MacBook%20Pro%20on%20white%20surface_edi

Workshop (Clases en vivo)

$200 o 650 soles

Incluye

121 horas de clase en vivo

35 archivos descargables

Asignaciones y cuestionarios

Acceso hasta el 15 de Junio 2021

Certificado certificado

Programa de Certificación Especializado

Data Science: Estadística y Análisis de Datos en R

Aprende a utilizar R para analizar y graficar bases de datos en Ciencias. Este programa te llevará de Zero a Hero en temas estadísticos aplicados a Ciencias utilizando R como un experto.

Vistas recientes

Sobre este curso

Actualmente la Ciencia de Datos, el análisis estadístico y la capacidad de inferir conocimientos son la piedra angular de la investigación científica. Este programa certificado de 14 semanas está diseñado para sumergirte en conceptos estadísticos aplicados con el lenguaje de programación R de manera práctica y didáctica.


Dirigido a

Estudiantes y profesionales de diferentes áreas de la ciencias: biólogos, ingenieros, especilistas ambientales, analistas, consultores, monitores, entre otros.


Requisitos mínimos

  • No se requieren conocimientos previos de estadística. Si los tienes, excelente.

  • No se requieren conocimientos previos de ningún lenguaje de programación.


Al finalizar el Programa obentrás

Cinco (05) certificados de cada curso del programa, un (01) certificado del programa de especialización y un (01) documento con el temario y las calificaciones obtenidas.


Para obtener la Certificación

Para obtener el certificado del curso de especialización debes haber aprobado los cinco examenes (uno por curso) con nota mínima de 16. Cada examen tiene tres intentos para aprobar. Para intentos adicionales deberás pagar la tasa de derecho de reintento ($ 15 para tres nuevos intentos). Los participantes que aprueben el examen de cada módulo recibirán unicamente una Constancia de Participación en el curso. Aquellos estudiantes que hayan aprobado los cuatro módulos del programa recibirán automáticamente la certificación del “Curso de Especialización Data Science: Estadística Avanzada y Análisis de Datos en R” a nombre del Instituto de Ciencias Antonio Brack. Los alumnos que se graduen del curso de especialización con nota de 20 recibirán esta certificación bajo la distinción “Con Honores”.

¿Qué aprenderas?

  • Comprender y producir ordenes informáticas de análisis en el lenguaje de programación R en nivel básico e intermedio.

  • Elaborar gráficas estadísticas de alta calidad.

  • Manejar bases de datos y proyectos en RStudio.

  • Interpretar los fundamentos estadístico de análisis descriptivos básico, correlaciones, e inferenciales mediante regresiones lineales (simple, múltiple, ANOVA, ANCOVA, LMM, GLM, GLMM, y análisis multivariados), utilizando lenguaje de programación R. Interpretación y reporte.

Instructor

Image-empty-state.png

Blgo. Irwing S. Saldaña

Ecoinformática y Biogeografía, Instituto de Ciencias Antonio Brack

Image-empty-state.png

Certificado por

Image-empty-state.png
Image-empty-state.png

Costo

$200 o 650 soles

Incluye

121 horas de clase en vivo

35 archivos descargables

Asignaciones y cuestionarios

Acceso hasta el 15 de Junio 2021

Certificado certificado

Una muestra de lo que a aprenderás a realizar (haz click)

PCA
LDA
MRT
NMDS
Geom Tiles
Lineas
Dispersión de Puntos
Boxplot
Histograma
gganimate
gganimate
Geom curve
Modelamiento
Geom density 2D
LMM
1/1

Sílabus Detallado

Introducción a R para Ciencias (3 Semanas)

  • Qué es R y lenguaje R​

  • R y RStudio

  • Operaciones en lenguaje R

  • Estructrura de datos en el lenguaje R

  • Vector, Matriz, Lista, Factor, DataFrame, Tibble

  • Indexación de variables

  • Operadores lógicos

  • Valores perdidos

  • Funciones, sintáxis y argumentos

  • Librerías y repositorios

  • Obtener ayuda en RStudio y la web

  • Generación de proyectos en RStudio

  • Directorios de trabajo

  • Preprocesamiento de tablas para cargar en RStudio

  • Renombrar y editar variables en RStudio

  • Importar y Exportar archivos en RStudio

  • Inspección de variables

  • Conociendo la librería tidyverse

  • Tablas anchas y largas

  • Funciones de dplyr para manejar tablas

  • Filtrado y selección

  • Reordenamiento de tablas

  • Creación de nuevas variables

  • Pipe

+.png
-.png

Análisis Estadístico Básico con R (3 Semanas)

  • Introducción a la estadística

  • Margen de error (Intervalos de confianza)

  • Nivel de significacia

  • Funciones de medidas de tendencia central​

  • Media, mediana (aritmética, geométrica, armónica), moda

  • Funciones de medidas de dispersión

  • Pruebas de hipótesis

  • ¿Qué significa el p-valor?

  • Significancia de las pruebas estadísticas

  • Distribuciones de probabilidades

  • Función de densidad

  • Test Paramétricos y No Paramétricos

  • Test de normalidad: simetría y curtosis, KS Test, SW Test, AD Test, Q-Q Plot

  • T-Student (una muestra, muestras independientes, varianzas iguales, varianzas desiguales)

  • Test de Wilcoxon de una muestra

  • Test de Rangos con Signo de Wilcoxon

  • Test U de MannWhitney

  • Regresión lineal simple y verificación de supuestos teóricos

  • Outliers en regresiones lineales

  • Test ANOVA (una y dos vías) y verificación de supuestos teóricos

  • Test Kruskall Wallis y verificación de supuestos teóricos

  • Test Post-hoc (paramétrico y no paramétrico)

  • Tópico avanzado de ANOVA

  • ANCOVA y verificación de supuestos teóricos

  • Poder de Análisis

  • Análisis de correlación (Pearson, Spearman, Kendall, Biserial, Punto Biserial)

+.png
-.png

Gráficos avanzados con ggplot2 (2 Semanas)

  • Introducción a ggplot2​: gramática de gráficos

  • Geométricas para gráficos de una variable (X)

  • Gráfico de área

  • Gráfico de densidad

  • Polígono de frecuencias

  • Histrograma de frecuencias

  • Q-Q Plots

  • Geométricas para gráficos de una variable (X) discreta

  • Gráfico de barras

  • Geométricas para gráficos de dos variables: X continua, Y continua

  • Gráficas de dispersión de puntos

  • Jittering

  • Gráfico de densidad de puntos

  • Gráfico de hexágonos

  • Adicionando regresiones lineales a los gráficos

  • Geométricas para gráficos de dos variables: X discreta, Y continua

  • Boxplot (Gráfico de cajas)

  • Gráfico de violín

  • Geométricas para gráficos de dos variables: X discreta, Y continua

  • Gráfico de conteos

  • Geométricas para gráficos de 3 variables

  • Gráfico de Tiles

  • Posiciones, Stats y Transformaciones

  • Funciones adicionales

  • Modificar escalas (continuas y discretas)

  • Escalas de color

  • Color Picker y Códigos Hexadecimales

  • Cambiando formas de los puntos y líneas

  • Escalas y ejes

  • Rotamiento y Faceting de gráficos

  • Etiquetas y Geométricas de texto

  • Temas

  • Tópicos de color y paletas

  • Librerías adicionales y asociadas a ggplot2

  • Gráficos estadísticos con ggpubr

  • Correlogramas

  • Exportación de gráficos en alta calidad

+.png
-.png

Análisis Multivariados con R (3 Semanas)

  • Estadística Multivariada

  • Análisis Multivariados

  • ¿Qué es ordenamiento​?

  • Gráfico n-dimensionales

  • Preprocesamiento de datos multivariados

  • Transformaciones

  • Matrices de distancia

  • Medidas de distancia

  • Librerías asociadas a análisis multivariados

  • Agrupamiento Jerárquico (Clustering)

  • Ordenamiento sin restricciones

  • Análisis de Componentes Principales (PCA)

  • Limitaciones del PCA

  • Análisis de Correspondencia (CA)

  • Análisis de Coordenadas Principales (PCoA o MDS)

  • Escalamiento Multidimensional No Métrico (NMDS)

  • Gráfico de Estrés

  • Introducción al análisis canónico

  • Análisis de Redundancia (RDA)

  • Gráfico Triplot

  • Análisis de Redundancia Parcial (Partial RDA)

  • Árbol de Regresión Múltiple (MRT)

  • Análisis Discriminante Lineal (LDA) y Cuadrático (QDA)

  • Gráfico de partición de las clasificaciones LDA y QDA

  • Análisis de Correspondencia Canónica (CCA)

  • Análisis de Múltiples Factores (MFA)

  • Gráficos con funciones asociadas a ggplot2

+.png
-.png

Análisis Estadístico Avanzado con R (3 Semanas)

  • Introducción a los modelos estadísticos​ avanzados

  • ¿Cómo abordar problemas estadísticos?

  • Modelo lineal de efectos mixtos (LMM)

  • Diferencias entre LMM y ANOVA para muestras repetidas

  • Vocabulario para modelos de efectos mixtos

  • Efecto fijo y efecto aleatorio

  • Enfoques de análisis Regresión lineal simple y LMM

  • Topología de un LMM

  • Gráficas asociadas a ggplot2 de los modelos LMM

  • ¿Qué no puedo analizar con LMM o regresiones lineales?

  • GLM y las regresiones lineales

  • Receta para elaborar un GLM

  • Topología de un GLM

  • Distribuciones teóricas de probabilidades en GLM

  • Función de enlace (link function)

  • Odds ratio

  • Criterio de información de Akaike

  • Selección de modelos

  • Regresión Logística Binomial (GLM Binomial)

  • Regresión Logística de Poisson (GLM Poisson)

  • Sobredispersión

  • Regresión Logística de Quasipoisson (GLM Quasipoisson)

  • Regresión Binomial Negativa (GLM Binomial Negativa)

  • Regresión Beta

  • Nociones sobre GLM Zero-inflados y GLM Zero-truncados

  • Gráficas asociadas a ggplot2 de los modelos GLM

  • ¿Qué no puedo analizar con LMM o GLM?

  • Introducción a los modelos generalizados lineales de efectos mixtos (GLMM)

  • Inferencias basadas en Máxima verosimilitud

  • Nociones sobre Montecarlo Simulation

  • Receta para elaborar un GLMM

  • Topología de un GLM

  • Regresión GLMM Binomial

  • Regresión GLMM de Poisson

  • Sobredispersión

  • Regresión GLMM Quasipoisson

  • Regresión GLMM  Binomial Negativa

  • Gráficas asociadas a ggplot2 de los modelos GLMM

+.png
-.png