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

Metodología de Aprendizaje

La educación actual suele limitar a estudiantes, forzándoles a absorber contenidos en lugar de fomentar la solución colectiva de problemas. En CENFOTEC, buscamos modificar este enfoque mediante nuestra metodología de aprendizaje constructivista llamada 40-40-20.

La técnica 40-40-20 divide el tiempo de clase: 40% el profesor da un charla para inducir al pensamiento autónomo basado en conceptos clave; el siguiente 40% para resolver retos individuales o en grupo, que exigen exploración, donde el docente es un facilitador; y el 20% restante para una discusión guiada por el profesorado. Para mantener la atención, consideramos 1 hora lectiva como 50 minutos, especialmente en cursos de 3-4 horas.

Adicionalmente el estudiante deberá dedicar una cantidad de horas adicionales para completar retos extraclase que el profesor le asigne.