Diplomado en Estadística y Analítica de Datos
Domina el análisis de datos con Python y R: transforma la información en decisiones estratégicas con inteligencia artificial
¿Por qué inscribirte en este programa?
- Aprende desde cero, sin necesidad de experiencia en programación:
Adquiere habilidades en análisis de datos e inteligencia artificial con Python y R, incluso si no tienes conocimientos previos en programación. - Convierte los datos en decisiones estratégicas
Domina técnicas estadísticas avanzadas y machine learning para optimizar procesos y resolver problemas complejos en cualquier industria. - Manejo de herramientas tecnológicas clave:
Aprende a utilizar Python y R para automatizar análisis de datos, construir modelos predictivos y visualizar información de manera efectiva.
Resumen del programa
Estructura Curricular
El Diplomado en Estadística y Analítica de Datos está estructurado en módulos que abarcan desde los fundamentos de la estadística hasta la aplicación de modelos avanzados de machine learning con Python y R. A continuación, se describen los módulos y un resumen de su contenido:
Módulo 1: Fundamentos de Estadística
-
Introducción al análisis estadístico utilizando R y Python, abordando estadística descriptiva, probabilidad y análisis exploratorio de datos, con aplicaciones en inteligencia artificial.
Módulo 2: Métodos de inferencia estadística y modelos de regresión
-
Profundización en técnicas de inferencia estadística, pruebas de hipótesis y modelos de regresión lineal, aplicados en R y Python para análisis de datos y construcción de modelos predictivos.
Módulo 3: Análisis multivariante de datos
-
Utilización de métodos multivariantes como análisis de componentes principales, análisis factorial y clustering, para descubrir patrones y relaciones entre datos multidimensionales.
Módulo 4: Aprendizaje estadístico
-
Implementación de algoritmos de aprendizaje automático en R y Python para desarrollar modelos predictivos, clasificadores y sistemas de recomendación, con enfoque en preprocesamiento y evaluación de modelos.
Módulo 5: Aprendizaje no supervisado
-
Desarrollo de modelos no supervisados para la agrupación de datos y reducción de dimensionalidad, utilizando herramientas como K-Means, modelos ocultos de Markov y PCA en Python y R.
Módulo 6: Monografía o Evaluación de contenidos
-
Integración de todos los conocimientos adquiridos para la realización de un proyecto final o monografía, desde la exploración y análisis de datos hasta la implementación y evaluación de modelos predictivos y descriptivos.
Plantel Docente
- Dindo Valdez Blanco es Magíster en Estadística (UMSA, 2019) y Licenciado en Estadística (UMSA, 2002). Tiene experiencia docente desde 2004. Actualmente es profesor en la Universidad Mayor de San Andrés (UMSA) y en la Universidad Católica Boliviana (UCB), donde ha impartido materias como Probabilidad y Estadística, Estadística Bayesiana y Procesos Estocásticos. Además, ha trabajado como consultor y analista en diversas instituciones. Ha publicado artículos sobre temas de estadística y COVID-19, y ha realizado investigaciones sobre la fecundidad en Bolivia.
- Yuri Miranda Gonzales - Maestría en Desarrollo Económico. Su formación complementaria incluye una especialidad en Estadísticas de Cuentas Nacionales Trimestrales. Ha participado en numerosos cursos y talleres relacionados con la estadística y el análisis de datos, incluyendo estudios sobre DevInfo, contabilidad nacional y análisis cíclico del sector financiero. Su producción intelectual abarca diversas ponencias nacionales e internacionales, artículos en revistas académicas y libros coautores, todos enfocados en el análisis de datos y econometría. En su experiencia profesional, ha desempeñado roles clave como Director General Ejecutivo en el Instituto Nacional de Estadística y Analista Financiero Cuantitativo en la Autoridad de Supervisión del Sistema Financiero. También ha sido especialista en análisis cuantitativo en el Ministerio de Economía y Finanzas Públicas y ha trabajado en el diseño y análisis de indicadores socioeconómicos en varios proyectos.
- Miguel Aldo Alvarado Coronel - Maestría en Estadística. Experto en diseño y análisis de encuestas probabilísticas, actualmente realizando estudios de Doctorado en Estadística en la Pontificia Universidad Católica de Chile. Posee una sólida formación académica que incluye un Magíster en Estadística de la misma universidad, un Diplomado en Minería de Datos y un título de Ingeniero Comercial con mención en Economía. Sus áreas de interés abarcan métodos numéricos, computación estadística, estadística bayesiana, ciencia de datos, machine learning y data mining, destacando su enfoque en la aplicación de técnicas estadísticas avanzadas.Ha ocupado roles como analista metodológico y analista económico en el Instituto Nacional de Estadísticas de Chile, donde ha trabajado en el diseño y análisis de encuestas, así como en la calibración de factores de expansión en la Encuesta Nacional de Empleo.
- Paola Carranza Bravo - Maestría en Seguridad en Tecnologías de la Información, Especialización en Machine Learning. Es una profesional con una sólida formación académica. Su educación ha proporcionado una base sólida para su carrera en el campo de la seguridad informática y la gestión de tecnologías de la información. Ha desempeñado roles significativos en varias organizaciones destacadas. Ocupó cargos clave en el Ministerio de la Presidencia como Jefa de la Unidad de Seguridad de la Información, y en la Compañía Nacional de Telecomunicaciones como Coordinadora de Seguridad Informática, donde lideró iniciativas importantes para fortalecer la seguridad de la información. Cuenta con certificaciones relevantes en el ámbito de la seguridad de la información, como Auditor Interno en ISO 27001 y Especialista en Seguridad de la Información.
- Oscar Contreras - Maestría en Computación Avanzada. Es un profesional con sólida formación en Ciencias de la Computación y especialización en áreas clave como Inteligencia Artificial, Machine Learning y Ciencia de Datos. Actualmente cursa un Doctorado en Ciencias de la Computación en la Universidad Autónoma Gabriel René Moreno, con investigación centrada en modelos de lenguaje para evaluación automática de código fuente. Cuenta con una Maestría en Advanced Computing de la University of Bristol, donde se especializó en Computación Gráfica 3D, Computer Vision e Inteligencia Artificial, y una certificación en Machine Learning de la Universidad de Columbia.
¿Te interesa?
Déjanos tus datos para enviarte la información sobre el proceso de inscripción