Diplomado en Ciencia de Datos

MÓDULO 1: FUNDAMENTOS DE ESTADÍSTICA
UNIDAD 1. Estadística Descriptiva (5 horas)
1.1 Orígenes y consideraciones relevantes
1.2 Medidas de tendencia central
1.3 Medidas de tendencia no central
1.4 Medidas de dispersión
1.5 Medidas de Forma
1.6 Representaciones gráficas

UNIDAD 2. Probabilidad (4 horas)
2.1 Consideraciones iniciales (sucesos, conjuntos)
2.2 La probabilidad y sus propiedades
2.3 Variables aleatoria
Características: esperanza y varianza
2.4 Modelos para variables aleatorias
Distribución Normal
Distribución Binomial
Distribución de Poisson
Otras distribuciones continuas y discretas

UNIDAD 3. Inferencia Estadística (5 horas)
3.1 Consideraciones relevantes
3.2 ¿Qué es una muestra?
3.3 Distribuciones asociadas al muestreo en poblaciones normales
Chi-cuadrado o de Pearson
t-Student
F-Snedecord

UNIDAD 4. Estimación puntual y por intervalos (8 horas)
4.1 Consideraciones relevantes
4.2 Propiedades de los estimadores
4.3 Obtención de estimadores
4.4 Distribución de los estimadores asociados a la población
Teorema del límite central
4.5 Estimación por intervalos
Intervalo de confianza para la media
Intervalo de confianza para la proporción

UNIDAD 5. Contraste de Hipótesis (10 horas)
5.1 Definición
5.2 Errores en el contraste
5.3 Tipos de constrastes de hipótesis
5.4 Constrastes para una y dos muestras
Tamaño de la muestra
Constraste de bondad de ajuste
Constraste para más de dos muestras. ANOVA
5.5 Correlación
5.6 Detección y tratamiento de outliers

MÓDULO 2: FUNDAMENTOS DE PROGRAMACIÓN CON R
UNIDAD 1. INTRODUCCIÓN A LA PROGRAMACIÓN (4 horas)
1.1 Codificación de la información
1.2 Tipos de lenguajes de programación
1.3 Algoritmos y pensamiento lógico
1.4 Paradigmas de programación

UNIDAD 2. INTRODUCCIÓN A R (4 horas)
2.1 ¿Qué es R?
2.2 Instalación de R y RStudio
2.3 Entorno y configuración de RStudio
2.4 Tipos de datos y sintaxis del lenguaje
2.5 Flujo de trabajo: Primeros pasos con R

UNIDAD 3. ESTRUCTURAS DE DATOS (4 horas)
3.1 Vectores
3.2 Listas
3.3 Matrices
3.4 Factores
3.5 Data frames

UNIDAD 4. TRANSFORMACIÓN Y EXPLORACIÓN DE DATOS (8 horas)
4.1 Importación de datos
4.2 Ordenamiento de datos con tidyverse
4.3 Transformación de datos con dplyr
4.4 Análisis exploratorio de datos (EDA)

UNIDAD 5. ESTRUCTURAS DE CONTROL Y FUNCIONES (8 horas)
5.1 Estructuras iterativas
5.2 Estructuras condicionales
5.3 ¿Qué es una función?
5.4 Tipos y evaluación de argumentos

UNIDAD 6. VISUALIZACIÓN DE DATOS (4 horas)
6.1 Tipos de visualizaciones
6.2 Paquetes de visualización en R
6.3 Introducción a ggplot2

MÓDULO 3: ESTADÍSTICA APLICADA CON R
UNIDAD 1. ESTADÍSTICA DESCRIPTIVA EN R (8 horas)
1.1 Análisis exploratorio de datos con tidyverse
1.1.1 Estadística descriptiva univariante y bivariante
1.1.2 Graficación
1.2 Depuración de datos con tidyverse
1.3 Estadística multivariante
1.3.1 Con variables cualitativas y cuantitativas

UNIDAD 2. ESTADÍSTICA INFERENCIAL BÁSICA (8 horas)
2.1 Contrastes estadísticos simples (Pruebas)
2.1.1 Prueba de independencia a partir de tablas de contingencia
2.1.2 Prueba de correlación en población
2.1.3 Prueba t para grupos independientes y dependientes

