
5 de febrero de 2025
Inversión: $3.200.000 |
Intensidad: 100 horas
Martes, miércoles y jueves de 6:00 p.m. a 10:00 p.m. | Online sincrónico con conferencista en vivo
Teléfono: 325 81 81
Línea gratuita: 01 8000 11 0414
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.
Profesionales de todas las áreas con intereses en gestión y análisis de datos. Empresarios y ejecutivos de los sectores público y privado.
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.
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:
MÓDULO I. Introducción a R
MÓDULO II. Estadística Descriptiva e Inferencial en R
MÓDULO III. Introducción a Python
MÓDULO IV. Procesamiento y Analítica de datos en Python
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.
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.
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.
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.
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.