Master Big Data online

UNIDAD 1. INTRODUCCIÓN A LA ESTADÍSTICA APLICADA CON R

• Introducción a la Estadística Aplicada y su caja de herramientas.
• Descarga e instalación de R, RStudio y sus paquetes.
• Cómo trabajar con R/RStudio.
• Operaciones básicas. Ayuda. Viñetas. Citas.
• Documentación. Git/GitHub
• Creación de informes reproducibles con RMarkdown.

UNIDAD 2. OBTENCIÓN, LIMPIEZA Y EXPLORACIÓN DE DATOS

• Obtención y manipulación de bases de datos con tidyverse.
• Tipos de variables.
• Estadística descriptiva, medidas clásicas y robustas.
• Gráficos avanzados con ggplot2.

UNIDAD 3. CORRELACIÓN Y REGRESIÓN LINEAL

• Correlación simple, múltiple, parcial y robusta.
• Regresión lineal simple y múltiple.
• Selección de variables.
• Evaluación de supuestos y transformaciones.
• Adecuación del modelo.
• Predicciones, interpretación y representación de interacciones entre predictores.

UNIDAD 4. INFERENCIA ESTADÍSTICA

• Conceptos básicos, hipótesis, p-valor, significación y tipos de errores.
• Pruebas de hipótesis y estimación de intervalos de confianza.
• Potencia estadística, estimación del tamaño muestral y del tamaño de efecto.
• Comparación de puntuaciones (medias) y comparación de proporciones para una y dos muestras. Pruebas paramétricas, no paramétricas y robustas.

UNIDAD 5. DISEÑO EXPERIMENTAL

• Estrategias de experimentación.
• Factores de control, replicación, aleatorización, bloqueo y factorización.
• Diseños uni y multi-factoriales, ANOVA de una y dos vías, ANCOVA, análisis de interacción entre factores.
• Estimación del tamaño de muestra.

¿Qué aprenderás en los módulo I y II?

• Conocer la caja de herramientas del científico de datos: el lenguaje de R Software y sus herramientas de gestión y manipulación de datos RStudio y RMarkdown.
• Manejar datos complejos: muestras de pequeño tamaño, presencia de datos atípicos (outliers), el incumplimiento de los supuestos de la estadística clásica (independencia, normalidad, linealidad y homogeneidad de varianza).
• Aplicar técnicas de estadística descriptiva clásica y robusta, para obtener resultados fiables ante la presencia de outliers.
• Generar gráficos potentes y eficaces para resumir los principales patrones de datos. • Identificar relaciones espurias o de confusión entre variables.
• Modelar y predecir la relación entre variables mediante modelo de regresión lineal. • Seleccionar predictores y evaluar su importancia relativa.
• Seleccionar y aplicar pruebas de hipótesis (paramétricas, no paramétricas y robustas) para evaluar las preguntas de tus investigaciones.
• Elegir la técnica más adecuada para sacar el máximo partido a tus datos en cada caso. • Informar de tus resultados con el mayor rigor estadístico.
• Detectar el alcance de tus resultados en función del tamaño del efecto y calcular de forma efectiva el tamaño de la muestra que necesitas.
• Comprender la potencia estadística de tus análisis para obtener resultados certeros.
• Diseñar modelos experimentales óptimos para responder a tus preguntas de investigación (diseño completamente aleatorizado, diseño con bloques aleatorizados, diseño factorial, etc.).
• Aumentar la capacidad de detectar cambios significativos.

UNIDAD 6. MODELOS DE REGRESIÓN AVANZADOS

• Ampliación del modelo lineal ante el incumplimiento de los supuestos estadísticos clásicos.
• Modelo aditivo generalizado (GAM).
• Modelo lineal generalizado (GLM).• Modelo Mixto (MM).

UNIDAD 7. ANÁLISIS DE AGRUPACIÓN CLÚSTER

• Análisis Clúster jerárquico y no jerárquico (por k-medias).
• Validación y representación de la agrupación.

UNIDAD 8. DISCRIMINACIÓN Y COMPARACIÓN MULTIVARIANTE

• Análisis de discriminación lineal (LDA) y cuártico (QDA).
• Análisis multivariante de la varianza (MANOVA) y sus versiones no paramétricas (MRPP, ANOSIM, MPANOVA, MANTEL).

UNIDAD 9. ORDENACIÓN Y REDUCCIÓN DE LA DIMENSIÓN

• Análisis de componentes principales (PCA).
• Análisis de correspondencias (CA).
• Análisis de escalamiento multidimensional (MDS/NMDS).

¿Qué aprenderás en los módulo III?

• Aplicar técnicas avanzadas de modelado para predecir comportamientos: modelos aditivos generalizados (GAM), modelos lineales generalizados (GLM, de Poisson, binomiales negativos y logísticos), modelos mixtos (MM), y sus combinaciones.
• Dominar los modelos mixtos para modelar varianzas no constantes, efectos aleatorios y datos correlacionados o anidados.
• Utilizar herramientas de Data Mining y Machine Learning.
• Manejar conjuntos de datos con muchas variables (multivariantes o multidimensionales), visualizar patrones ocultos y descubrir relaciones potencialmente predictivas.
• Evitar los problemas derivados de aproximaciones univariantes.
• Utilizar información sobre la relación entre las variables para reflejar adecuadamente la complejidad de los datos, comprender su estructura y características claves. • Solucionar los problemas derivados de los análisis univariantes, identificar las variables que más contribuyen a la variación de los datos, aislar o combinar variables, resumir la redundancia, y visualizarlas en su conjunto.
• Clasificar, ordenar, discriminar y comparar datos multivariantes.
• Dominar las técnicas fundamentales de aprendizaje no supervisado: métodos de agrupación y reducción de dimensión.
• Dominar los métodos de agrupación automática no supervisada: análisis clúster.
• Dominar los métodos de clasificación supervisada: análisis de discriminación lineal (LDA).
• Evaluar si existen diferencias significativas entre grupos para un conjunto de variables respuesta (MANOVA, ANOSIM, ADONIS, MRPP, MANTEL).
• Aplicar técnicas de ordenación y reducción de la dimensión de los datos: análisis de componentes principales (PCA), análisis de correspondencia (CA) y escalamiento multidimensional (MDS/NMDS).

• Trabajo de Fin de Máster (TFM)Una vez aprobado el temario del Máster deberás realizar un TFM en el que aplicarás en la práctica las técnicas abordadas en el Máster.
• El TFM es una oportunidad excelente para demostrar que cuentas con habilidades avanzadas en adquisición, preparación, visualización, programación, modelado, evaluación e interpretación de datos para afrontar proyectos de Estadística Aplicada y Ciencia de Datos.