Formulario de Inscripción

INSTRUCTOR

Juan Ignacio Mereles (jimereles1991@gmail.com)

Licenciado en Ciencias Mención Matemática Estadística, egresado de la Facultad de Ciencias Exactas y Naturales (FACEN-UNA). Magister en Elaboración, Gestión y Evaluación de Proyectos de Investigación Científica, también por la FACEN-UNA. Maestrando de la Maestría en Estadística por la FACEN-UNA.

Ha realizado cursos de: Didáctica Universitaria, Introducción a la Plataforma Moodle, Tutoría Virtual, Moodle Avanzado, entre otros.

Se desempeña actualmente como docente en la asignatura “Inferencia Estadística” de la carrera Matemática Estadística de las modalidades presencial y semipresencial y es Coordinador de Investigación del Departamento de Educación a Distancia de la FACEN-UNA.

PERIODO: 06 al 27 de mayo

Carga horaria: 20 hs.             Sincrónica: 10 hs                    Asincrónica: 10 hs.

CANTIDAD DE CLASES SINCRÓNICAS: Cuatro Sábados: 6, 13, 20 y 27 de mayo

HORARIO DE CLASES SINCRÓNICAS:  08:30 hs. a 11:00 hs.

Público general 200.000
Estudiantes 150.000

FUNDAMENTACIÓN

La toma de decisiones basada en datos se ha convertido en una habilidad esencial para profesionales en diversos campos, desde la investigación científica hasta la gestión empresarial. Con el creciente volumen de datos disponibles y la necesidad de obtener información útil de ellos, es fundamental contar con herramientas y técnicas que permitan analizar y entender los datos de manera efectiva.

En este contexto, el software R se ha convertido en una de las herramientas más populares para el análisis de datos, ya que es un lenguaje de programación gratuito y de código abierto que permite una amplia gama de análisis estadísticos y gráficos. Además, su popularidad se ha extendido más allá de los campos científicos y se utiliza cada vez más en el mundo empresarial para el análisis de datos y la toma de decisiones.

Por lo tanto, un curso de técnicas cuantitativas de análisis de datos con R es una propuesta importante para proporcionar a los estudiantes, profesionales y público en general las habilidades y herramientas necesarias para realizar análisis de datos efectivos. A través del curso, los participantes aprenderán a trabajar con R y a realizar análisis exploratorios de datos y estadísticas inferenciales utilizando herramientas de visualización y programación en R.

Además, el curso les permitirá desarrollar habilidades para la resolución de problemas, la toma de decisiones y la comunicación efectiva de resultados a través de la elaboración de informes y presentaciones reproducibles y profesionales.

OBJETIVOS DEL CURSO

Objetivo general

Proporcionar a los participantes las habilidades y herramientas necesarias para realizar análisis de datos efectivos utilizando R, para la resolución de problemas y la toma de decisiones informadas basadas en la evidencia.

Objetivos específicos

• Familiarizar a los participantes con el lenguaje R y su sintaxis, y enseñarles a cargar y manipular datos en R.
• Introducir a los participantes en el análisis exploratorio de datos y en la elaboración de gráficos descriptivos y medidas de resumen.
• Desarrollar habilidades para la visualización de datos, utilizando ggplot2 y otras herramientas para la elaboración de gráficos interactivos, mapas y animaciones.
• Capacitar a los participantes para la elaboración de informes reproducibles y presentaciones profesionales de resultados utilizando herramientas de visualización en R y la integración con otras herramientas como Markdown.

¿A QUIENES ESTÁ DIRIGIDO?

Estudiantes de grado de los últimos niveles de la carrera, profesionales graduados e investigadores que pretenden implementar investigaciones que involucren métodos de la estadística inferencial en sus trabajos académicos y/o de investigación.

CONTENIDO

Clase 1: Introducción a R y a la EPH

• Instalación y configuración de R
• Introducción a la interfaz de R y a la sintaxis básica
• Carga de datos de la EPH en R
• Manipulación de datos con dplyr
• Reporte de resultados con R Markdown

Clase 2: Análisis exploratorio

• Tabulación de frecuencias y gráficos descriptivos
• Medidas de tendencia central, de variabilidad y de posición
• Análisis de correlación y covarianza

Clase 3: Modelado predictivo

• Modelos de regresión lineal y logística
• Selección de variables
• Validación cruzada

Clase 4: Visualización de datos con ggplot2

• Funcionamiento del paquete ggplot2
• Extensiones
• Visualización de los datos de la EPH

EVALUACIÓN

Trabajos prácticos (dos en total, uno cada dos semanas) en la plataforma Classroom (40%).

Un trabajo integrador final (60%) que equivale al examen final.