Llamar Cómo llegar Página web

AMAT AMAT es una empresa con 20 años de experiencia en capacitación orientada a las matemáticas aplicadas y uso de sistemas.

+ 15 años de preparación SoA | +500 aprobados (SoA), Certificación CONAC/CNSF, Entrenamiento práctico para alumnos y corporativos: resultados medibles.

22 años de experiencia en capacitación orientada a las matemáticas aplicadas y uso de sistemas. Surge a partir de una innegable necesidad de impartir educación de calidad con la finalidad que un Actuario o de carrera afín, al egresar de su carrera, pueda incorporarse fácilmente al mercado laboral, y posteriormente, continuar actualizándose en temas técnicos, normativos y de sistemas. Toda esta experiencia adquirida con los años ha contribuido a que al día de hoy, más de 7,000 alumnos, tanto en su etapa de estudiantes como de profesionistas, nos sigan recomendando como la mejor escuela de capacitación actuarial. Hoy más que nunca, nuestros cursos cuentan con estrictos estándares de calidad y son impartidos por profesionistas especializados en el área. Todo nuestro personal docente cuenta con certificaciones tanto por parte del Colegio Nacional de Actuarios (CONAC) como de la Society of Actuaries (SoA), entre otras, así como estudios de posgrado.

Aquí no hay cuenta interminable, el reto está en justificar la respuesta.Hazlo sin IA primero. No respondas por costumbr...
26/09/2026

Aquí no hay cuenta interminable, el reto está en justificar la respuesta.

Hazlo sin IA primero.
No respondas por costumbre, demuéstralo.

Una serie puede verse estable y, aun así, cambiar justo en las propiedades que sostienen un modelo.La estacionariedad ob...
25/09/2026

Una serie puede verse estable y, aun así, cambiar justo en las propiedades que sostienen un modelo.

La estacionariedad obliga a mirar más allá de la gráfica: nivel, variabilidad y relación entre rezagos deben conservar una estructura suficientemente consistente para que el modelo no aprenda patrones que solo pertenecen a una etapa del pasado.

Por eso diagnosticar antes de ajustar no es un trámite. Es lo que permite distinguir dependencia temporal de tendencia, estacionalidad o cambios que todavía no han sido tratados.

Cuando la serie no cumple las condiciones que el modelo necesita, transformar puede ser parte del proceso. Pero la transformación no se da por válida por costumbre: después hay que volver a revisar qué estructura quedó.

En Series de Tiempo: Forecasting se trabaja esta lectura desde el diagnóstico de la serie hasta la construcción de modelos como ARIMA y SARIMA, entendiendo qué necesita el dato antes de pronosticar.

Online en vivo
🔗 https://www.amat.mx/courses-1/curso-de-series-del-tiempo-forecasting

En una serie de tiempo, dos observaciones separadas por varios periodos pueden seguir relacionadas.Esa dependencia es pr...
25/09/2026

En una serie de tiempo, dos observaciones separadas por varios periodos pueden seguir relacionadas.

Esa dependencia es precisamente lo que busca medir la autocorrelación: cuánto de la estructura pasada permanece visible cuando la serie avanza.

La ACF permite observar ese comportamiento por rezagos. Si la relación persiste, la serie conserva información temporal que un modelo no debería ignorar. Si desaparece rápidamente, la lectura cambia.

Por eso revisar autocorrelación no es un trámite previo al modelado. Ayuda a distinguir estructura de ruido y a entender qué tipo de dependencia temporal está presente antes de especificar modelos como ARIMA o SARIMA.

En Series de Tiempo: Forecasting trabajarás autocorrelación, autocorrelación parcial, estacionariedad y modelado de dependencia temporal para construir pronósticos con una lectura estadística más sólida de la serie.

Online en vivo
🔗 https://www.amat.mx/courses-1/curso-de-series-del-tiempo-forecasting

Un reloj mecánico parece un objeto cotidiano, pero detrás de cada segundo hay un problema de modelación bastante más int...
25/09/2026

Un reloj mecánico parece un objeto cotidiano, pero detrás de cada segundo hay un problema de modelación bastante más interesante de lo que aparenta.

Razones de transmisión, periodicidad, ecuaciones diferenciales y sensibilidad a pequeñas perturbaciones terminan trabajando juntas para que un movimiento repetitivo pueda convertirse en una referencia temporal.

La precisión no aparece porque el mecanismo “se mueva bien”, sino porque ese movimiento conserva una regularidad suficiente durante miles de ciclos.

Mirar un reloj desde las matemáticas cambia la pregunta: ya no es solo cómo funciona, sino qué condiciones deben cumplirse para que repetir un movimiento termine produciendo una medida confiable del tiempo.

Elegir una IA por costumbre puede ser tan poco eficiente como usar la misma herramienta para todos los trabajos.Una tare...
24/09/2026

Elegir una IA por costumbre puede ser tan poco eficiente como usar la misma herramienta para todos los trabajos.

