Share On Facebook
Share On Twitter
Share On Linkdin

Ingresa a

Sergiovirtual

INGRESA A MOODLE

Haz Clic Aquí
Incorrecto

Comunidad Sergista en línea



Olvidé mi contraseña
¿Cuál es mi usuario?

Ingresa a

Tucorreo

Si eres estudiante


Si eres FUNCIONARIO

haz clic aquí

Diplomado en R Y PYTHON Para el análisis de datos

inicio

9 de septiembre del 2020
Inversión: $2.800.000 |
Intensidad: 100 horas

horario

Martes, miércoles y jueves
6:00 p.m. a 10:00 p.m.

líneas de información

Teléfono: 325 81 81
Línea gratuita: 01 8000 11 0414

INSCRIPCIONES ABIERTAS

¡Inscríbete Aqui!

CONTÁCTANOS:

acerca del programaplan de estudiosdocentes

Presentación del Diplomado en R y Python para análisis de datos

R es un entorno enfocado al análisis estadístico; puede ser considerado también como una suite integrada de facilidades de software para manipulación de datos, cálculos y herramientas gráficas. Por otro lado, Python en el análisis de datos se ocupa de aspectos prácticos como la manipulación, el procesamiento, la limpieza, escalamiento y compresión de los datos. Ambos son hoy en día los lenguajes de programación más utilizados como interfaz de herramientas estadísticas para análisis de datos, siendo muy populares en el campo de la minería de datos. Su espectro de aplicabilidad cubre desde la investigación biomédica, el análisis web, la economía y las ciencias sociales, hasta implementaciones en bioinformática, actuaría y matemáticas financieras.

El Diplomado en R Y Python para análisis de datos introduce al participante en el manejo a nivel básico y medio de las herramientas de R y Python. Para ello se introducen tareas sencillas, pero relevantes, relacionadas con la gestión y análisis de datos. Entre ellas se incluye el análisis estadístico, la simulación de variables aleatorias en los casos univariante y multivariante, la visualización, y el uso de rutinas de alto rendimiento para cargar, limpiar, transformar, fusionar y remodelar los datos.


promesa de valor

  • Desarrollo de destrezas en los dos lenguajes para análisis de datos más requeridos: R y Python.
  • Docentes de alto nivel académico y profesional, científicos que cuentan con amplia experiencia nacional e internacional en el manejo de datos a diversas escalas.
  • Metodología basada en estudio de casos. Sesiones teórico-prácticas.
  • Ejemplos aplicados a casos específicos en las áreas de interés de los participantes del diplomado.
  • Acompañamientos y asesorías personalizadas.

Dirigido A

Profesionales de todas las áreas con intereses en gestión y análisis de datos. Empresarios y ejecutivos de los sectores público y privado.


Metodología

Se basa en el desarrollo práctico de casos reales, aplicando los conceptos trabajados en clase. Durante las sesiones se presentarán los conceptos clave y sus aplicaciones y se hará uso de ejemplos específicos que aporten información para ser analizada usando R y Python. De manera adicional, se contará con tutorías y acompañamientos, previo acuerdo entre docentes y estudiantes.


Competencias que desarrolla el diplomado

Este diplomado busca desarrollar las habilidades para que los participantes visualicen, interpreten y analicen la información proveniente de los datos. Al finalizar el curso, el participante será capaz de gestionar diferentes tipos de datos, en procesos tales como almacenamiento, recuperación, creación de estructuras y representación gráfica. Además, estará capacitado para simular variables aleatorias diversas y programar usando rutinas estadísticas.

En particular, los estudiantes podrán:

  • Comprender y calcular medidas de localización, dispersión y asociación de un conjunto de datos.
  • Encontrar tendencias y patrones, usando técnicas descriptivas y de visualización.
  • Incorporar técnicas estadísticas básicas para el análisis de datos como etapa crucial en el proceso de toma de decisiones.
  • Hacer valoraciones predictivas que orienten decisiones en diversos campos productivos.
  • Interpretar y analizar los resultados obtenidos del análisis estadístico.
  • Complementar la formación profesional o personal calificado en la aplicación de métodos estadísticos a problemas inherentes a su área de actividad dentro de la institución o empresa.

MÓDULO I. Introducción a R

      • Instalación. Paquetes básicos.
      • Variables y parámetros. Tipos de datos.
      • Importar datos
      • Manejo de datos.
      • Vectores, matrices y tablas.

