Curso de Posgrado: “Introducción a la Ciencia de Datos y Elementos de Análisis de “Big Data””

La Facultad de Ciencias Económicas a través del Instituto de Investigaciones Estadísticas invita  a participar del curso de posgrado Introducción a la Ciencia de Datos y Elementos de Análisis de “Big Data” a cargo de la profesora Dra. María de las Mercedes Abril.

Dirigido a graduados de todas las carreras con conocimientos de inferencia estadística y cálculo, el mismo se dictará del 2 al 31 de Mayo de 2019, los días jueves y viernes, de 17:00 a 20:00 horas, en el aula 2 de nuestra Casa.

El curso del máximo nivel de postgrado (Magíster y Doctorado) permitirá que el participante estudie la teoría subyacente de este nuevo enfoque y desarrolle las habilidades prácticas del uso de los paquetes de computación pertinentes, de tal manera que al finalizar el curso alcance la frontera de la investigación actual en el área.

Fecha límite de Inscripción: Viernes 26 de Abril de 2019

Arancel:
*General $2.500,00 (pesos dos mil quinientos).
*Docentes, alumnos y ex-alumnos del Magister en Estadística y del Doctorado en Estadística de la Facultad de Ciencias Económicas de la UNT $1.200,00 (pesos un mil doscientos).

Informes e Inscripción: Oficina 52 del Instituto de Investigaciones Estadísticas (INIE), de la Facultad de Ciencias Económicas, Avda. Independencia 1900. Mail: inie@herrera.unt.edu.ar,  teléfono 410-7548 (por la mañana).

Contenidos mínimos: Se ofrecerá una visión general de la Ciencia de Datos y el desafío de trabajar con “Big Data” usando métodos estadísticos. Cómo integrar los conocimientos del análisis de datos en la generación de conocimiento y la toma de decisiones. Cómo adquirir datos, tanto estructurados como no estructurados;  procesarlos, almacenarlos y convertirlos en un formato adecuado para el análisis. Los conceptos básicos de la inferencia estadística, el modelado y el diseño experimental. Una visión general de los métodos de clasificación y de aquellos métodos relacionados para evaluar el ajuste del modelo y validar los modelos predictivos. Todo esto se hará utilizando el paquete informático R.