Analítica de Datos para la Toma de Decisiones en R

¿Qué estás buscando?

Sobre el programa

Fecha de Inicio:

29/10/2024

Modalidad:

Online

Horario:

Martes y Miércoles de 6:00 pm a 9:00 pm

Valor de la Inversión:

$930.000 + 1.5% estampilla procultura

Intensidad Horaria:

33 horas

Descripción del programa

Analítica de Datos para la Toma de Decisiones en R es un curso formativo en tecnologías de analítica y ciencia de datos, de carácter básico-intermedio, que busca formar a los aspirantes en tópicos elementales de analítica de datos a través del uso de software estadístico de libre acceso R. Esto último con el fin de apoyar la toma de decisiones en escenarios de alta incertidumbre.

Objetivo

Proporcionar herramientas básicas de la analítica descriptiva y predictiva, en el lenguaje estadístico R, que les permita realizar un estudio general de la información para la toma de mejores decisiones.

Clic aquí para autogestionar tu inscripción

¡Soy Angie Muñoz

y estoy para ayudarte!

Tel. 602 4882222 ext 525

ejecutivo.posgradosfi@usbcali.edu.co

+57 3102079108

Contactar por WhatsApp

Registra tus datos

Contenido

Módulo 1: Estadística Univariante

Introducción al lenguaje estadístico R.
Introducción al concepto básico de estadística.
Descripción gráfica, visual y tabular de los datos (Histogramas y Boxplots).
Indicadores de centralidad, dispersión y forma.
Estimación puntal de indicadores y su márgen de error (intervalos de confianza).
Validación estadística de conjeturas empresariales (Pruebas de hipótesis paramétricas).
Validaciones estadísticas de conjeturas empresariales y estimación por intervalo con menos información (Pruebas de hipótesis no paramétricas y re-muestreos).

Módulo 2: Estadística Multivariante

Visualización de datos multivariantes.
Indicadores de centralidad, profundidad, dispersión y forma.
Medición de información compartida e indicadores de dependencia (Correlaciones y versiones no paramétricas).
Similaridad de individuos (Distancia estadística).
Técnicas de identificación de registros anómalos (Detección de outliers multivariantes).
Técnicas de identificación de registros anómalos (Detección de outliers multivariantes).

Módulo 3: Modelos de Predicción y Pronóstico

Explicación de una variable en términos de otras (Modelo de regresión lineal).
Métodos explicativos en presencia de datos raros no identificados (Regresión robusta).
Variaciones del modelo de regresión lineal (Regularización y Bootstraping).
Agrupamiento de registros y segmentación (Clustering).
Clasificación supervisada de registros.

Módulo 4: Realimentación

Desarrollo de un reporte estadístico final completo sobre un caso de estudio real, preferiblemente un caso propio de la organización donde el asistente pertenece.
Discusión y retroalimentación en un foro grupal de las principales conclusiones de cada estudio y cómo los conceptos introducidos permitirían la toma de mejores decisiones.