Responsables de la elaboración de la Propuesta Formativa:

• Einer Batista. MBA IAE Business School. Especialista en Costos. Contador Público Nacional. Director General de Grupo Borigen Betzel. Docente de Catedra de Estadística en Cs. Económicas UNSa.
• Miguel Quintana Medina. MBA Universidad Siglo XXI. Especialista en Docencia. Especialista en Tributación. Contador Público Nacional. Consultor Privado. Docente de Catedra de Estadística en Cs. Económicas UNSa y Cs. Jurídicas UCASAL.

Objetivos:

• Que el participante pueda identificar necesidades y oportunidades en los negocios en los que la ciencia de datos forme parte de la solución y desarrolle las capacidades para enfrentar dichas situaciones de aplicación con el abordaje y las herramientas adecuadas del análisis multivariado utilizando el software R.
• Mejorar la productividad en el uso del software R utilizado para el procesamiento y análisis de grandes volúmenes de datos.
• Introducir herramientas de aprendizaje supervisado y no supervisado dentro del análisis multivariado que le permitan al participante generar valor agregado a su tarea y mejorar la toma de decisiones.
• Generar visualizaciones efectivas que cumplan con las mejores prácticas.
• Introducir al participante en los conceptos básicos necesarios para la ciencia de datos aplicada a los negocios y las ciencias sociales.
• Desarrollar las habilidades de análisis del participante para que ante situaciones particulares pueda elegir la herramienta adecuada para su abordaje.

Modalidad:

Dictado virtual.

Contenidos mínimos:

Módulo I

• Introducción al uso de R para el análisis estadístico de datos: Importación de datos. Análisis exploratorio. Comandos básicos. Gráficos. Pruebas estadísticas.

Módulo II

• Clasificación de las técnicas multivariantes.
• Análisis previo de los datos.
• Métodos de Clasificación: Análisis de Conglomerados: Medidas de similaridad. Análisis jerárquico y no jerárquico de conglomerados.
• Escalamiento multidimensional.
• Regresión lineal múltiple.

Módulo III

• Análisis discriminante.
• Regresión logística binomial y multinomial.
• Análisis de Correspondencias.
• Análisis de Componentes Principales.

Metodología de Dictado:

Si bien este curso contiene una base teórica, el dictado del mismo está focalizado en aplicaciones prácticas para profesionales. Se tiene previsto realizar 6 encuentros de 2,5 horas cada uno (15 horas en total), el seguimiento con actividades semanales de autogestión durante cada una de las 3 semanas de duración con 2,5 horas cada una (7,5 horas en total) y una carga horaria destinada a las tres trabajos prácticos evaluativos (en su elaboración, consultas y correcciones) de 7,5 horas. Totalizando este curso una carga horaria de 30 horas.

Horario de las clases:  viernes de 18:00 a 20:30 hs. y los sábados de 9:00 a 11:30 hs.

Cronograma:

Sistema de Evaluación:

Son requisitos para aprobar el curso obtener el 60 % o más en cada uno de los tres trabajos prácticos propuestos.

Conocimientos previos necesarios:

Título de grado en carrera de Ciencias Económicas o títulos afines con conocimiento intermedio de planilla de cálculos.

Equipo docente a cargo del dictado con los correspondientes Curriculum Vitae:

• Mg. Batista, Einer
• Mg. Quintana, Miguel
• Esp. Silisque, Celso

Destinatarios: El curso estará dirigido a profesionales de las Ciencias Económicas en general y a otros interesados egresados de distintas disciplinas interesados en dar los primeros pasos en el análisis de datos y avanzar posteriormente con el aprendizaje especializado en ciencia de datos. Se aceptarán estudiantes universitarios avanzados solo en calidad de asistentes.

Presupuesto y aranceles

Se adjunta presupuesto y aranceles en archivo Excel.

Bibliografía:

• Deepayan Sarkar. Lattice. Multivariate Data Visualization with R.
• Peter Dalgaard. Introductory Statistics witch R. 2da. Edición.
• Badiella. Blasco. Boixadera. Espinal. Valero. Vazquez. Manual de Introducción a R Commander: una interfaz gráfica para usuarios de R. Servei d’Estadística. Universitat Autónoma de Barcelona.
• Jose Luis Cañadas Reche. Regresión Logística. Tratamiento computacional con R. 2013.
• Hadley Wickham. Ggplot2. Elegant Graphics for Data Analisys. Springer.
• Peter Bruce. Andrew Bruce y Peter Gedek. Estadística practica para ciencias de datos con R y Python. 2da. Edición. Marcombo. España. 2022.
• Matiias Liberty Vittert. 50 principios de las ciencias de datos. Blume. Barcelona. 2021.
• F. Tusell. Análisis Multivariante. 2012.
• Daniel Peña. Análisis de Datos Multivariantes. 2002.
• C. M. Cuadras. Nuevos Metodos Multivariantes. CMC Editions. Barcelona. 2019.
• Joaquin Aldas. Ezequiel Uriel. Analisis Multivariante aplicado con R. 2da. Edición. Ediciones Paraninfo. España. 2017.

Link de Inscripción