Saltar al contenido

Diplomatura en R orientada a Científico de Datos

Modalidad: Online. Las clases teóricas y las prácticas se emiten por videoconferencia en vivo y son interactivas. Las emisiones se guardan para repaso de los estudiantes y tienen soporte de material PDF. Trabajos prácticos sobre casos reales
Carga horaria 120 Hs
Duración 12 semanas
Inicio: 25 de junio de 2020
Inscripción abierta. Cupos limitados!
Abona la Matrícula y reservá tu vacante.
Costo total: Matrícula $ 9.900 y dos cuotas de $ 5.000
Las cuotas se abonan a los 30 y 60 días de iniciado el curso. Estas cuotas no tienen interés adicional.
También podés financiar con tu tarjeta de crédito cada uno de estos aranceles
La matrícula ya tiene incluida una bonificación especial del 50 % para promover el trabajo y el estudio a distancia en este período de pandemia

$19.800 $9.900 

Producto disponible

Descripción

Programa de estudios de la Diplomatura en R orientada a Científico de Datos

La Diplomatura en R orientada a Científico de Datos está enfocada a aprender a programar en R y su aplicación orientada al mundo la ciencia de datos
En la Diplomatura en R aplicado a la ciencia de datos aprenderás a programar en el poderoso lenguaje R, mientras incorporas técnicas de análisis exploratorio, habilidades para graficar y los principales algoritmos para crear modelos como clustering, árboles de decisión, bosques aleatorios, redes neuronales, reglas de asociación, máquinas de soporte vectorial, métodos bayesianos, discriminante lineal y cuadrático, series temporales y los métodos de Montecarlo y algoritmos genéticos.

Programa analítico

Unidad 1: Estructuras de datos en R

 Variables, vectores y matrices
 Dataframes
 Manejo de archivos csv
 Conversiones de tipos
 Conexión a bases de datos

Unidad 2: Estructuras de control en R

 Ejecución condicional
 Bucles
 Funciones en R
 Paquetes y librerías

Unidad 3: Herramientas descriptivas en R

 Medidas estadísticas
 Correlaciones
 Funciones estadísticas en R
 Test de hipótesis en R
 AB Test como herramienta de uso gerencial

Unidad 4: Herramientas de Graficación en R

 Gráficos de densidad
 Gráficos de puntos
 Gráficos de barras
 Gráficos de líneas
 Gráficos circulares
 Gráficos de cajas
 Gráficos de dispersión
 Gráficos múltiples
 Exportación de gráficos

Unidad 5: Introducción a la Ciencia de los Datos

BI: La ciénaga conceptual:
¿Qué es BI?
¿Qué es Big Data?
¿Qué es un Datawarehouse? ¿Qué es la Ciencia de los Datos?
El Rol del Científico de Datos Elementos de sintaxis de R
 Repositorios de Algoritmos
 Comunicación multinivel

Unidad 6: Algoritmos Descriptivos en R

 Regresiones
 Análisis de Fourier
 Agrupamiento

Unidad 7: Herramientas geográficas en R

 Distancias
 Paquete sf
 Paquete nngeo
 Aplicación práctica

Unidad 8: Algoritmos Predictivos básicos en R

 Árboles de decisión
 Bosques aleatorios
 Redes neuronales
 Reglas de asociación

Unidad 9: Algoritmos Predictivos avanzados en R

 Métodos bayesianos
 Discriminante lineal y cuadrático
 Máquinas de soporte vectorial

Unidad 10: Series temporales en R

 Definición y descripción de las series temporales
 Concepto de estacionareidad
 Separación en componentes estacionarias
 ARIMA
 TBATS
 Renormalización

Unidad 11: Método de Montecarlo en R

 Construcción de una distribución de probabilidades a partir de los datos experimentales
 Obtención de números aleatorios que sigan una distribución de las construidas en R
 Obtención de números aleatorios que sigan una distribución experimentalmente construida
 Ejemplo simple de Montecarlo en Excel
 Ejemplo de Montecarlo en R

Unidad 12: Algoritmos genéticos en R

 Descripción del método
 Comparación con otros métodos de optimización
 Ejemplo básico en Excel
 Optimización de predicciones de punto
 Optimización de predicciones binarias
 Optimización de predicciones combinatorias

Equipo Docente:

Ignacio Urteaga

Susana Sarmiento

Laura Siri

Guillermo Garófalo

Beca