Diplomado Científico de Datos con Software R
¿A quién va dirigido?
Este diplomado va dirigido a investigadores, ingenieros, PhDs, doctorandos, estudiantes de maestría, estudiantes de licenciatura y profesionistas de las áreas de las Ciencias Experimentales, Psicológicas, Humanas, etc.
Modalidad
1.- Híbrido (presencial + virtual):
144 horas presenciales de formación.
16 horas en Sesiones Magistrales presenciales.
40 horas virtuales.
Sumado a la parte de formación presencial se añade la parte virtual donde se trabajará dentro de la plataforma para la resolución de dudas, utilización de foros, realización de actividades, chats, material complementario, etc. En permanente contacto con el profesorado.
2.-Virtual (200 hrs.)
Organización Temporal
El programa se desarrolla a lo largo de seis meses académicos (24 semanas intensivas), comenzando en febrero y en septiembre, existiendo dos convocatorias anuales.
Horario
Formación presencial y sesiones magistrales, viernes y sábados
Formación virtual (todo el semestre)
Metodología en Formación
➊ Software R
Instalación correcta del software R
Introducción de datos en R
Importación de datos desde Archivos de Texto, Excel y SPSS…
➋ La Técnica Estadística concreta
Formulación propia para el paper de investigación
Realización de ejemplos prácticos de cada técnica estadística, aplicado a las Ciencias
Explicación de cada función y parámetro, para conocer qué nos dicen los datos obtenidos
➌ Evaluación
Ejercicio práctico de evaluación para afianzar conocimientos
Estructura del Programa
El programa está estructurado en 10 módulos.
Módulo Primero: Técnicas Estadísticas Clásicas.
TEMA 1. R SOFTWARE.
TEMA 2. ESTADÍSTICA DESCRIPTIVA I.
TEMA 3. ESTADÍSTICA DESCRIPTIVA II.
TEMA 4. PRUEBAS NO PARAMÉTRICAS.
TEMA 5. CHI-CUADRADO Y T DE STUDENT.
TEMA 6. ANÁLISIS DE VARIANZA. DISEÑO COMPLETAMENTE ALEATORIZADO.
TEMA 7. ANÁLISIS DE VARIANZA. MEDIDAS REPETIDAS.
TEMA 8. REGRESIÓN Y CORRELACIÓN LINEAL SIMPLES.
TEMA 9. REGRESIÓN MÚLTIPLE.
TEMA 10. CORRELACIÓN MÚLTIPLE.
Módulo Segundo: Técnicas Estadísticas Avanzadas.
TEMA 11. TÉCNICAS ACTUALES EN REGRESIÓN. TRATAMIENTO DE DATOS ANÓMALOS.
TEMA 12. REGRESIÓN POISSON.
TEMA 13. MODELOS DE REGRESIÓN LOGÍSTICA. LOGIT Y PROBIT.
TEMA 14. REGRESIÓN SUAVIZADA.
TEAM 15. REGRESIÓN MÚLTIPLE ROBUSTA.
TEMA 16. CORRELACIÓN SIMPLE Y MÚLTIPLE ROBUSTAS.
TEMA 17. MODELOS LINEALES GENERALIZADOS UNIVARIANTES.
TEMA 18. MODELOS LINEALES MIXTOS GENERALIZADOS. DISEÑO POR BLOQUES ALEATORIOS.
TEMA 19. ÁRBOLES DE REGRESIÓN Y CLASIFICACIÓN (CARTS).
TEMA 20. MODELOS ADITIVOS GENERALIZADOS GAM.
TEMA 21. ANÁLISIS DE SUPERVIVENCIA.
TEMA 22. PARÁMETROS GRÁFICOS AVANZADOS.
Módulo Tercero: Técnicas Estadísticas de Análisis Multivariante.
TEMA 23. AM – ANÁLISIS DE CORRESPONDENCIAS.
TEMA 24. AM – ANÁLISIS FACTORIAL.