MÓDULO II. Estadística Descriptiva e Inferencial en R

      • Análisis de Información a nivel univariado.
      • Análisis de Información a nivel multivariado.
      • Herramientas de visualización para análisis descriptivo de datos.
      • Inferencia estadística. Casos.
      • Prueba de hipótesis.
      • Análisis de varianza. Casos.
      • Métodos avanzados en R.

MÓDULO III. Introducción a Python

      • Instalación y configuración. Sintaxis y control flow.
      • Librerías para análisis de datos: NumPy, Pandas, Matplotlib, SciPy, scikit-learn, statsmodels.
      • Estructura de datos y secuencias. Tuplas y Listas.
      • Funciones para estadística descriptiva – Generadores
      • Correlación y covarianza. Casos.
      • Funciones y métodos predictivos. Visualización.
      • Análisis de Series de tiempo – Casos.

MÓDULO IV. Procesamiento y Analítica de datos en Python

      • Arreglos y vectores en NumPy. Casos Estadística.
      • Métodos estadísticos en Numpy.
      • Fundamentos de álgebra lineal.
      • Pandas DataFrames. Sorting y Ranking.
      • Preprocesamiento de Datos.
      • Correlación y covarianza. Casos.
      • Importación de diversos formatos. Limpieza y preparación de datos.
      • Datos Mixtos. Combinación y fusión. Casos.
      • Visualización y agregación de datos.
      • Introducción a Machine Learning en Python.
      • Series de tiempo. Casos

Martha Lucía Corrales Bossio

Director del programa y Docente

Ph.D. en Estadística de la Universidad Nacional de Colombia. Ingeniera de sistemas de la Universidad Industrial de Santander. Magister Estadística de la Universidad Nacional de Colombia. Certified Risk Management y Software Shop. Experta diseñadora de soluciones para Internet, Microsoft Certified Professional, catedrática en sistemas, auditoría de sistemas, matemáticas, probabilidad y estadística. Facilitadora en herramientas de software Microsoft Office Professional y herramientas de software estadístico con experiencia en investigación científica aplicada al desarrollo económico y a la responsabilidad social ambiental. Certificación internacional en manejo de riesgos. Profesor de tiempo completo de la Universidad Sergio Arboleda.


Hermes J. Martínez Navas

Ph.D. en Ciencias Naturales de la Universidad de Bonn, Alemania. Maestría en Matemáticas de la Universidad de Los Andes. Matemático de la Universidad Nacional de Colombia. Experticia en análisis de datos para riesgo financiero y métodos de aprendizaje automático. Analista de grandes datos del DUNE Internacional Experiment, Estados Unidos. Miembro activo del Grupo Analítica y Big Data de la Universidad Sergio Arboleda. Experiencia de más de 7 años en el sector educativo en universidades como: Universidad de los Andes, Universidad del Rosario, Universidad Distrital Francisco José de Caldas y Universidad Sergio Arboleda. Investigador en temas de riesgos de mercado.


Luz Stella Gómez Fajardo

Ph.D. en Estadística de la Universidad Nacional de Colombia. Ingeniera de sistemas de la Universidad Industrial de Santander. Magister Estadística de la Universidad Nacional de Colombia. Certified Risk Management y Software Shop. Experta diseñadora de soluciones para Internet, Microsoft Certified Professional, catedrática en sistemas, auditoría de sistemas, matemáticas, probabilidad y estadística. Facilitadora en herramientas de software Microsoft Office Professional y herramientas de software estadístico con experiencia en investigación científica aplicada al desarrollo económico y a la responsabilidad social ambiental. Certificación internacional en manejo de riesgos. Profesor de tiempo completo de la Universidad Sergio Arboleda.


Sebastián Villegas

Profesional en Matemáticas de la Universidad Sergio Arboleda con enfoque aplicado, con experiencia en la creación de modelos matemáticos incluyendo métodos estadísticos y de machine learning para el sector financiero en R y Python.


Margarita Marín

Profesional en Economía con maestría en estadística y estudios de doctorado en estadística, con interés en la estadística bayesiana, la teoría de muestreo, econometría aplicada, el análisis de series de tiempo y el análisis multivariado. Experiencia en investigación académica, enseñanza y en desarrollo de eventos académicos. Persona con alto sentido de la responsabilidad, pensamiento analítico, pro-actividad y habilidades en búsqueda de información.