MÁSTER DE ESTADÍSTICA APLICADA CON R SOFTWARE (IX EDICIÓN)

MÁSTER DE ESTADÍSTICA APLICADA CON R SOFTWARE (IX EDICIÓN)

Máxima Formación

Máster online


1.900 

Duración : 10 Meses

El Máster de Estadística Aplicada con R Software es único en la oferta universitaria de España y Latinoamérica. Ha sido elaborado para que investigadores y profesionales en activo aprendan a solucionar las dificultades reales que se hallan con el análisis avanzado de grandes volúmenes de datos. Transforma tus datos en conocimiento y toma decisiones irrebatibles fundadas en análisis de datos complejos.

Este Máster es la especialización universitaria que estabas buscando si eres estudiante y quieres educarte como Data Scientist para obtener aptitudes profesionales en Big Data, Machine Learning, Deep Learning y minería de datos. También es para ti si eres un profesional o investigador en activo y precisas dominar los métodos estadísticos más avanzados para desplegar con éxito proyectos que demandan análisis de datos complejos.

Los contenidos del Máster se desenvuelven totalmente en torno al lenguaje R, el instrumento estadístico con más penetración en grandes empresas, universidades y centros de investigación científica a nivel internacional.

R Software es el único lenguaje apto para aplicar todo tipo de métodos estadísticos para solucionar problemas de análisis de datos complejos que son imposibles de afrontar con otras herramientas.

El enfoque teórico-práctico del Máster es colateral a cualquier ámbito de conocimiento y asegura al alumno una resuelta curva de aprendizaje para aplicar desde el primer día los nuevos conocimientos obtenidos a la práctica profesional o investigadora.

Desde nivel cero, el alumno ahonda en métodos y técnicas estadísticos que no se tratan en los cursos de Grado y que son primordiales para una formación completa y actualizada en Ciencia de Datos.

Si es de tu interés recibir más información, ponte en contacto con nosotros mediante lectiva.com y te brindaremos el dossier informativo sin compromiso alguno.

¿Quieres hablar con un asesor sobre este curso?

Objetivos

El MÁSTER DE ESTADÍSTICA APLICADA CON R SOFTWAREes único en la oferta universitaria actual porque te capacita para resolver en la práctica los problemas estadísticos complejos que surgen en tu desempeño profesional. Adquiere ya los conocimientos avanzados que necesitas para: ✔️ Aplicar la Ciencia de Datos actual a la investigación y a la práctica profesional. ✔️ Dominar el análisis de grandes volúmenes de datos con visión global. ✔️ Construir modelos analíticos y algoritmos complejos para tus proyectos. ✔️ Comunicar gráficamente los resultados de tus análisis con precisión y alta calidad. ✔️ Generar predicciones estadísticas. Además, serás capaz de liderar proyectos que implican el análisis de grandes volúmenes de datos y extraer conocimiento valioso aplicando diversas técnicas estadísticas: • Clásicas. • Robustas (análisis de Outliers). • Avanzadas. • Multivariantes (Data Mining y Big Data).

A quién va dirigido

Este Máster está orientado aGraduados, Licenciados, PhD, Doctorados universitarios y profesionales en activo interesados en alcanzar el perfil de experto en Ciencia de Datos, y: • Adquirir una visión global de los procesos estadísticos en el análisis de grandes volúmenes de datos complejos. • Aplicar la Estadística para resolver problemas de una forma eficiente en áreas de trabajo de diversa índole (científicas, industriales o sociales) y construir modelos analíticos y algoritmos. • Dotarse de habilidades especializadas en estadística, programación, visualización y comunicación, para dar explicación a los resultados obtenidos. • Ocupar puestos de trabajo nacionales e internacionales en empresas, administración e industrias, vinculados a proyectos de investigación, desarrollo e innovación (I+D+i).

