Curso de Modelaje y Pasarela

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 de Tipos de Modelos

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 que se usa a lo largo del curso.

Lección 4 • Supuestos y Simplificaciones

Explica cómo los supuestos moldean el comportamiento del modelo y dónde las simplificaciones introducen riesgos. Los estudiantes aprenden a documentar y justificar cada supuesto.

Lección 1 • Representaciones Matriciales y de Red

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

Lección 2 • Tasas de Cambio y Optimización

Cubre conceptos de derivadas y optimización sin requerir cálculo avanzado. Los estudiantes identifican máximos, mínimos y sensibilidad en los resultados 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 que se presenta en capítulos posteriores.

Lección 1 • Identificar Requisitos de Datos

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

Lección 2 • Métodos de Recolección de Datos

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

Lección 3 • Gobernanza y Documentación de Datos

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

Lección 4 • Análisis Exploratorio de Datos

Usa 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 cambios basados en reglas y búsquedas en tablas en los cálculos del modelo. Permite que los modelos manejen categorías discretas y reglas de política.

Lección 2 • Estructurar un Modelo Determinista

Define entradas, cálculos y salidas en una disposición lógica. Una buena estructura reduce errores y facilita la auditoría de los modelos.

Lección 3 • Auditoría de Modelos 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 de Modelos

Aplica criterios de información, validación cruzada y pruebas de reserva 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 factores de confusión. Los estudiantes gestionan la multicolinealidad e interpretan efectos parciales.

Lección 3 • Diagnóstico de Modelos y Supuestos

Prueba linealidad, homocedasticidad, normalidad e independencia de los residuales. Las violaciones se diagnostican y corrigen antes de usar el modelo.

Lección 4 • Variables Categóricas e Interacciones

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

Lección 1 • Dinámica de Sistemas y Ciclos de Retroalimentación

Captura stocks, 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 determinista y estocástico 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 planificación de capacidad.

Lección 4 • Análisis de Resultados de Simulación

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

Lección 1 • Pruebas de Escenarios y Estrés

Define escenarios coherentes y casos de estrés extremo para probar la solidez 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 uno. Establece el nivel de calidad para todos los resultados 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 varianza para medir los efectos combinados de las entradas sobre la varianza de salida. Captura interacciones que el análisis unidireccional pasa por alto.

Lección 1 • Visualización de Datos para Resultados de Modelos

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

Lección 2 • Estructurar los Resultados del Modelo para las Audiencias

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

Lección 3 • Documentación y Transferencia del Modelo

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

Lección 4 • Integrar Modelos en Flujos de Trabajo

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