Curso de Modelaje Profesional

Lección 1 • Ética y Responsabilidad en el Modelaje

Cubre el sesgo, la transparencia y la rendición de cuentas cuando los modelos influyen en decisiones reales. Fundamenta la práctica profesional en estándares éticos.

Lección 2 • Panorama General de los Tipos de Modelaje

Examina modelos conceptuales, matemáticos, estadísticos y de simulación. Ayuda a los estudiantes a emparejar el tipo de modelo con el contexto del problema.

Lección 3 • Qué es el Modelaje y Por Qué es Importante

Define el modelaje y su propósito en todas las industrias. Establece el vocabulario compartido utilizado a lo largo del curso.

Lección 4 • Suposiciones y Simplificaciones

Explica cómo las suposiciones moldean el comportamiento del modelo y dónde las simplificaciones introducen riesgo. Los estudiantes aprenden a documentar y justificar cada suposición.

Lección 1 • Representaciones Matriciales y de Redes

Explica las matrices y las estructuras de grafos como representaciones compactas de modelos. Prepara a los estudiantes para los modelos de sistemas y redes en capítulos avanzados.

Lección 2 • Tasas de Cambio y Optimización

Cubre derivadas y conceptos de optimización sin requerir cálculo avanzado. Los estudiantes identifican máximos, mínimos y sensibilidad en las salidas del modelo.

Lección 3 • Álgebra Esencial para Modeladores

Revisa variables, ecuaciones y funciones como bloques de construcción del modelaje. Apoya directamente la construcción de fórmulas en capítulos posteriores.

Lección 4 • Fundamentos de Probabilidad e Incertidumbre

Introduce distribuciones de probabilidad, valor esperado y varianza. Proporciona la base para el modelaje estocástico presentado en capítulos posteriores.

Lección 1 • Identificación de los Requisitos de Datos

Mapea las entradas del modelo a los tipos y fuentes de datos requeridos. Previene fallos comunes causados por datos y diseño del modelo desalineados.

Lección 2 • Métodos de Recolección de Datos

Examina encuestas, experimentos, observación y recolección automatizada. Los estudiantes seleccionan los métodos apropiados para su contexto de modelaje.

Lección 3 • Gobernanza y Documentación de Datos

Establece estándares para la procedencia, el versionamiento y el control de acceso a los datos. Asegura la reproducibilidad y auditabilidad de las entradas del modelo.

Lección 4 • Análisis Exploratorio de Datos

Utiliza estadística descriptiva y visualización para comprender los datos antes del modelaje. Revela patrones, distribuciones y anomalías tempranamente.

Lección 1 • Lógica de Búsqueda y Condicional

Incorpora conmutación basada en reglas y búsquedas en tablas en los cálculos del modelo. Permite que los modelos manejen categorías discretas y reglas de política.

Lección 2 • Estructuración de un Modelo Determinístico

Define las entradas, los cálculos y las salidas en un diseño lógico. Una buena estructura reduce los errores y facilita la auditoría de los modelos.

Lección 3 • Auditoría del Modelo y Verificación de Errores

Aplica verificaciones sistemáticas para detectar errores de fórmula, enlaces rotos y fallos lógicos. La auditoría es un estándar profesional antes de compartir cualquier modelo.

Lección 4 • Modelos No Lineales y Basados en Razones

Extiende la lógica del modelo a relaciones multiplicativas, exponenciales y de razón. Captura dinámicas del mundo real que los modelos lineales no pueden representar.

Lección 1 • Selección y Validación del Modelo

Aplica criterios de información, validación cruzada y pruebas de exclusión para elegir el mejor modelo. Previene el sobreajuste y asegura la generalización.

Lección 2 • Modelos de Regresión Múltiple

Extiende la regresión a múltiples predictores y controla por confusión. Los estudiantes manejan la multicolinealidad e interpretan efectos parciales.

Lección 3 • Diagnóstico del Modelo y Suposiciones

Prueba la linealidad, homocedasticidad, normalidad e independencia de los residuos. Las violaciones se diagnostican y corrigen antes del uso del modelo.

Lección 4 • Variables Categóricas e Interacciones

Codifica predictores categóricos y modela efectos de interacción. Amplía el rango de problemas del mundo real que la regresión puede abordar.

Lección 1 • Dinámica de Sistemas y Bucles de Retroalimentación

Captura existencias, flujos y retroalimentación en sistemas dinámicos a lo largo del tiempo. Revela comportamientos contraintuitivos causados por retrasos y no linealidad.

Lección 2 • Introducción al Pensamiento Estocástico

Contrasta los enfoques determinísticos y estocásticos y explica cuándo se debe modelar la aleatoriedad. Motiva la simulación como una herramienta práctica.

Lección 3 • Simulación de Eventos Discretos

Modela sistemas como secuencias de eventos con colas, recursos y tiempos. Se aplica a la optimización de procesos y la planificación de capacidad.

Lección 4 • Análisis de Resultados de la Simulación

Aplica métodos estadísticos a los resultados de la simulación para obtener conclusiones válidas. Cubre períodos de calentamiento, duración de la ejecución e intervalos de confianza.

Lección 1 • Pruebas de Escenario y Estrés

Define escenarios coherentes y casos de estrés extremo para probar la robustez del modelo. Prepara los modelos para condiciones adversas e inesperadas.

Lección 2 • Conceptos y Estándares de Validación

Distingue verificación, validación y calibración y explica los estándares profesionales para cada una. Establece el listón de calidad para todas las salidas del modelo.

Lección 3 • Backtesting y Validación Histórica

Prueba las predicciones del modelo contra resultados históricos conocidos para medir la precisión. Revela sesgos sistemáticos y debilidades estructurales.

Lección 4 • Sensibilidad Global y Efectos de Interacción

Aplica métodos basados en la varianza para medir los efectos combinados de las entradas en la varianza de la salida. Captura interacciones que el análisis unidireccional omite.

Lección 1 • Visualización de Datos para Resultados del Modelo

Selecciona y diseña gráficos que representen con precisión las salidas del modelo y la incertidumbre. Las elecciones de visualización afectan directamente la interpretación de las partes interesadas.

Lección 2 • Estructuración de las Salidas del Modelo para las Audiencias

Adapta el formato y la profundidad de la salida a las partes interesadas técnicas y no técnicas. La comunicación efectiva determina si los conocimientos del modelo impulsan la acción.

Lección 3 • Documentación y Entrega del Modelo

Crea guías de usuario, especificaciones técnicas y registros de cambios para la entrega del modelo. La documentación asegura la continuidad cuando se transfiere la propiedad.

Lección 4 • Incorporación de Modelos en los Flujos de Trabajo

Integra modelos en los procesos de negocio a través de APIs, tableros o pipelines automatizados. La incorporación operativa maximiza el impacto del modelo.