Una tarea puntual puede resolverse con un modelo y una buena instrucción. Si necesitas información específica, quizá haga falta contexto o recuperación. Si el proceso tiene pasos definidos, entran los workflows y las herramientas. Y cuando el sistema debe decidir cómo avanzar y ejecutar acciones, hablamos de agentes.

La diferencia está en dejar de preguntar “¿qué IA uso?” y empezar a pensar “¿qué arquitectura resuelve mejor este problema?”

En Inteligencia Artificial Aplicada aprenderás a trabajar con modelos, contexto, herramientas, Python y agentes aplicados a procesos reales de trabajo.

El prompt importa, pero no trabaja solo.Cuando una tarea depende de datos, herramientas, ejemplos, reglas o del estado p...
24/09/2026

El prompt importa, pero no trabaja solo.

Cuando una tarea depende de datos, herramientas, ejemplos, reglas o del estado previo de un proceso, la calidad de la respuesta también depende de qué contexto recibe el modelo y en qué momento.

Por eso, trabajar mejor con IA no consiste en acumular información dentro de una instrucción. Consiste en seleccionar lo que realmente aporta señal, eliminar ruido y dar acceso a lo necesario para avanzar.

Ese cambio de enfoque es clave para pasar de usar IA de forma aislada a construir procesos más sólidos.

En Inteligencia Artificial Aplicada aprenderás a llevar esa lógica a problemas reales de trabajo mediante automatización, Python y agentes de IA.

Un dotal puro parece simple: el beneficio se paga si la persona asegurada sigue con vida al final del plazo.Pero actuari...
24/09/2026

Un dotal puro parece simple: el beneficio se paga si la persona asegurada sigue con vida al final del plazo.

Pero actuarialmente, ese pago futuro depende de dos piezas inseparables: cuánto vale hoy y qué probabilidad existe de que llegue a realizarse.

Por eso su valoración no consiste solo en descontar dinero en el tiempo. También incorpora supervivencia, edad y horizonte de cobertura dentro de una misma medida.

Una fórmula breve para una condición bastante precisa: el beneficio existe únicamente si el plazo y la supervivencia coinciden.

Consolidar archivos de distintas sucursales, áreas o periodos no debería convertirse en una rutina de abrir, copiar, peg...
23/09/2026

Consolidar archivos de distintas sucursales, áreas o periodos no debería convertirse en una rutina de abrir, copiar, pegar y corregir cada vez que llega nueva información.

Con Power Query es posible definir un flujo que conecte archivos de estructura compatible, aplique transformaciones consistentes y reúna los datos en una sola base lista para analizar.

En Excel Avanzado trabajamos este tipo de procesos para reducir tareas repetitivas y construir análisis que puedan mantenerse y actualizarse con mayor control.

📅 Iniciamos 1 de octubre de 2026
💻 Online en vivo
🔗 https://www.amat.mx/courses-1/curso-de-excel-avanzado

En Excel Avanzado trabajamos la construcción de dashboards e indicadores para concentrar métricas relevantes, comparar p...
23/09/2026

En Excel Avanzado trabajamos la construcción de dashboards e indicadores para concentrar métricas relevantes, comparar periodos, identificar tendencias y detectar desviaciones con una lectura más rápida de la información.

El objetivo no es llenar una hoja de gráficas, sino construir una vista que realmente ayude a seguir resultados y entender qué está cambiando.

📅 Iniciamos 1 de octubre de 2026
💻 Online en vivo
🔗 https://www.amat.mx/courses-1/curso-de-excel-avanzado

Antes de entrenar un modelo, conviene entender qué está pasando con los datos.Dónde se concentran, cuánto se dispersan, ...
23/09/2026

Antes de entrenar un modelo, conviene entender qué está pasando con los datos.

Dónde se concentran, cuánto se dispersan, cómo se mueven dos variables juntas, qué tan fuerte es una asociación lineal y qué ocurre cuando llevamos distintas escalas a un terreno comparable.

Cinco ideas básicas, sí. Pero también cinco puntos donde suelen aparecer errores de interpretación.

La siguiente parte entra en modelado y clasificación: regresión lineal, regresión logística, Bayes, Softmax y distancia euclidiana.

Dirección

San Miguel Chapultepec

Horario de apertura

Lunes 7am - 9pm
Martes 7am - 9pm
Miércoles 7am - 9pm
Jueves 7am - 9pm
Viernes 7am - 9pm
Sábado 7am - 9pm
Domingo 7am - 9pm

Teléfono

+525555440751

Página web

Notificaciones

Sea el primero en enterarse: le enviaremos un correo electrónico cuando AMAT publique novedades y promociones. Su dirección de correo electrónico no se utilizará para ningún otro fin y puede darse de baja en cualquier momento.

Atajos

Compartir

Categoría