[google-translator]
[wpdreams_ajaxsearchlite]
Editar el contenido
Análisis Estadístico de Datos (AED) para la ciencia de datos, la analítica de datos y el machine learning.

Adquirir las competencias (conceptos y herramientas) necesarias, para, con la ayuda de los diferentes paquetes del ecosistema de Python realizar análisis de datos exploratorio e inferencial y aplicar los métodos estadísticos (descriptiva, inferencial y modelos) con ayuda de las bibliotecas SciPy y Statsmodels a la solución de tareas varias relacionadas con la estadística en diversos campos del saber. 

La estadística juega un papel fundamental en la ciencia de datos. Al combinar la estadística con los múltiples programas del ecosistema de Python, obtenemos una herramienta que permite realizar diversas tareas aplicadas al análisis de datos y el Machine Learning (ML). El reconocimiento de imágenes, el trabajo con series temporales, los estudios crediticios mediante análisis de datos y los diferentes algoritmos para el ML tienen su fundamento en los métodos desarrollados en la estadística. El curso que se ofrece está orientado a desarrollar las competencias necesarias para el dominio de los modelos estadísticos aplicados a la analítica de datos y el ML, mediante un método ágil que combina teoría y aplicación de conceptos. En el curso cada módulo se ofrece como un notebook de jupyter en el cual cada tema propuesto está implementado como una porción de código que es corrido durante la presentación del material y puede ser utilizado de forma independiente según las necesidades individuales de cada estudiante.

 

Adquirir las competencias (conceptos y herramientas) necesarias, para, con la ayuda de los diferentes paquetes del ecosistema de Python realizar análisis de datos exploratorio e inferencial y aplicar los métodos estadísticos (descriptiva, inferencial y modelos) con ayuda de las bibliotecas SciPy y Statsmodels a la solución de tareas varias relacionadas con la estadística en diversos campos del saber.

Encuentros de tres horas dos veces por semana con explicación detallada de los métodos y la realización de dos proyectos opcionales, cuyas soluciones serán discutidas al final del curso. Los proyectos permiten aplicar los conceptos y herramientas asimiladas en el curso a soluciones puntuales. Se ofrece material complementario en forma de archivos PDF, disponibles en el aula del curso.

Personas interesadas en la aplicación de los métodos estadísticos a la solución de problemas de campos diversos del saber, con ayuda de los paquetes desarrollados en Python, combinados con los métodos computacionales.

INVERSIÓN

DOCENTE

PhD. en Física y Matemáticas, realizó estudios de pregrado y postgrado en Bielorrusia (exUnión Soviética), jefe del Laboratorio de Interacciones Fundamentales en el Instituto de Problemas Nucleares de la Universidad Estatal de Bielorussia y TEAM leader de dicho instituto en la Colaboración CMS (CERN). Trabajó como miembro asociado del CERN durante 12 años. Miembro de las Colaboraciónes CMS (CERN) y DUNE (FERMILAB, EE. UU). Participó en el descubrimiento del Boson de Higgs (CERN, 2012), autor de más de 800 publicaciones científicas. Actualmente se desempeña como profesor de Física, Ciencia de Datos y laboratorios en la Universidad EIA y conduce los semilleros de Análisis de Datos (DA) y Física de Partículas Elementales y Altas Energías (FPEAE) en la Universidad EIA. Condujo el curso de extensión MEC en la universidad EIA en el semestre 2022-1

  • MÓDULOS DEL CURSO