TEMA 25. AM – ANÁLISIS DE COMPONENTES PRINCIPALES.
TEMA 26. AM – ANÁLISIS DISCRIMINANTE.
TEMA 27. AM – ESCALADO MULTIDIMENSIONAL.
TEMA 28. AM – ANÁLISIS CLUSTERS.
Módulo Cuarto: Caminos a seguir en estadística cuando se aplica una técnica concreta en una investigación.
TEMA 1. PARTE GENERAL A CUALQUIER ESTUDIO.
TEMA 2. PARTE ESPECÍFICA POR TÉCNICA CONCRETA.
TEMA 3. PARTE ANÁLISIS MULTIVARIANTE.
Módulo Quinto: Big Data
INTRODUCCIÓN.
TEMA 1. UN OCÉANO DE DATOS.
TEMA 2. BIG DATA EN BANCA.
TEMA 3. BIG DATA EN AGRICULTURA.
TEMA 4. BIG DATA EN MEDICINA.
TEMA 5. BIG DATA EN EDUCACIÓN.
TEMA 6. SMALL DATA.
TEMA 7. CASO PRÁCTICO 1. FINANCIERO.
TEMA 8. CASO PRÁCTICO 2. MEDICINA.
TEMA 9. CASO PRÁCTICO 3. GEOLOGÍA.
TEMA 10. CASO PRÁCTICO 4. DEPORTES.
TEMA 11. CASO PRÁCTICO 5. PERIODISMO.
TEMA 12. ESTADÍSTICA AVANZADA/ROBUSTA VS. BIG DATA/SMALL DATA.
TEMA 13. CIENTÍFICO DE DATOS.
TEMA 14. CRÍTICAS AL BIG DATA.
Módulo Sexto. Cómo realizar paso a paso un artículo científico y/o tesis.
En este módulo, que abarca un tema continuo de aprendizaje, se estudia de forma teórica la manera de diseñar un artículo científico y/o tesis siguiendo las normas APA. También de forma práctica el diseño del documento en Documento de Texto. Por último se estudia de forma práctica la manera de presentar a una audiencia científica o a unos sinodales los resultados con simulacros. Y la forma en que deben estar diseñados esos resultados en la Presentación.
Módulo Séptimo. Diseño de la investigación.
En este módulo, que abarca un tema continuo de aprendizaje, se estudia a forma en que debe estar diseñada la investigación, ya sea experimental, cuasi-experimental, etc, con varias medidas en el tiempo, con una única medida en el tiempo, etc.
Módulo Octavo. Protocolo estadístico a seguir en una investigación.
En este módulo que abarca un tema continuo de aprendizaje, se estudia el protocolo estadístico que debe acompañar al protocolo de la investigación, paso a paso.
Módulo Noveno. Valoraciones estadísticas a artículos científicos publicados.
En este módulo se estudiarán diversos artículos científicos publicados con errores u omisiones en los apartados de análisis estadístico utilizado y resultados.
Módulo Décimo: Evaluación Continua.
Este módulo es la evaluación continua que se va realizando a lo largo de todo el diplomado, semana a semana, con ejercicios y trabajos propuestos, muy similares a los realizados presencialmente para reforzar conocimientos.
Material Proporcionado.
- Temario Oficial (electrónico): El temario oficial procede íntegramente de la obra:
Data Scientist. Software R. De las técnicas clásicas a las avanzadas.
Autor/editor: Tomás Alberto Salmerón Enciso©.
ISBN: 978-84-608-7178-1
PP: 600.
- Bases de datos propias.
- Software R.
- Paquete WRS (Wilcox Robust Statistics)
- Guía Didáctica.
- Material complementario.
Requisitos de admisión.
- Primer paso. Registro en siguiente enlace. > Registro
- Segundo paso. Una vez registrado nos pondremos en contacto con usted.
Requisitos para la asistencia.
- Laptop
- SO Windows (preferiblemente)
