También incluida en Especialización en Riesgo de Crédito
Inicio 23 nov 2026
23, 25 y 30 de noviembre; 2, 7, 9, 14 y 16 de diciembre de 2026
Lunes y miércoles, 20:00 a 21:20 hora de Chile
Inscripciones abiertasCurso individualValidación, gobierno y riesgoOnline en vivo
Validación y Monitoreo de Modelos de Riesgo de Crédito
Evalúa si un modelo discrimina, calibra y se mantiene estable; define alertas y documenta cuándo puede seguir operando o necesita ajustes.
Inscribirme en este curso
Inversión
$179.990 CLP
US$215 para pagos internacionales
IVA incluido.
Primero completas los datos del estudiante y después eliges Mercado Pago, PayPal cuando esté disponible o transferencia.
Ciclo de validación
01
Desafiar
Diseño, datos, supuestos, uso y limitaciones.
02
Medir
Discriminación, calibración, estabilidad y drift.
03
Concluir
Hallazgos, umbrales, remediación y seguimiento.
Validar no es repetir métricas: es reunir evidencia suficiente para sustentar una decisión sobre el uso del modelo.
Compra individual · Fecha principal
23, 25 y 30 de noviembre; 2, 7, 9, 14 y 16 de diciembre de 2026
Puedes comprar este curso por separado. No exige seguir los cursos anteriores de la especialización.
Matrícula de especialización · Ruta completa
Generación 2 · 23 nov–16 dic 2026
El mismo curso también forma parte de Especialización en Riesgo de Crédito. Cuando eliges una cohorte compartida, las clases, cupos y aula son los mismos.
Ver ruta y calendario completoPróxima fecha
23, 25 y 30 de noviembre; 2, 7, 9, 14 y 16 de diciembre de 2026
Horario
Lunes y miércoles, 20:00 a 21:20 hora de Chile
Duración
16 horas 40 minutos de dedicación estimada
Inversión
$179.990 CLP · US$215
Carga académica real
Las competencias requieren práctica entre clases.
16 horas 40 minutos de dedicación estimada: 10 horas 40 minutos online en vivo y 6 horas de validación guiada con RiskLib.
Conocimientos de entrada
Requiere comprender los fundamentos de un modelo de riesgo de crédito o haber cursado Modelador. No necesitas llevar un modelo propio: se entrega un caso preparado.
Entregable aplicado
Un informe de validación y un monitor reproducible sobre un modelo preparado, con pruebas, umbrales, hallazgos, anexos y plan de remediación.
Python + Nikodym RiskLib
Las pruebas y la documentación nacen de la misma corrida.
RiskLib permite reproducir métricas, estabilidad y evidencia sin reconstruir manualmente cada anexo del informe.
AUC, Gini, KS y calibración
PSI, CSI, drift y backtesting
Tablas, gráficos y anexos reproducibles
Model card, audit trail e informe editable
La librería ejecuta y documenta. El alcance, los umbrales, la severidad de los hallazgos y la conclusión de uso siguen siendo decisiones profesionales.
Respaldo académico
Programa diseñado y operado por Academia Bayes. Operación comercial: NEXO LABS SPA · RUT 78.197.007-7.
Modalidad
Clases online en vivo con fechas y horario informados.
Aula y materiales
Acceso privado a enlaces, materiales y grabaciones cuando la edición las incluya.
Certificación
Certificado según las condiciones de participación de la edición.
Inscripción individual
Elige la fecha en que quieres tomar este curso.
La compra cubre solo este curso. Si una fecha también forma parte de una especialización, los estudiantes comparten la misma cohorte, clases, cupos y aula.
Máximo 25 estudiantes por cohorte
Aplicaciones
Evaluar desempeño, estabilidad y capacidad de decisión.
El curso conectará pruebas estadísticas, revisión metodológica y gobierno para concluir qué hacer con un modelo en producción.
01
Validación independiente
Revisar diseño, datos, supuestos, desempeño y limitaciones sin limitarse a repetir el análisis del equipo desarrollador.
02
Monitoreo periódico
Controlar discriminación, calibración, estabilidad y calidad de datos mediante umbrales, semáforos y alertas reproducibles.
03
Recalibración o reemplazo
Distinguir una desviación temporal de un deterioro material y sustentar si corresponde mantener, ajustar o reemplazar el modelo.
