Inteligencia Artificial y Machine Learning


Bienvenida

Competencia


Determina los fundamentos del machine learning y la inteligencia artificial como herramientas fundamentales en las finanzas digitales para la toma de decisiones.

Contenido


Pasa el cursor sobre la imagen para ingresar a los temas.


Actividad integradora


Competencia de la credencial:

Determina los fundamentos del machine learning y la inteligencia artificial como herramientas fundamentales en las finanzas digitales para la toma de decisiones.

Instrucciones:

Como asesor financiero deseas realizar un análisis con base en el uso de las criptomonedas como una opción para recomendar a tus clientes, para ello:

  1. Escoge una criptomoneda y descargar el valor histórico respecto a otra criptomoneda (por ejemplo, Ethereum vs. USDT). Para facilitar la descarga y manipulación de información, descarga aquí herramientas en Python.
  2. Utilizando la información disponible en la API de Binance escoge un tipo de cambio (“trading pair”) para monitorear el valor de esta criptomoneda en la empresa.
  3. Explica por qué es relevante esta criptomoneda para la empresa seleccionada y las estrategias financieras derivados del uso de esta criptomoneda.
  4. Desarrolla una implementación de código en Python para descargar la información histórica de la criptomoneda.
    1. La descarga de la información debe ser automatizada; se utilizarán como mínimo 1000 observaciones históricas en la serie de tiempo.
    2. Justifica el tamaño de los intervalos de acuerdo con el contexto de algún negocio que elijas y la conveniencia de ello.
  5. Selecciona una empresa, de cualquier giro y tamaño y realiza un análisis exploratorio de los datos, esencial para determinar el valor que le interesa a la empresa pronosticar de los valores disponibles. Se deberá justificar la decisión con una investigación propia.
  6. Determina una estrategia de partición de datos considerando que la información tiene un carácter temporal. Como mínimo separar en dos conjuntos de datos (entrenamiento y prueba).
  7. Justifica la estrategia de partición de datos y muestra el código utilizado.
    1. Hint: Tomar en consideración un conjunto llamado OOT (por sus siglas en inglés).
  8. Desarrolla un algoritmo de predicción para pronosticar el valor del criptoactivo en el siguiente periodo.
  9. Explica el algoritmo utilizado, el cual debe ser de carácter no lineal.
  10. Desarrolla un modelo de referencia lineal para usarlo como punto de comparación.

Preguntas clave de referencia:

    1. ¿Cuál es el algoritmo no-lineal utilizado?
    2. ¿Cuál es la combinación de hiper-parámetros utilizados y cuál fue el criterio para elegirlos?
    3. ¿Cuál es el rendimiento del algoritmo no-lineal y el algoritmo de referencia en los diferentes conjuntos de datos?
    4. El algoritmo de aprendizaje automático permite hacer predicciones del valor del criptoactivo en el siguiente periodo. ¿Qué puedes hacer para generar predicciones para dos, tres, o más períodos en el futuro?
  1. Elabora una conclusión con base en los resultados, tomando los resultados de las secciones anteriores y explicar cómo es posible utilizar el modelo desarrollado en la estrategia financiera de la empresa seleccionada.

Criterios de evaluación:

  1. Escoge una criptomoneda y realiza la indagación histórica del valor de dicha criptomoneda.
  2. Escoge un tipo de cambio (“trading pair”) para monitorear el valor de esta criptomoneda.
  3. Explica por qué es relevante la criptomoneda para la empresa y define sus estrategias financieras.
  4. Desarrolla una implementación de código en Python para descargar la información histórica de la criptomoneda.
  5. Escoge una criptomoneda y descarga el valor histórico con respecto a otra criptomoneda. Así, también explica la importancia de la criptomoneda seleccionada para la empresa.
  6. Desarrolla una implementación de código en Python para descargar a información histórica de la criptomoneda, justificando el tamaño de los intervalos.
  7. Selecciona una empresa de cualquier giro y tamaño, genera el valor exploratorio de los datos, determina el valor que le interesa a la empresa y pronostica los valores disponibles.
  8. Determina una estrategia de partición de datos considerando que la información tiene un carácter temporal.
  9. Separa como mínimo en dos conjuntos de datos (entrenamiento y prueba).
  10. Justifica la estrategia de partición de datos y muestra el código utilizado.
  11. Desarrolla un algoritmo de predicción para pronosticar el valor del criptoactivo en el siguiente periodo.
  12. Elabora una conclusión con base en los resultados, tomando los resultados de las secciones anteriores.
  13. Explicar cómo es posible utilizar el modelo desarrollado en la estrategia financiera de la empresa seleccionada.