Cómo ser Matemático

9:00 — El matemático trabaja en el departamento de riesgo de una entidad bancaria. Está revisando el modelo de credit scoring de clientes particulares: el modelo actual tiene sesgos identificados en ciertos segmentos de clientes jóvenes.

10:00 — Análisis de datos: el matemático carga el dataset de créditos históricos, aplica técnicas de equidad algorítmica (fairness-aware machine learning) y evalúa distintas métricas de sesgo. Usa Python con scikit-learn y un notebook bien documentado.

12:00 — Reunión con el área de riesgos: presentación del diagnóstico. El director de riesgos pregunta por las implicaciones regulatorias del modelo actual (Directiva EU de IA, Basel III). El matemático explica los trade-offs entre precisión del modelo y equidad.

14:00 — Otro matemático del mismo equipo trabaja en el área de seguros: modela la distribución de siniestros de un nuevo producto de seguro de hogar usando distribuciones de colas pesadas (Pareto, Weibull). La correcta estimación del VaR (Value at Risk) es crítica para el pricing del producto.

16:00 — Artículo de investigación aplicada: el matemático está escribiendo un paper sobre modelos de grafos para detección de fraude en redes de transacciones. Colabora con un investigador de la Universidad Complutense.

18:00 — Sesión de mentoring con una alumna de Matemáticas que está haciendo prácticas. El matemático le explica cómo conectar los modelos que estudia en la universidad con los problemas reales de la empresa.