Lee las instrucciones de registro antes de diligenciar el formulario.

Nota: La apertura del programa está sujeta al logro del punto de equilibro de las personas pre-inscritas y su debida inscripción.

Objetivo general

Utilizar las reglas, principios y métodos de la Estadística Descriptiva, la Teoría de la Probabilidad y la Estadística Inferencial para el análisis cuantitativo y cualitativo de la información, que le permitan reducir el riesgo y la incertidumbre en la toma racional de decisiones en el ejercicio de la profesión y en las investigaciones que realice usando herramientas computacionales.

Objetivos específicos

• Proporcionar al estudiante los conceptos básicos necesarios de la estadística, como soporte para la toma de decisiones, de manera que le permita analizar y evaluar los distintos casos que se le presenten a diario en diversas aplicaciones.
• Desarrollar la capacidad analítica de los estudiantes para la interpretación de resultados y su aplicación.
• Manejar las funciones estadísticas de R con RStudio para su desarrollo con ejercicios prácticos
• Conocer la metodología de análisis estadístico computacional del entorno de programación y análisis estadístico R.
• Saber desarrollar un análisis conjunto de datos con R.

Público objetivo

Dirigido a estudiantes en ingeniería , estadística, o disciplinas afines, que tengan interés en adquirir habilidades en el análisis de datos para apoyar la toma de decisiones informadas en organizaciones públicas y privadas.

Contenido del Programa

Módulo I: Fundamentos de Analítica de Datos

• Unidad Temática 1: Introducción al Análisis de Datos

  • ¿Por qué visualizar los datos?
  • Percepción y visualización de datos.
  • Saber reconocer errores de visualización y presentación de datos.

• Unidad Temática 2: Tipos de Analítica de Datos

  • Analítica de datos descriptiva.
  • Analítica de datos diagnóstica.
  • Analítica de datos predictiva.
  • Analítica de datos prescriptiva.

• Unidad Temática 3: Analítica de Datos y Big Data

  • Analítica, IA y Big Data – Sinergia.
  • Diferencias entre Big Data, Analítica de Datos, BI, Data Mining y Data Warehouse.
  • Buenas prácticas de la Analítica de Datos y Big Data en el sector empresarial.

• Unidad Temática 4: Introducción al Aprendizaje Automático

  • Tipos de aprendizaje automático, conceptos básicos, tipos de atributos.
  • Flujo de un proyecto de aprendizaje automático.
  • Validación de modelos: tasas de error, matriz de confusión, curvas ROC y validación.
  • Cruzada.
  • Regresión lineal, regresión logística.
  • Vecinos próximos en clasificación y regresión.
  • Sesgo y varianza. Maldición de la dimensionalidad.

• Unidad Temática 5: Preprocesado de Datos

  • Construcción de la base de datos; tratamiento de múltiples fuentes.
  • Preparación de la base de datos.
  • Distribución de las variables.
  • Reducción de la dimensionalidad. Selección de variables. Extracción de variables.
  • Información no estructurada; casos prácticos.

Módulo II: Estadística Computacional

• Unidad Temática 1 Estadística Descriptiva

  • Análisis y descripción de datos.
  • Distribuciones de frecuencia.
  • Gráficas, medidas de tendencia central y medidas de dispersión.

• Unidad Temática 2 Probabilidades

  • Definición.
  • Probabilidad condicional.
  • Variable aleatoria.
  • Distribuciones de probabilidad.

• Unidad Temática 3 Computación Estadística y Estadística Computacional

  • Evolución histórica.
  • El entorno de programación y análisis R.
  • El lenguaje de programación R Estructuras de datos Libros (packages) de R.
  • Metodología del análisis estadístico Depuración de datos Métodos gráficos.
  • Programación con R.
  • Estructuras de programación.
  • Algoritmos Estructuras de programación en R.
  • Creación de funciones propias.
  • Aplicaciones.
  • Elaboración de informes de resultados.

• Unidad Temática Trabajo Aplicativo

Módulo III: Inteligencia de Negocios

• Unidad Temática 1 Inteligencia de Negocios

  • Estrategia empresarial basada en el análisis de información.
  • Predicción de futuro basado en datos.
  • BI y la toma de decisiones.
  • Cuadros de mando
  • Herramientas de BI para Big data.

• Unidad Temática 2 Bodegas de Datos

  • Objetivos y componentes.
  • Ciclo de vida.
  • Modelamiento, diseño lógico y físico.

• Unidad Temática 3 Análisis de Resultados

  • Clusterización.
  • Asociación
  • Clasificación y Regresión.
  • Otros métodos de análisis.
  • Reportes.
  • Proyecciones.

• Unidad Temática 4 Estándares Nacionales e Internacionales para la Presentación de Trabajos Escritos

  • Normas ICONTEC para la presentación de trabajos escritos.
  • Normas APA para la presentación de trabajos escritos.

Certificación

Se dará constancia a las personas que cumplan con el 80 % de asistencia horaria y que hayan desarrollado los ejercicios y prácticas propuestas dentro del curso.

INGRESA AL SISTEMA DE PRE-INSCRIPCIONES