Cursos de la Escuela de Invierno

Winter School 2026

INSCRIPCIONES

Desde 16 de Junio

Horas:

24 Horas lectivas

duración:

10 Agosto -13 Agosto

informes:

qlab_csociales@pucp.edu.pe

INSCRIPCIONES BROCHURE

Dirigido:

Estudiantes y egresado de la comunidad PUCP, la Diplomatura de Especialización en Ciencia de Datos para las CCSS y Gestión Publica, maestrías de Economía, Regulación de Servicios Públicos y de la Escuela de Gobierno. Catedráticos de la Red Peruana de Universidades (RPU).

SUMILLA:

La Escuela de Invierno busca preparar a los estudiantes y egresados para enfrentar desafíos contemporáneos en sus respectivos campos, equipándolos con herramientas metodológicas avanzadas y brindando un acceso directo a datasets relevantes. Para tal fin, se ha buscado abarcar los distintos perfiles académicos de los asistentes con los siguientes 3 cursos:

- Assessing Ideological Stances and Biases in Generative LLMS (Joan Timoneda, Profesor Asistente en Purdue University)

- An Introduction to Debiased Machine Learning (Amilcar Velez, Profesor Asistente en Cornell University)

- Structural Econometrics in Labor Economics: Selection, Heterogeneity and Policy Evaluation (Sergio Uzúa, Profesor en University of Maryland)

Profesores:

Joan Timoneda

Ph.D. por la University of Maryland at College Park.

Ph.D. y M.A. por la University of Maryland, College Park, MPhil por la University of Oxford y B.A. por Arizona State University. Actualmente se desempeña como Assistant Professor en el Department of Political Science de Purdue University. Su investigación combina ciencia política, metodología computacional y análisis de texto, con especial atención al uso técnico y aplicado de grandes modelos de lenguaje en la investigación social y política.

Amilcar Velez

Ph.D. por la Northwestern University.

Ph.D. in Economics por la Northwestern University, M.A. in Economics por la misma casa de estudios, M.Sc. in Mathematics por la IMPA Brasil y B.A. in Economics por la Pontificia Universidad Católica del Perú. Actualmente se desempeña como Assistant Professor en el Department of Economics en Cornell University. Entre sus publicaciones destacan trabajos sobre justicia algorítmica (estadística), machine learning sin sesgo (Debiased Machine Learning - DML), inferencia usando proyecciones locales e identificación e inferencia para efectos de tratamiento en experimentos estratificados.

Sergio Urzúa

Ph.D. por la University of Chicago.

Ph.D. in Economics por la University of Chicago y B.A. in Economics por la University of Chile. Actualmente se desempeña como Professor of Economics en la University of Maryland. Previamente fue Assistant Professor en Northwestern University, y mantiene afiliaciones de investigación con instituciones como NBER, IZA, RIDGE y Clapes-UC.