La Asociación de Egresados de la Universidad Tecnológica de Pereira - ASE UTP ha identificado las crecientes necesidades de diferentes sectores económicos, industriales, académicos y sociales de hacer un buen uso de la información y los datos que tienen a disposición, identificando patrones e insigths que permiten tomar decisiones más acertadas en sus procesos. Dado lo anterior y con la intención de aportar mayores herramientas de análisis a nuestros egresados y profesionales colombianos, se presenta un diplomado riguroso, pensado en brindar herramientas que aporten a la solución de problemas reales, flexible y telepresencial para garantizar la participación de personas en cualquier parte del país y del mundo.

El curso está dirigido a ingenieros electricistas, electrónicos, industriales, mecánicos, agroindustriales, civiles, economistas y en general a todo público y areas del conocimiento.

• Brindar herramientas que faciliten la comprensión y desarrollo de un problema de análisis de datos desde la obtención de la información hasta el desarrollo de un producto de datos.

El diplomado está dirigido a profesionales o estudiantes de últimos semestres que estén interesados en adquirir conocimientos en las funciones de análisis de información, planificación, logística, investigación, educación, como también actividades en inteligencia y estrategia de negocios.

Está enfocado a personas familiarizadas con el manejo de datos, que deseen adquirir herramientas para el procesamiento, manipulación y analítica de datos. Desarrollar modelos de predicción e interpretación de comportamientos de variables que permitan tomar decisiones estratégicas soportadas en información. Apropiar instrumentos para la correcta comunicación de la información a los diferentes grupos de valor a través de informes estáticos o dashboards.

Se recomienda tener competencias básicas de estadística y programación.

• Introducción general al diplomado
• ¿Por qué es importante la Ciencia de Datos?
• Conceptos fundamentales para el análisis de datos: concepto de variable, tipos de variable, tipos de datos en R.
• Conceptos básicos de estadística descriptiva: Introducción a médidas de tendencia central, probabilidad, distribuciones.
• Herramientas básicas para la ciencia de datos: Github y Git con R, introducción a RMarkdown.

• Introducción al lenguaje R
• Instalación y carga de librerías
• Declaración de variables
• Manejo de vectores, matrices, data frames (conjuntos de datos) y listas
• Operaciones básicas entre objetos
• Funciones condicionales
• Programación de ciclos (Estructuras de control)
• Creación de funciones
• Fundamentos de visualización de datos

• ¿Qué es una base de datos?
• Introducción al tidyverse
• Carga de datos en R desde diferentes fuentes
• Funciones para la limpieza de datos
• Funciones para la agregación y resumen de datos
• Manipulación de la estructura de la tabla
• Conceptos de teoría de conjuntos para el uso de funciones de unión (join) de datos * Buenas prácticas en el manejo de variables

• Cálculo de estadísticas de resumen
• Correlación de datos
• Visualización del comportamiento de los datos
• Personalización de gráficos
• Transformación de variables como preproceso para el modelado

• ¿Qué es el procesamiento de lenguaje natural?
• Herramientas para un análisis de procesamiento de lenguaje natural
• Procesamiento de Lenguaje Natural con Quanteda(Quantitative Analysis of Textual Data)
• Desarrollo de un análisis del discurso

• Importancia de los mapas como herramienta para la visualización de la información
• Introducción a ggplot2 y leaflet para la elaboración de mapas
• ¿Qué tipos de archivos se usan para la elaboración de mapas?
• Ejemplos prácticos

• Introducción a la Estadística Inferencial
• Introducción al Machine Learning
• Ejecución y estudios de caso usando modelos supervisados (Modelos de regresión y clasificación) y no supervisados (Clustering o agrupamiento de datos)
• Técnicas de selección del modelo más adecuado

Algunos modelos a revisar: Lineal regression, Logistic regression, Decision tree, K-means, Hierarchical clustering, KNN, entre otros.

• Implementación de reportes tipo word, pdf, HTML con Rmarkdown y reportes web alojados en Rpubs
• Implementación de presentaciones interactivas para la presentación de análisis y resultados.
• Desarrollo de aplicaciones web con Shiny y alojamiento en ShinyApps
• Desarrollo de un app para predicción de texto o análisis de información en sector educación

• Convesatorio sobre la importancia de la investigación reproducible
• ¿Cómo aporta R a la investigación reproducible?

El desarrollo del diplomado se realizará en sesiones de trabajo teórico prácticas, haciendo uso del lenguaje de programación R con algunas librerías seleccionadas.

Durante el curso se abordarán los temas de adquisición, preparación y limpieza de datos, exploración descriptiva, la aplicación de modelos de Machine Learning y la comunicación de los resultados a través de herramientas de visualización de la información. Estos temas se desarrollarán con la aplicación de estudios de caso y un proyecto de clase individual o grupal de los participantes.

Esto está TODO para revisar y ajustar

• Duración: 170 horas
• Orientado A: Egresados y profesionales de cualquier area del conocimiento
• Inversión:
  • Público general: $ 1.500.000
  • Egresados UTP: $ 1.000.000
• Modalidad: Telepresencial
• Mínimo de participantes: 10
• Fecha de inicio:
• Organiza: ASE UTP
• Horario Sugerido:

Se ofrecerán becas del 100% para estudiantes de pregrado de la Facultad de Ingenierías.

• Ph.D(c) Délany Ramírez del Río
• Ms(c) Julián Piedrahita Monroy
• Ms(c) Carlos Andrés Gómez