Saltar navegación. Ir directamente al contenido principal

Sección de idiomas

ES

Fin de la sección de idiomas

Sección de utilidades

Agenda

Fin de la sección de utilidades

Actividades

Comienza el contenido principal

Aprendizaje automático para datos textuales y no estructurados

Ciencias Sociales Seminario Lunes, 19 a viernes, 23 de junio de 2023 Madrid

Organizado por:

Fundación Ramón Areces e IESE Business School

  • Descripción
  • Programa
 

 

 

 

 

               

 

 

 

  

 

 

 

Seminario: Aprendizaje automático para datos textuales y no estructurados

Fechas19 al 23 de junio de 2023.
SedesIESE Business School, campus de Madrid, Camino del Cerro del Águila 3, 28023 Madrid (19-22 de junio) y Fundación Ramón Areces, Vitruvio 5, 28006 Madrid (23 de junio
Idioma: Inglés.
CosteEl seminario (incluidos los almuerzos y la Cena de Gala del jueves) es gratuito. Los asistentes deberán cubrir sus gastos de viaje y alojamiento.
Participantes: Las plazas están limitadas a 50 participantes.

Descripción

Durante la última década, el uso de datos no estructurados ha crecido constantemente en economía y disciplinas relacionadas, con una rápida aceleración a raíz de COVID-19. Este seminario Machine Learning para datos textuales y no estructurados , organizado por el IESE y la Fundación Ramón Areces , tiene como objetivo introducir métodos de aprendizaje automático para el análisis de texto y datos no estructurados a una audiencia de académicos e investigadores en los campos de las finanzas, la economía y contabilidad.

Resumen de la estructura y los objetivos del curso:

  • Este curso comenzará con una descripción general de los desafíos y oportunidades de trabajar con tales datos con un enfoque en el lenguaje natural.
  • Primero revisamos métodos relativamente sencillos que operan con recuentos de palabras sin procesar en documentos antes de estudiar algoritmos de aprendizaje automático para la reducción de la dimensionalidad, que es un problema clave en el análisis de texto y datos no estructurados. Estos abarcan modelos de factores cuya estructura básica es similar a los métodos econométricos bien conocidos, así como modelos de redes neuronales que forman la base de gran parte del procesamiento moderno del lenguaje natural.
  • También mostramos cómo se pueden aplicar estas ideas a datos no textuales, como encuestas, imágenes y datos de escáner sobre compras de bienes.
  • Finalmente, discutiremos cómo se emplean estos métodos en la investigación empírica en economía, contabilidad y finanzas.
  • Los participantes también tendrán la oportunidad de presentar su propia investigación en un ambiente informal pero constructivo al final de cada día.

Profesores Raffaella Sadun.  Profesor de Administración de Empresas. Escuela de Negocios de Harvard y Esteban Hansen.  Profesor de Economía.  Colegio Universitario de Londres.

Directores académicosPietro Bonetti y Stefano Sacchetto de IESE Business School. 
Asistente de enseñanza Yabra Muvdi.

 

Información del seminario

Este seminario está dirigido a académicos e investigadores en los campos de las finanzas, la economía y la contabilidad. Si desea participar en este seminario, debe preinscribirse en línea a través del enlace antes del 31 de marzo de 2023 y cargar los siguientes documentos: 

  • Currículum Vítae (en inglés).
  • Declaración personal, en inglés, sobre por qué desea asistir al programa (máximo 400 palabras).

Las plazas están limitadas a 50 participantes para el programa de 5 días. A los candidatos seleccionados se les ofrecerá plaza por méritos propios por un Comité de Selección formado por representantes del IESE y de la Fundación Ramón Areces. Las decisiones finales serán comunicadas por el comité antes del 14 de abril.

Para cualquier duda sobre el programa o el proceso de inscripción, contáctanos en cif@iese.edu.

 

De lunes a viernes,  19-23 de junio

 

Fundación Ramón Areces, Vitruvio 5, 28006 Madrid (23 de junio)

IESE Business School, campus de Madrid, Camino del Cerro del Águila 3, 28023 Madrid (19-22 de junio)

Más información

  • Actividades relacionadas
  • Proyectos relacionados
  • Noticias relacionadas
  • Publicaciones relacionadas
  • Blog entradas relacionadas
  • Tesis relacionadas

ver todos

ver todos

Fin del contenido principal