Requisitos

Para acceder al Máster debes acreditar o estar en posesión del Para cursar con éxito este Máster no es necesario tener conocimientos previos de Estadística ni de programación en R. Para realizar la reserva de matrícula y obtener el título, debes acreditar estar en posesión del: • Título de Grado universitario o titulación equivalente por una universidad española. • Titulación equivalente por estudios extranjeros que den acceso a estudios de Postgrado (titulación oficial).

Temario completo de este curso

PRIMER MÓDULO: TÉCNICAS CLÁSICAS Y ROBUSTAS.

TEMA 1. SOFTWARE R. Manejo de bases de datos en el software R. Programación.

TEMA 2. ESTADÍSTICA DESCRIPTIVA. Variables categóricas y numéricas. Estadísticos clásicos y robustos. Gráficos avanzados.

TEMA 3. ESTADÍSTICA INFERENCIAL. Pruebas paramétricas, no paramétricas y robustas.

TEMA 4. REGRESIÓN Y CORRELACIÓN. Correlación simple, múltiple, parcial y robusta. Regresión lineal simple y múltiple. Selección de variables y transformaciones. Regresión robusta simple y múltiple.


SEGUNDO MÓDULO: TÉCNICAS AVANZADAS

TEMA 5. DISEÑO EXPERIMENTAL ANOVA uni y bi-factorial. Diseño experimental por bloques aleatorizados, Diseño de medidas repetidas, Diseño split-plot, Diseño anidado o jerárquico y ANCOVA.

TEMA 6. MODELOS AVANZADOS. Modelo lineal (LM), Modelo aditivo (AM), Modelo lineal generalizado (GLM) univariante, Modelo aditivo generalizado (GAM), Introducción al Modelo mixto (MM).


TERCER MÓDULO: TÉCNICAS MULTIVARIANTES

TEMA 7. ESTADÍSTICA MULTIVARIANTE. Análisis de conglomerados (Cluster) jerárquico y no jerárquico, Árbol de regresión multivariada (MRT), Análisis discriminante (LDA), Análisis de correspondencias (CA), CA sin tendencia (DCA), CA parcial (pCA), y CA canónico (CCA), Análisis de componentes principales (PCA), Análisis de redundancia (RDA), Pruebas para diferencias multivariadas entre grupos (MANOVA, MRPP, ANOSIM, NPMANOVA, MANTEL).

TEMA 8: DISCRIMINACIÓN. ANÁLISIS DISCRIMINANTE Y MRT. El análisis lineal discriminante (LDA) nos permite:

  • Identificar características que diferencien (o discriminen) a 2 o más grupos de elementos. ¿Cómo podemos caracterizar estos grupos? Discriminación.
  • Seleccionar el menor número de variables explicativas necesarias para discriminar de manera efectiva los grupos. ¿Cuántas de estas variables son necesarias para que el modelo sea preciso? Selección de variables.
  • Predecir a qué grupo ha de pertenecer una nueva observación. ¿A qué grupo pertenecerá un nuevo caso? y ¿con qué precisión puedo realizar la predicción? Clasificación.

El árbol de regresión multivariada (MRT) es una técnica extremadamente flexible, no tiene prácticamente ninguna suposición, y nos permite:

  • Clasificar observaciones.
  • Establecer reglas de decisión.
  • Resumir grandes bases de datos
  • Seleccionar variables de interés
  • Detectar interacción entre variables
  • Captar efectos no aditivos

TEMA 9: COMPARACIÓN MULTIVARIANTE: Nos permite discriminar entre grupos. ¿Los grupos son significativamente distintos? ¿Es válida la agrupación dada? ¿Qué grupos en particular difieren entre sí?

TEMA 10: ORDENACIÓN Y EXPLICACIÓN. PCA/RDA/PRDA, CA/CCA/PCA, NMDS/MDS.
Utilizaremos distintas técnicas de ordenación para la representación visual de datos en más de una dimensión y encontraremos qué factores (dimensiones) subyacen bajo los datos.

Ver más