Certificación acreditada que reconoce las aptitudes profesionales en Ciencia de Datos.

• Fundamentos teóricos.
• Aplicación práctica.
• Proyecto aplicado.

Diplomado enfocado en aplicar conocimientos financieros para una toma de decisiones consciente y efectiva empleando técnicas de evaluación financiera.

• Financiamiento.
• Valuación de empresas.
• Instrumentos financieros.
• Evaluación de proyectos de inversión.

Carrera en ciencia de datos donde pude adquirir habilidades para procesar, limpiar y resumir datos de manera eficiente. Asi como generar visualizaciones sencillas y relevantes sobre una gran cantidad de datos. También construir modelos estadísticos de Machine Learning y Deep Learning que permitan describir y predecir datos importantes para el entendimiento del negocio.

• Procesamiento de datos.
• Visualización de datos.
• Análisis algorítmico.
• Programación en diferentes lenguajes para procesar los datos.

Conocimientos estadisticos y probabilísticos con aplicación en las áreas se Seguros, Riesgo, Finanzas, Demografía, análisis y descripción de datos.

• Analísis y solución de problemas.
• Procesamiento de datos.
• Modelación estadística y de series de tiempo.
• Pensamiento matemático.

Científica de datos en la Institución financiera privada que ofrece una amplia variedad de productos y servicios financieros, en el área de Riesgos.

• Medir el desemepeño de todos los modelos utilizados en el área de Riesgo de crédito.
• Profundización de analísis estadísticos que expliquen el desempeño del modelo.
• Monitoreo del comportamiento de un modelo empleado para la gestión de reservas del banco.
• Traducción e interpretación de resultados del comportamiento del modelo para la toma de decisiones.
• Implementación de planes de acción que permitan aminorar el riesgo del deterioro de los modelos, permitiendo tener aprovechar los modelos sin asumir un riesgo por deterioro.

Consultora en Ciencia de datos en Algorithia, en el área de conocimiento al cliente y modelos transversales entre negocios.

• Manipulación de grandes bases de datos.
• Entendimiento de negocio.
• Contacto constante con el cliente para comprender sus necesidades.
• Proponer soluciones analíticas a los problemas de negocio.
• Implementación de modelos de Machine Learning en diferentes lenguajes de programación.
• Gestión de tablas insumo a ser consumidas en modelos.
• Genear estructura de datos necesaria y adecuada a las necesidades del modelo.
• Habilidades ETL.
• Comprensión matemática de los algoritmos.
• Propuestas de valor basadas en evidencia cientifica y matemática.
• Poner modelos en producción para ser accesibles al cliente.

Comercializadora de artículo tecnológicos en el área biomédica.

• Generar estadísticas representativas para administración de la empresa.
• Desarrollo de Dashboards para resumir información de la empresa.
• Gestionar base de datos de CRM.
• Elaboración de visualizaciones de información destacada.
• Interpretación de indicadores clave de desempeño.

Profesora asistente en la Facultad de Ciencias, aplicando conocimientos actuariales sobre demografía.

• Desarrollo de material digital.
• Planeación de actividades para aprendizaje.
• Impartir clases.

Realicé mi servicio social en el IIMAS junto a uno de los investigadores encargados del reconocimiento de voz.

• Investigación y aprendizaje de Deep Learning, especificamente redes neuronales.
• Investigación y comprensión de documentacion Nemo/Pytorch.
• Descarga y manipulacion de grandes bases de datos (clips de voz).
• Implementación del modelo Quartznet en servidores remotos.