Objetivos: Con este Máster adquirirás un conocimiento profundo de la Ciencia de Datos actual aplicada a la investigación y a la práctica profesional, y estarás capacitado para: Diseñar modelos de análisis. Comprender y modelar los datos. Seleccionar la técnica estadística más adecuada para tus análisis (clásicas, robustas, avanzadas y multivariantes). Resolver problemas estadísticos avanzados. Transformar los datos en conocimiento. Tomar decisiones basadas en datos con rigor científico. Representar gráficamente tus resultados en alta calidad. Garantizar la reproducibilidad de tus análisis. Aplicar técnicas de Data Mining y Machine Learning. Dominar el lenguaje de R Software.
Requisitos: Alumnos españoles: Título universitario. Alumnos Unión Europea: Título universitario. Alumnos extranjeros pertenecientes al Convenio de la Haya: Título universitario apostillado. Alumnos extranjeros no pertenecientes al Convenio de la Haya: Título universitario debidamente compulsado por organismo oficial competente o por notario. En caso en que el título no esté en castellano deberá ir acompañado de una traducción jurada.
A quién va dirigido: A profesionales del análisis de datos interesados en afrontar cualquier reto estadístico con seguridad, rigor y precisión con independencia del tipo, el volumen de datos y la complejidad del proyecto. Un Máster orientado a Graduados, Licenciados, PhD, doctorados universitarios, docentes e investigadores, interesados en: Consolidar y ampliar sus conocimientos sobre Estadística Aplicada y Ciencia de Datos. Adquirir habilidades prácticas avanzadas para extraer todo el potencial de los datos en su actividad profesional. Afrontar cualquier reto estadístico, con independencia de su área profesional o nivel de complejidad. Evolucionar en su desempeño con los datos y ganar libertad, seguridad, confianza y precisión en sus análisis de datos. Dominar el lenguaje de R Software y sus paquetes con nivel experto. El Máster en Estadística Aplicada para la Ciencia de Datos con R Software es un programa de especialización único en la actual oferta formativa superior on-line en Ciencia de Datos.
Somos formadores en el área Data Science del Consejo Superior de Investigaciones Científicas (CSIC).
Pago íntegro anticipado: 10% de descuento sobre el total de la matrícula.
Duración: 10 meses
MÓDULO I.
UNIDAD 1. INTRODUCCIÓN A LA ESTADÍSTICA APLICADA CON R
• Introducción a la Estadística Aplicada y su caja de herramientas.
• Descarga e instalación de R, RStudio y sus paquetes.
• Cómo trabajar con R/RStudio.
• Operaciones básicas. Ayuda. Viñetas. Citas.
• Documentación. Git/GitHub.
• Creación de informes reproducibles con RMarkdown.
UNIDAD 2. OBTENCIÓN, LIMPIEZA Y EXPLORACIÓN DE DATOS
• Obtención y manipulación de bases de datos con tidyverse.
• Tipos de variables.
• Estadística descriptiva, medidas clásicas y robustas.
• Gráficos avanzados con ggplot2.
UNIDAD 3. CORRELACIÓN Y REGRESIÓN LINEAL
• Correlación simple, múltiple, parcial y robusta.
• Regresión lineal simple y múltiple.
• Selección de variables.
• Evaluación de supuestos y transformaciones.
• Adecuación del modelo.
• Predicciones, interpretación y representación de interacciones entre predictores.
MÓDULO II.
UNIDAD 4. INFERENCIA ESTADÍSTICA
• Conceptos básicos, hipótesis, p-valor, significación y tipos de errores.
• Pruebas de hipótesis y estimación de intervalos de confianza.
• Potencia estadística, estimación del tamaño muestral y del tamaño de efecto.
• Comparación de puntuaciones (medias) y comparación de proporciones para una y dos muestras. Pruebas paramétricas, no paramétricas y robustas.
UNIDAD 5. DISEÑO EXPERIMENTAL
• Estrategias de experimentación.
• Factores de control, replicación, aleatorización, bloqueo y factorización.
• Diseños uni y multi-factoriales, ANOVA de una y dos vías, ANCOVA, análisis de interacción entre factores.
• Estimación del tamaño de muestra.
MÓDULO III.
UNIDAD 6. MODELOS DE REGRESIÓN AVANZADOS
• Ampliación del modelo lineal ante el incumplimiento de los supuestos estadísticos clásicos.
• Modelo aditivo generalizado (GAM).
• Modelo lineal generalizado (GLM).
• Modelo Mixto (MM).
UNIDAD 7. ANÁLISIS DE AGRUPACIÓN CLÚSTER
• Análisis Clúster jerárquico y no jerárquico (por k-medias).
• Validación y representación de la agrupación.
UNIDAD 8. DISCRIMINACIÓN Y COMPARACIÓN MULTIVARIANTE
• Análisis de discriminación lineal (LDA) y cuártico (QDA).
• Análisis multivariante de la varianza (MANOVA) y sus versiones no paramétricas (MRPP, ANOSIM, MPANOVA, MANTEL).
UNIDAD 9. ORDENACIÓN Y REDUCCIÓN DE LA DIMENSIÓN
• Análisis de componentes principales (PCA).
• Análisis de correspondencias (CA).
• Análisis de escalamiento multidimensional (MDS/NMDS).
ver temario completo
|
Objetivos: Alcanzar tus metas mediante un aprendizaje ameno y flexible en Investigación científica con nuestro Master o Postgrado Online Master en Biotecnología + 60 Créditos ECTS. A quién va ...
Organización y gestión de un laboratorio. Técnicas de procesamiento de muestras biológicas. Diferencia entre sangre venosa y sangre capilar uso de sangre en ayunas ...
En la Gestión y dirección de guarderías, criadores y protectoras de perros y gatos se poseen los conocimientos y las técnicas auxiliares aplicadas a la asistencia y cuidados básicos de animales en ...
Objetivos: El principal objetivo de este Máster es formar a los estudiantes para que puedan realizar sus propias investigaciones en cualquier campo de la Astronomía y Astrofísica.Asimismo, ...
Objetivos: Formar profesionales en comunicación científica, un perfil cada vez más demandado por centros I+D+I, medios de comunicación, universidades, laboratorios y empresas relacionadas con la ...
Tema 1. Alteraciones de la cavidad oral Tema 2. Enfermedades localizadas en las glándulas salivales Tema 3. Enfermedades del esófago Tema 4. Enfermedades del estómago y ...
" MÓDULO I. GESTIÓN DE MUESTRAS MICROBIOLÓGICAS Tema 1. Identificación de la documentación del laboratorio Tema 2. Identificación, recogida y ...
Objetivos: "Objetivos generales: Estudiar los aspectos más relevantes del trabajo en el laboratorio clínico, teniendo en cuenta sus características específicas, conociendo los procedimientos a ...
PRIMER CUATRIMESTRE MÓDULO I: ESTADÍSTICA DESCRIPTIVA 1. Distribución de Frecuencias en variables unidimensionales y sus características numéricas. 2. ...
Requisitos: Conocimiento básico de Matemáticas