• Blanca Varela, la luz más opaca
• Tania Ganitsky, ¿dónde nace la poesía?
• Yolanda Pantin, lo ínfimo palpable
• María Auxiliadora Álvarez, todo tipo de cortes

• Andrea Cote y el pulso del verso
• Idea Vilariño, el mundo mundo
• Miyó Vestrini, los monólogos
• Fátima Vélez, la sintaxis y la idea.

Taller de poemas de los participantes

• Generalidades del riesgo, paradigmas.
• ERM Sistema Integral de Gestión de Riesgos Corporativos.
• ISO 31000.
• Planeación estratégica y riesgo.
• Sistema administración de riesgos de liquidez, de mercado, de crédito y operativo.

• COSO.
• MIPG - MECI.
• COCO.
• CARDBURY.
• COBIT.

• Generalidades de riesgo operativo.
• Categorías de riesgo operativo.
• SARO: identificación, evaluación, gestión y seguimiento.
• Taller práctico: gestión de riesgo operativo.
• Evaluación del SARO.

• Generalidades del fraude:
  • Definición.
  • Factores.
  • Clasificación: corrupción, malversación de activos, corrupción, cibercrimen.
  • Perfil del defraudador.
• Generalidades de lavado de activos, financiación del terrorismo y armas de destrucción masiva.
  • Definiciones.
  • Implicaciones legales y delitos fuente del LAFT.
  • Efectos del lavado de activo en la economía colombiana.
  • Etapas del LAFT.
  • Organizaciones que lideran la lucha contra el LAFT.
  • SARLAFT y otros sistemas en Colombia.
  • Factores de riesgo.
  • Elementos.
  • Fases.
• Evaluación del SARLAFT.
• Evasión tributaria.
• Evasión y elusión.
• Implicaciones legales.
• Métodos de evasión.
• Lucha contra la evasión tributaria.

• Cibercrimen y sus categorías.
• Tipologías del cibercrimen.
• Seguridad de la información y ciberseguridad.
• Regulación colombiana de seguridad de la información y protección de datos.
• Normas internacionales de seguridad de datos: ISO 27001, PCI.

• Conceptos.
• Diferencias con otros tipos de auditoría.
• Perfil del auditor forense.
• Responsabilidad del auditor: NIA 240.
• Proceso de auditoría forense.
• Cadena de custodia.
• Desarrollo de la investigación: planeación, ejecución, investigación e informe.

• Métodos de investigación (método científico).
• Técnicas de investigación: entrevista, cuestionario, encuesta.
• Criminología ambiental.
• Informe de investigación

• Contexto general.
• Perfiles la investigación basada en análisis forense.
• Técnicas de análisis de datos para la identificación de transacciones anómalas.
• Aplicabilidad en la prevención y detección de fraudes financieros.
• Metodología para la investigación basada en datos.

• Conceptos básicos
• Variables
• Distribución de frecuencia para variables
• Gráficos
• Medidas de tendencia Central: media aritmética, mediana, moda
• Medidas de Posición: Percentiles
• Medidas de Dispersión: Rango, varianza, desviación estándar, coeficiente de variación
• Distribuciones de frecuencias conjuntas

• Teoría básica de conjuntos
• Experimentos aleatorios y espacio muestral
• Eventos, probabilidad de un evento
• Propiedades básicas de probabilidad
• Probabilidad condicional, independencia
• Teorema de Bayes
• Concepto de variable aleatoria
• Distribuciones discretas de probabilidad
• Distribuciones continúas de probabilidad
• Valor esperado de una variable aleatoria
• Varianza de una variable aleatoria
• Covarianza y correlación de variables aleatorias
• Algunas distribuciones de probabilidad
• Distribución discreta uniforme, binomial, hipergeométrica, Poisson y normal
• Teorema Central del Límite

• Introducción a la inferencia estadística
• Estimación de la media
• Error estándar de la media
• Tamaño de muestra
• Intervalo de confianza para la media en muestras pequeñas
• Intervalo de confianza para la proporción
• Tamaño de muestra
• Hipótesis estadística
• Prueba de una hipótesis estadística
• Pruebas relacionadas con una sola media (varianza conocida)
• Pruebas sobre una sola media (varianza desconocida)
• Pruebas relacionadas con proporciones

• Regresión lineal simple: Método de mínimos cuadrados
• Inferencia acerca de los coeficientes de regresión
• Regresión lineal múltiple
• Evaluación de los supuestos del modelo de Regresión Múltiple: normalidad, autocorrelación, heteroscedasticidad, multicolinealidad

• Conceptos de métodos multivariados estadísticos
• Análisis Factorial
• Análisis en componentes principales
• Análisis de correspondencias
• Análisis de conglomerados
• Análisis discriminante

• Conceptos de series de tiempo
• Modelos AR
• Modelos ARMA
• Modelos ARIMA

• Diferencias temporarias imponibles y deducibles
• Combinaciones de negocios
• Plusvalía
• Inversiones
• Pérdidas y créditos fiscales
• Información a revelar
• Diferencias entre NIC 12 y Sección 35 de NIIF para Pyme

• Generalidades
• ESF – Patrimonio
• ERI – Renta líquida
• Impuesto diferido
• Ingresos y facturación
• Activos fijos
• Diferencias entre residentes y no residentes
• Reportes

• Qué es el Machine Learning
• Tipos de Machine Learning: supervisado, no supervisado, y por refuerzo
• Preparación del entorno de trabajo (instalación de Python y las bibliotecas necesarias)
• Conceptos básicos de Python (sintaxis, variables, estructuras de datos)

• Carga de datos en Python
• Análisis exploratorio de datos
• Visualización de datos con Matplotlib y Seaborn
• Preprocesamiento de datos para el Machine Learning

• Regresión lineal
• Regresión logística
• Árboles de decisión
• Evaluación de modelos de Machine Learning

• Clustering
• K-means
• Agrupamiento jerárquico
• Reducción de dimensionalidad con PCA

• Introducción a las redes neuronales
• Perceptrón
• Redes neuronales multicapa
• Entrenamiento de redes neuronales

• Support Vector Machines (SVM)
• Gradient Boosting
• Random Forests
• Uso de GridSearchCV para la optimización de modelos

• Elección de un conjunto de datos
• Preprocesamiento de datos
• Selección de modelo
• Entrenamiento y evaluación del modelo
• Presentación de resultados

• Introducción a la visión por computadora y procesamiento de imágenes
• Introducción al procesamiento del lenguaje natural
• Aplicaciones de Machine Learning en el mundo real
• Consejos y trucos para el éxito en el Machine Learning