Descripción

En el entorno actual, permeado por las facilidades tecnológicas y una dinámica rápida en recolección de información de interés, se hace necesaria la creación de programas de educación continua que faciliten a los profesionales (en formación o con estudios culminados) de diversas áreas en empresas privadas o públicas; las herramientas conceptuales y computacionales adecuadas para la recolección, consolidación y extracción de información relevante de tales volúmenes de información.

Objetivo General

Introducir al participante a los conceptos y al uso de las técnicas propias de la Estadística en los contextos del Big Data y la Analítica de datos, presentando las herramientas, usos y tendencias contemporáneas.

Objetivos Específicos

  • Explorar los conceptos de las áreas tradicionales para estudio de datos: la estadística descriptiva, estadística inferencia y análisis de regresión.
  • Utilizar las herramientas tecnológicas disponibles para el análisis de datos, desde una óptica del Big Data
  • Crear información relevante, a partir del uso de las metodologías vistas, para los problemas que motivan el uso de la herramienta

Todas las personas que desde sus roles tienen responsabilidad o incidencia en los procesos de procesamiento y análisis de información en las organizaciones empresariales, sociales y gubernamentales del sector público y privado. Es decir, el diplomado está dirigido a aquellos profesionales (en formación o con estudios culminados) en áreas tales como la ingeniería, ciencias naturales, ciencias sociales, economía y estadística interesados en el análisis de información, generación de conocimiento y la utilización de herramientas tecnológicas que apoyen estos procesos

  • Módulo 1: Introducción a la estadística descriptiva y exploratoria: Herramientas para el estudio de datos cualitativos y cuantitativos, generación de soportes visuales, principios de probabilidad
  • Módulo 2: Estadística Inferencial: Principios de teoría de estimación, intervalos de confianza y pruebas de hipótesis
  • Módulo 3: Análisis de regresión: Modelo de regresión lineal, Modelo de regresión múltiple y Modelo de regresión logística, verificación de supuestos.
  • Módulo 4: Herramientas computacionales: introducción a R, introducción a Python, introducción a Hadoop, principios de programación.
  • Módulo 5: Introducción Big Data: manejo de bases de datos estructuradas, manejo de bases de datos no estructuradas, consolidación y pre-procesamiento de bases de datos, generación de soportes visuales.
  • Módulo 6: Introducción Data Analytics: análisis descriptivo de datos, fundamentos de minería de datos, aprendizaje de máquinas.

Metodología:presencial

Lunes a viernes de 6:15 p.m. a 10:00 p.m.
Sábados: 9:00 a.m. a 4:00 p.m.