04
Comité, auditoría y seguimiento
Convertir resultados técnicos en hallazgos priorizados, responsables, plazos y evidencia útil para la toma de decisiones.
Contenido previsto
De la revisión metodológica al informe de validación
Una ruta aplicada para planificar, ejecutar y documentar una validación completa, con pruebas reproducibles en Python.
Pensado para
Profesionales de validación, riesgo, modelos, datos, auditoría o gobierno.
Equipos que necesitan monitorear modelos productivos y sustentar decisiones de continuidad o recalibración.
Personas que quieren pasar de calcular métricas aisladas a ejecutar una validación reproducible.
Marco y plan de validación
Alcance, materialidad, independencia, inventario, criterios de aceptación y evidencia requerida.
Revisión de diseño y datos
Definición de default, población, ventanas, muestras, representatividad, calidad y fuga de información.
Discriminación y ordenamiento
AUC, Gini, KS, bandas de riesgo y concentración sobre un modelo y muestras previamente definidos.
Calibración
Predicción frente a observación, curvas de calibración, pruebas estadísticas, tolerancias y excepciones.
Backtesting y umbrales
Comparación temporal, desempeño observado, umbrales de aceptación y tratamiento de excepciones.
Estabilidad y drift
PSI, CSI, drift de variables y resultados, alertas, periodicidad y criterios de escalamiento.
Hallazgos y remediación
Severidad, limitaciones, acciones correctivas, responsables, plazos y seguimiento.
Informe final y plan de monitoreo
Integración de evidencia, conclusión de uso, monitor reproducible y entrega del informe de validación.
Enfoque profesional
Cada conclusión necesita prueba, umbral y evidencia
Un resultado técnico se vuelve gestionable cuando está asociado a un criterio de aceptación, una acción y un responsable.
Criterios y umbrales definidos antes de observar los resultados.
Datos, código, muestras y evidencias versionados.
Hallazgos con severidad, responsable, plazo y estado.
Decisiones de continuidad o ajuste sustentadas y aprobadas.
Resultado esperado
Diseñar un plan de validación proporcional al uso y riesgo del modelo.
Implementar pruebas de desempeño y estabilidad en Python.
Construir un monitor con umbrales, alertas y criterios de escalamiento.
Preparar un informe de validación con hallazgos y plan de remediación.
Inscripciones abiertas
Reserva tu cupo en esta edición.
Completa tus datos, elige tu forma de pago y conserva el código de inscripción. El acceso al aula se habilita cuando el pago queda confirmado.
Inversión
$179.990 CLP
US$215 para pagos internacionales. El medio exacto disponible se mostrará antes de salir de Academia Bayes.
IVA incluido.
Preguntas frecuentes
Antes de inscribirte
La fecha, el horario y el valor están definidos. Antes de pagar verás el resumen completo de tu inscripción.
¿Ya hay fecha y precio?
Sí. Puedes comprar Validación como curso individual para la edición del 23 de noviembre al 16 de diciembre de 2026. Esta misma cohorte de ocho clases recibe a estudiantes individuales y de ambas generaciones de la Especialización en Riesgo de Crédito.
¿Registrarme implica pagar?
Completar tus datos no genera un cobro automático. En el paso siguiente eliges el medio de pago y el cupo se confirma una vez aprobado o verificado el pago.
¿Necesito tener un modelo propio?
No. Trabajaremos con un caso y resultados preparados para recorrer el proceso completo. Si ya trabajas con modelos, podrás trasladar los criterios a tu contexto.
¿En qué se diferencia del curso Modelador de Riesgo de Crédito?
Modelador se concentra en diseñar y construir un modelo. Este curso parte desde una función de revisión independiente: desafía supuestos, ejecuta pruebas, monitorea el desempeño y concluye si el modelo puede seguir utilizándose.
¿Está orientado a un regulador específico?
No. El curso desarrolla principios, pruebas y evidencias aplicables internacionalmente. Cada institución debe adaptar el marco a su regulación, políticas y materialidad.
¿Cuánto trabajo requiere realmente el curso?
16 horas 40 minutos de dedicación estimada: 10 horas 40 minutos online en vivo y 6 horas de validación guiada con RiskLib. El entregable aplicado es un informe de validación y un monitor reproducible sobre un modelo preparado, con pruebas, umbrales, hallazgos, anexos y plan de remediación.