Desde siempre la información tuvo un papel muy importante en la toma de decisiones de inversión, en el último tiempo las noticias y las redes sociales empezaron a formar parte de estos análisis. Para procesar estos datos de manera más rápida y acertada, el software junto con la ciencia de datos, cumplen un rol cada vez más importante en el mundo financiero.

– ¿Podemos encontrar correlaciones en los indicadores financieros y el precio de la Acción?
– ¿Qué estrategias se utilizan para tomar decisiones con estos datos?
– ¿Qué algoritmos encontramos que funcionan mejor a la hora de clasificar sentimiento en lasnoticias financieras?
– ¿Podemos encontrar la entidad a la que se refiere una noticia y el sentimiento positivo o negativo utilizando solo el título de la noticia? ¿Cuánta precisión se pierde?
– ¿Qué patrones podemos encontrar dentro del lenguaje de las noticias financieras, que nos pueda aportar valor al momento de tomar decisiones financieras?
– ¿Qué patrones podemos encontrar en las noticias para mejorar los modelos de clasificación?

Si querés inspeccionar el conjunto de datos, lo encontrarás en https://drive.google.com/drive/folders/1-ZESpyeLrORGuuxY5HwwHoaq3FPTw9N2

Entrega 20/05 – Práctico de análisis y visualización,

– Se aprenderá a extraer medidas de tendencia central y medidas de dispersión, luego se visualizarán los diferentes índices financieros.
– Se verificará la cantidad de noticias x año
– Se visualizará la correlación entre indicadores
– Se observaran los gráficos generados, y sacar conclusiones de estos

Entrega 17/06 – Práctico de análisis exploratorio y curación de datos,

– Se verán los indicadores y las relaciones entre estos.
– Se aprenderá a trabajar en un repositorio git de manera colaborativa.
– Se analizaran outliers de los indicadores y de las noticias y cómo debemos trabajar con estos.
– Se curarán los datos de texto, utilizando lematización, stop-words, puntuaciones, mayúsculas, etc.

Entrega 24/06 – Video de presentación intermedia del proyecto y dataset.
Entrega 29/07 – Práctico aprendizaje supervisado,

– Se aprenderá a utilizar la herramienta scatter_matrix, y veremos correlaciones entre indicadores
– Se verán embeddings para representar palabras de las noticias.
– Se aprenderá a preparar los datos para entrenar modelos de clasificación.
– Se probarán diferentes algoritmos para clasificar noticias en positivas, negativas, neutrales.
– Se utilizará la herramienta GridSearch para encontrar parámetros óptimos a la hora de entrenar modelos.
– Se estudiarán las métricas para evaluar los modelos.

Entrega 26/08 – Práctico aprendizaje no supervisado,

– Se graficarán embeddings, y se utilizarán algoritmos de clusterización en noticias.
– Se utilizará un análisis de componentes principales para reducir la dimensionalidad de los indicadores financieros.

Entrega 23/09 – Video de presentación final de mentoría.
Jornadas 11/11 y 12/11 – Presentación de mentorías.