La analítica de datos consiste en la aplicación de diferentes modelos para entender patrones y clasificar posibles comportamientos de un sistema a partir de datos. Este curso abarca la aplicación de modelos matemáticos y estadísticos en las diferentes técnicas de extracción de información en los datos, utilizando herramientas de programación Python y R.

Las principales temáticas por abordar en este curso son la estadística, el análisis exploratorio de datos, el machine learning, el modelado predictivo, las cadenas de Markov, los procesos estocásticos y el modelado basado en agentes.

El curso está diseñado por competencias y alineado con el marco global de habilidades y competencias para un mundo digital SFIA8, por lo que se propone que los estudiantes logren responder a un nivel de responsabilidad 3 en el área de ciencia de datos, de manera que identifican e implementan las oportunidades de entrenamiento y mejora de las técnicas y los datos de los modelos utilizados.

Contenidos

Tema 1:Estadística y Análisis Exploratorio de Datos
– Conceptos estadísticos -fundamentales.
– Análisis exploratorio de datos.
– Pruebas de hipótesis y significancia estadística.
– Correlación y análisis de regresión.
– Técnicas de muestreo y reducción de sesgo.

Tema 2:Machine Learning y Modelado Predictivo
– Introducción al machine learning.
– Aprendizaje supervisado: regresión y clasificación.
– Aprendizaje no supervisado: clustering y reducción de dimensionalidad.
– Validación y ajuste de modelos.
– Interpretación de resultados y métricas de evaluación.

Tema 3: Cadenas de Markov y Procesos Estocásticos
– Fundamentos de las Cadenas de Markov.
– Aplicaciones de las Cadenas de Markov en diferentes campos.
– Simulación de procesos estocásticos.

Tema 4: Programación de Agentes y Modelado Basado en Agentes
– Introducción al modelado basado en agentes.
– Diseño y programación de agentes.
– Simulaciones de sistemas complejos y dinámicos.