Para Público Externo

Analítica Económica

Técnicas para el análisis de datos

Certifícate como analista económico 4.0

Inicio

5 de abril 2021

Duración

90 horas

Modalidad

Remota sincrónica

Costo

$2.700.000

Inicio

2021-1

Sí, autorizo el uso de los datos aquí consignados, por parte de la Universidad Sergio Arboleda y su Política de Tratamiento de Información.

¿Por qué adquirir competencias en Analítica Económica ?

La dinámica económica actual, la globalización, la hiperconectividad, la generación y el creciente flujo de información demandan nuevas herramientas de programación y técnicas para el análisis de datos, como big data y machine learning, que faciliten la interpretación de patrones ocultos dentro de los datos.

La competencia en Analítica Económica de la Universidad Sergio Arboleda centra su atención en el desarrollo de las capacidades necesarias para analizar entornos altamente dinámicos y captar la realidad de diversos fenómenos socioeconómicos.

Tres competencias

para mejorar tu perfil profesional

Formula y aplica modelos socioeconómicos utilizando técnicas estadísticas y herramientas matemáticas para la toma de decisiones.

Identifica y utiliza fuentes de información primaria y secundaria, apoyado de técnicas para la recolección, construcción y manejo de bases de datos.

Aplica herramientas digitales, de mayor alcance, para generar diagnósticos y soluciones a los desafíos que imprime la Cuarta Revolución Industrial.

Tu camino

de formación

Este curso de formación por competencias está diseñado para profesionales que quieran desarrollar las capacidades necesarias para el análisis de entornos altamente dinámicos, que exigen tecnologías y metodologías de mayores alcances como el machine learning y el big data, y con esto captar una visión más clara para la toma de decisiones asertivas.

Para esto, el participante tendrá la oportunidad de aproximarse a la interpretación y técnicas de análisis de datos para el desarrollo de herramientas estadísticas, la investigación de datos experimentales y las habilidades en el manejo de herramientas informáticas y de programación, entre otros.

Tus contenidos

MÓDULO I.
Estadística
(20 horas)

Este módulo proporciona los instrumentos para analizar e interpretar correctamente los datos, además de las bases de la probabilidad para el desarrollo de herramientas para la toma de decisiones en entornos bajo incertidumbre.
Leer más...

Temas que abordarás:

• Estadística descriptiva
• Probabilidad
• Variables aleatorias y distribución de probabilidad
• Esperanza matemática
• Distribuciones discretas de probabilidad

La segunda parte de este módulo profundiza en las técnicas para el análisis e investigación de datos experimentales, con el fin de hacer inferencia sobre la población o universo de estudio.

• Distribución normal y distribuciones muestrales
• Estimación – Introducción a la inferencia estadística
• Pruebas de hipótesis
• Regresión lineal y correlación

MÓDULO II.
Informática para economistas I
(30 horas)

Este módulo busca desarrollar habilidades en el manejo de herramientas informáticas y de programación, como elementos fundamentales para el análisis de datos.
Leer más...

Temas que abordarás:

• Introducción a Arcgis, Sistema de Información Geográfica
• Introducción a Stata
• Introducción a R
• Introducción a Python

MÓDULO III.
Machine learning – optativa
(30 horas)

* Taxonomía de problemas sobre datos / enfoques de solución analítica computacional Exploración de datos. Data wrangling Elementos de optimización y álgebra lineal. Aspectos teóricos generales. Métodos básicos de regresión y clasificación
Leer más...

Temas que abordarás:

* Taxonomía de problemas sobre datos / enfoques de solución analítica computacional Exploración de datos. Data wrangling Elementos de optimización y álgebra lineal. Aspectos teóricos generales. Métodos básicos de regresión y clasificación
* Análisis de Componentes Principales Derivación y aplicaciones de análisis de componentes principales desde la perspectiva de datos Reducción de dimensionalidad, análisis de anomalías, proyección al espacio nulo Rellenado de datos faltantes Métodos de clustering: k-means, jerárquico, SOM
* Tipología de problemas de aprendizaje supervisado Clasificación binaria y multietiqueta Análisis sensible al costo Aprendizaje en línea. Support Vector Machines: derivación, interpretación y ejemplos.
* Técnicas de combinación de modelos Random Forest. Boosting
* Redes Neuronales Algoritmo de backpropagation, algunos resultados teóricos y aplicaciones. Fundamentos de Deep Learning Autoencoders

MÓDULO IV.
Big data – optativa
(20 horas)

* Programación en Python - Subtema 2 Tipos de variables, datos, estructuras de control y funciones
Data wrangling y exploración de datos * Modelos de regresión
Ficheros, limpieza y descripción Arquitectura Big data, ¿cómo funciona? RDD’s Estructuras de control y funciones Data wrangling
Leer más...

Temas que abordarás:

* Programación en Python - Subtema 2 Tipos de variables, datos, estructuras de control y funciones Data wrangling y exploración de datos

* Modelos de regresión Ficheros, limpieza y descripción Arquitectura Big data, ¿cómo funciona? RDD’s Estructuras de control y funciones Data wrangling

* Segmentación Exploración de datos Clustering, K-means y Knn

* Modeling Conceptos: modelos de regresión Regresión lineal Regresión logística

* Predicción Matriz de confusión Métricas de resultados Análisis de resultados y selección de modelos

Certifícate
en La Sergio

El mundo requiere profesionales con competencias 4.0, que sepan leer y analizar data, que conozcan las tendencias del mercado y puedan hacer predicciones sustentadas en datos educados y que aporten desde un conocimiento sistemático.

Desarrolla nuestro modelo de formación por competencias y certifícate con La Sergio.

  testimonios

contactanos

Sí, autorizo el uso de los datos aquí consignados, por parte de la Universidad Sergio Arboleda y su Política de Tratamiento de Información.