UNIDAD 3. ESTADÍSTICA INFERENCIAL AVANZADA (10 horas)
3.1 Análisis de la varianza
3.1.1 Terminología
3.1.2 La función aov
3.1. ANOVA de una vía
3.1.1 Comparaciones múltiples
3.2 Verificación de supuestos

UNIDAD 4. REPORTERÍA (6 horas)
4.1 Generación de reportes de análisis de datos
4.1.1 Cabecera YALM
4.1.2 Chunks
4.2 Parametrización
4.3 Personalización de reportes

MÓDULO 4: MACHINE LEARNING 1
UNIDAD 1. PREPROCESAMIENTO Y AJUSTE (8 horas)
1.1 Librería tidymodels
1.2 Feature Engineering (Librería recipes)
1.3 Ajuste de Modelos (Librería parsnip)
1.4 Flujo de modelos
1.5 Métricas de rendimiento

UNIDAD 2. INTRODUCCIÓN A LA REGRESIÓN CON TIDYMODELS (8 horas)
2.1 Introducción a la regresión lineal
2.1.1 Obteniendo datos
2.1.2 Particionamiento de datos
2.1.3 Especificación de modelo
2.1.4 Ajuste a datos de entrenamiento
2.1.5 Evaluando la exactitud de los datos de evaluación

UNIDAD 3. CREACIÓN DE UN FLUJO DE TRABAJO DE MACHINE LEARNING (8 horas)
3.1 Partición de datos
3.2 Feature Engineering
3.3 Especificación de un modelo
3.4 Creación de un flujo de trabajo
3.5 Ejecución de un flujo de trabajo

UNIDAD 4. EVALUACIÓN DEL MODELO (8 horas)
4.1 Cálculo de ajuste del modelo
4.1.1 Coeficiente de Determinación
4.1.2 Gráfica de ajuste
4.2 Otras métricas de ajuste
4.2.1 Criterio de información de Akaike
4.2.2 Criterio de información Bayessiano
4.3 Importancia de Variables

MÓDULO 5: MACHINE LEARNING 2
UNIDAD 1. REGRESIÓN LOGÍSTICA (8 horas)
1.1 Introducción a la clasificación (Regresión Logística)
1.1.1 Partición de datos
1.1.2 Feature Engineering
1.1.3 Especificación del modelo
1.1.4 Creación del Flujo de trabajo
1.1.5 Ajuste del modelo
1.1.6 Evaluación del rendimiento del modelo
1.1.7 Automatización del proceso

UNIDAD 2. ANÁLISIS DISCRIMINANTE Y K-VECINOS MÁS CERCANOS (8 horas)
2.1 Análisis discriminante lineal
2.1.1 Partición de Datos y Feature Engineering
2.1.2 Especificación del modelo y Creación de flujo de trabajo
2.1.3 Entrenamiento y evaluación con last_fit
2.2 Análisis discriminante cuadrático
2.3 K vecinos más cercanos
2.4 Ajuste de Hiperparámetros
2.5 Métricas de evaluación
2.5.1 Matriz de confusión
2.5.2 Curva ROC

UNIDAD 3. ÁRBOLES DE DECISIÓN Y BOSQUES ALEATORIOS (8 horas)
3.1 Árboles de decisión
3.1.1 Partición de datos, Feature Engineering y Especificación de modelo
3.1.2 Flujo de Trabajo y Afinamiento de Hiperparámetros
3.1.2.1 Costo
3.1.2.2 Entropía
3.2 Bosques Aleatorios
3.2.1 Partición de datos, Feature Engineering y Especificación de modelo
3.2..2 Flujo de Trabajo y Afinamiento de Hiperparámetros

UNIDAD 4. APRENDIZAJE NO SUPERVISADO (8 horas)
4.1 Métodos de componentes principales
4.1.1 Análisis de componentes principales (Variables cuantitativas)
4.1.2 Análisis de correspondencia (Variables cualitativas)
4.2 Métodos de Clústering
4.2.1 K-medias, K-medioides, PAM
4.2.2 Clúster jerárquico