Si ya tiene conocimientos en el ecosistema Python (lenguaje, Numpy, Pandas, Matplotlib, etc...), puede ir directamente a los contenidos específicos en estadística, empezando por el de Estadística Univariante. Si es su primer contacto con el ecosistema Python, o nunca ha tenido la oportunidad de aprender un lenguaje de programación, se recomienda empezar por el CrashCourse01_Python.ipynb y luego retomar los contenidos de estadística.
Fortalecer e implementar el razonamiento estadístico en la gestión y análisis de datos a través del uso de Python.
40 horas
Esta formación se desarrollará siguiendo la modalidad E-Learning, con clases magistrales por parte del tutor con actividades a ser desarrolladas por los asistentes de forma autónoma e independiente.
- Introducción a conceptos básicos de estadística univariante: Descripción gráfica, visual y tabular de los datos, Indicadores de centralidad, dispersión y forma, y su interpretación.
- Análisis de normalidad y Modelos Probabilísticos, Estimación puntal de indicadores (parámetros) e intervalos de confianza, Pruebas de hipótesis paramétricas y no paramétricas.
- Modelos de predicción y pronóstico: Visualización de datos, Correlaciónes, Modelo de regresión lineal, Métodos estadísticos de selección de variables importantes e identificación de información redundante, Validación y significancia.
- Series de tiempo, Identificación de datos raros, Regresión robusta.
- Estadística multivariante: Visualización de datos multivariantes, Indicadores de centralidad, dispersión y forma, Similaridad de individuos y registros (Distancia estadística), Outliers multivariantes, Componentes principales, Clustering, Clasificación supervisada de registros.
| Sesión | Módulo | Horas |
|---|---|---|
| 1 | Ecosistema Python: Crash course | 4 |
| 2 | Taller de repaso: ecosistema Python (asincrónico) | 4 |
| 3 | Estadística Univariante | 4 |
| 4 | Análisis de Normalidad | 4 |
| 5 | Modelos de Predicción y Pronóstico | 4 |
| 6 | Taller de repaso: Estadística Univariante y Modelos de predicción (asincrónico) | 4 |
| 7 | Series de tiempo y detección de Outliers | 4 |
| 8 | Estadística multivariante I | 4 |
| 9 | Estadística multivariante II | 4 |
| 10 | Taller de repaso: General | 4 |
| Total horas | 40 |
Como complemento al curso, se han desarrollado una serie de documentos (notebooks) tipo cursos rápidos (crash-courses) que le permitirán al estudiante adquirir las habilidades necesarias y suficientes para abordar los temas del curso. Se invita a los estudiantes a que revisen esta documentación:
El curso se desarrolla con diferentes estrategias pedagógicas, entre otras:
- Clases Magistrales en modalidad remota (E-learning)
- Talleres para desarrollar en diferentes plataformas de trabajo (Python, Jupyter Notebook, Google Colab)
A lo largo del curso se usarán los siguientes recursos computacionales: