MeréPresidenteAsociación Fintech México

José Antonio Murillo dirige al equipo de Analítica de Grupo Financiero Banorte. Este equipo identifica oportunidades y desarrolla ideas que contribuyen a elevar la productividad de la institución y la calidad de los servicios que se ofrecen a los clientes. En los primeros años de operación el equipo de Analítica ha implementado diversos proyectos cuyo impacto en los resultados de Banorte han sido muy relevantes y han propiciado una amplia aceptación de la analítica dentro de la institución. El equipo que dirige ha sido reconocido con el Lafferty Global Award por el impacto que ha tenido la analítica en la productividad de tarjetas de crédito (2016), a la vez que el caso de éxito que ha representado la analítica en Banorte ha sido referido por Harvard Business Review (2018).

Anteriormente, tuvo una fructífera carrera en el banco central de México, fue asesor del Fondo Monetario Internacional, y catedrático en Rice University, El colegio de México, y el ITAM. Obtuvo un Doctorado en Economía por Rice University y la Licenciatura en Economía por el ITAM (mención especial y premios en economía de la Cámara Nacional de Comercio y Tlacaélel).

José Antonio Murillo GarzaChief Analytics OfficerGrupo Financiero Banorte

Gustavo Santana Torrellas es Executive Director en la firma Ernst & Young México y labora en ésta firma desde Febrero 2017. Es responsable por el desarrollo de soluciones de innovación en clientes de banca comercial y banca de desarrollo, así como soluciones de Cyberseguridad y Riesgo Tecnológico.

Gustavo Santana ha participado en proyectos de Estrategia de TI, Desarrollo de modelos y soluciones de Administración de Riesgos de Información y Riesgo Tecnológico con énfasis en cumplimiento de estándares.

Cuenta con amplia experiencia en la administración de proyectos de Innovación e Integración Tecnológica para la Administración de Seguridad en Redes de Telecomunicaciones, particularmente en el análisis y diseño de Esquemas de Seguridad, especificaciones metodológicas y prácticas para la implementación de Esquemas de Seguridad, Políticas y Mecanismos.

Gustavo Santana, fue Director de la práctica de Consultoría Sector Financiero de PwC (2012-2017); también desarrolló actividades de consultoría tecnológica en Accenture, (2008 – 2012), trabajó como Investigador Senior en el Instituto Mexicano del Petróleo, dedicándose al desarrollo de modelos de optimización de la perforación de pozos petroleros (2002 – 2008), fue coordinador de proyectos de investigación y desarrollo de sistemas del INAP (1999-2002), fue coordinador de la unidad de aprendizaje y educación a distancia del IPN (1997-1999) y, anteriormente, fue coordinador de programa de postgrado de Ingeniería de Telecomunicaciones del Instituto Politécnico Nacional (ESIME-Zacatenco IPN - 1996-1997). Es profesor invitado en instituciones como el Tecnológico de Monterrey (ITESM), Instituto Tecnológico Autónomo de México (ITAM), entre otras.


Sesiones

27, 28 y 29 de Noviembre 2018HorariosFull Day

Costo$30,000.00 + I.V.A.

(treinta mil pesos) más I.V.A.

SEDE:Hotel Hilton Santa FeAntonio Dovalí Jaime #70, Zedec Sta Fé, C.P. 01219,

Ciudad de México

Marshall Alphonso es ingeniero senior en aplicaciones en MathWorks, se especializa en el área de finanzas cuantitativas. Tiene más de 7 años de experiencia en capacitar clientes en más de 250 compañías, incluyendo los más importantes hedge funds, bancos y otras instituciones financieras. Anteriormente, fue asesor del Director de Riesgos en McKinsey & Co. Investment Office, era responsable de diseñar e implementar el marco de liquidez del fondo, el marco de pruebas de estrés y una gran cantidad de herramientas cuantitativas en MATLAB de riesgos e inversiones, permitiendo la evaluación de exposiciones para riesgo y asignación.

Tiene el título de Licenciado en Ingeniería Eléctrica y Matemáticas de la Universidad Purdue y cuenta con la Maestría de Ingeniería Eléctrica de la Universidad de George Mason.

Marshall AlphonsoML & DS Expert

Opciones de pago• Residentes e instituciones establecidas en México

Transferencia o depósito bancario

Nombre: RiskMathics Financial Innovation, S.C.

Banco: BBVA Bancomer, S.A.

CLABE: 012180001649665030

Cuenta: 0164966503

• Residentes e instituciones establecidas en el extranjero

Transferencia bancaria en dólares

Banco: BBVA Bancomer, S.A.

Sucursal: 0956

SWIFT: BCMRMXMM

Nombre: RiskMathics Financial Innovation, S.C.

Cuenta: 012180001649665629

• Pago vía telefónicaTarjeta de crédito VISA, MASTERCARD o AMERICAN EXPRESS

• Pago en líneawww.riskmathics.com

NOTA IMPORTANTE: No hay reembolsos, ni devoluciones.

Registro e Inscripciones

teléfonos: (+52) 55 5536 4325 y (+52) 55 5669 4729

Email: [email protected]

Pregunta por nuestros

Sponsor Opportunities

y Media Partnerships

Media Partnership

key points* - amazon s3 · 2018-10-03 · (conferencia en inglés) conferencia en la cual se...

Documents