Las personas que hacen esto posible
No somos una empresa grande con cientos de empleados. Somos un equipo pequeño de especialistas que realmente saben de qué hablan cuando se trata de machine learning interpretable en finanzas.
Cada uno de nosotros ha trabajado con datos financieros reales, ha construido modelos que necesitaban explicarse a equipos de cumplimiento, y ha visto qué funciona y qué no cuando intentas aplicar ML en un entorno regulado. Eso es lo que compartimos en nuestros webinars: experiencia práctica, no teoría abstracta.
Nuestro equipo
Eira Seppälä
Pasó siete años en gestión de riesgos antes de dedicarse a enseñar. Conoce los problemas que enfrentan los equipos de modelado porque los vivió directamente: modelos que nadie entendía, auditorías complicadas, y la frustración de no poder explicar por qué tu algoritmo rechazó un préstamo.
- SHAP y LIME
- Riesgo crediticio
- Cumplimiento normativo
Tobias Viklund
Trabajó en un hedge fund donde construyó modelos de trading que necesitaban justificarse ante reguladores escépticos. Ahora enseña cómo hacer que los modelos complejos sean comprensibles sin sacrificar su rendimiento. Sus webinars incluyen ejemplos de código reales, no pseudocódigo de libro de texto.
- Modelos de trading
- Python aplicado
- Interpretabilidad local
Silja Magnúsdóttir
Implementó sistemas de detección de fraude en un banco nórdico donde cada predicción falsa podía costar miles de euros o hacer que los clientes legítimos se sintieran frustrados. Sabe exactamente cuánta interpretabilidad necesitas en producción versus en desarrollo.
- Detección de fraude
- Sistemas en producción
- Validación de modelos
Lorenz Kaufmann
Ayuda a equipos a pasar de notebooks de Jupyter a sistemas que funcionan en entornos corporativos reales. Ha visto todos los errores posibles al implementar interpretabilidad: cálculos demasiado lentos, explicaciones que nadie lee, dashboards que nadie usa.
- Arquitectura de sistemas
- Optimización de rendimiento
- Integración empresarial