Escuela de Estadística

 
 

facebook

Modulo 1. Nivelación en Estadística (presencial)

  • Análisis exploratorio de datos.

Duración: 8 horas

Modulo 2. Nivelación en Algoritmos (presencial)

  • Conceptos básicos de algoritmos.
  •  Conceptos básicos de scripting. 
  • Conceptos básicos de SQL. 
  • Búsqueda en Grafos.
  • Conceptos básicos de complejidad computacional.

Duración: 15 horas.

Modulo 3. Introducción a la Gestión de Datos (presencial)

  • Introducción a BI. 
  • Análisis de casos.
  • Data Warehousing. 
  • Arquitecturas de persistencia masiva de datos. 
  • Diseño conceptual, lógico y físico. 
  • El modelo multidimensional: Estrella, Snowflake y Constellation. Slowly Changing Dimensions. 
  • Diseño físico. OLAP y OLTP.
  • Lenguajes de consulta: MDX básico y avanzado. Entornos avanzados para OLAP. Conceptos básicos de Extract, TransformLoad (ETL).

Duración: 20 horas

Módulo 4.  Análisis Inteligente de Datos (presencial)

1. Regresión lineal

  • Regresión lineal simple
  • Regresión lineal múltiple
  • Predictores Cualitativos
  • Extensiones del Modelo Lineal
  • Problemas potenciales
  • Laboratorio: Regresión lineal

2. Clasificación

  • Una visión general de la clasificación
  • ¿Por qué no la regresión lineal?
  • Regresión Logística
  • Análisis Discriminante Lineal
  • Análisis Discrecional Cuadrático
  • Laboratorio: Regresión Logística, LDA, QDA,

3. Reducción y Agrupamiento

  • Análisis de componentes principales
  • Usos de los componentes principales
  • Métodos de agrupamiento (Clustering)
  • Laboratorio 1: Análisis de componentes principales
  • Laboratorio 2: Clustering

Duración: 37 horas 

Modulo 5. Introducción al Aprendizaje Automático (presencial)

  • Gestión de datos en 2020. Introducción al Aprendizaje Automático. 
  • La inducción como método de inferencia, generalización y adquisición de conceptos. 
  • Inducción de árboles de decisión. Sobreajuste y poda. 
  • Tratamiento de valores faltantes y discretización de valores numéricos. 
  • Métodos de predicción basados en probabilidades. 
  • Métodos de predicción basados en medidas de similitud. 
  • Lineamientos metodológicos del Aprendizaje Automático como base algorítmica de la Minería de Datos.

Duración: 25 horas

Modulo 6. Técnicas de Aprendizaje Automático (presencial)

  • IBL y distancia. Agrupamiento.
  • Introducción al Text Mining. 
  • Métodos de ensamble y meta algoritmos.
  • Análisis de casos. Metodología de trabajo.

Duración: 20 horas 

Modulo 7. Desarrollo de Trabajo Final Integrador (presencial/virtual)

Duración: 20 horas