Curso Análisis de Datos y Econometría Utilizando los Lenguajes de Programación R y Python

Galería de imágenes

Escuela Colombiana de Ingeniería Julio Garavito

Comentarios sobre Curso Análisis de Datos y Econometría Utilizando los Lenguajes de Programación R y Python - Presencial - Bogotá - Cundinamarca

• Contenido
  Curso Análisis de Datos y Econometría Utilizando los Lenguajes de Programación R y Python.
  
  Modalidad: presencial
  
  
      Titulo: Análisis de datos y econometría utilizando los lenguajes de programación R y Python
      Programa del que depende: Economía
      Modalidad: Remota
      Duración: 40 horas
      Jornada: Diurna 
  
  
  PRESENTACIÓN:
  
  R y Python son los lenguajes de programación del momento. Líderes en el análisis estadístico y la manipulación de datos. Son tendencia en la aplicación y uso de Big Data y la inteligencia artificial (IA). Muchos economistas en su desempeño laboral han tenido la necesidad de aprender y desarrollar estas habilidades que potencian su labor profesional.
  
  Para aprovechar estas herramientas sólo se necesita un computador y toda la disposición para aprender, ya que (R-Python) son libres y gratis.
  
  
  BENEFICIOS:
  
  Para la persona que recién comienza con el uso y aplicación de estos programas este curso lo llevará paso a paso desde cero, escribiendo código en R y Python, empezando por lo básico y aprendiendo los bloques necesarios para entender cómo funcionan para el análisis de datos.
  
   
  OBJETIVOS:
  
  Analizar los hechos económicos históricos y actuales, por medio de los lenguajes de programación (R-Python) para obtener conocimiento práctico del análisis de datos y aplicación en el ejercicio del economista.
  
  
  PERFIL DEL ASPIRANTE:
  
  Profesionales con fortalezas tanto en la parte teórica como en la cuantitativa, formadas transversalmente en el pregrado, con competencias en pensamiento crítico, capacidad investigativa, conocimiento teórico estadístico y de econometría.
  
  
  
  METODOLOGÍA:
  
  Cada tema se abordará en sesiones magistrales y prácticas. Cada estudiante deberá contar con computador y con la guía del tutor para llevar a cabo los ejercicios aplicando los temas en los programas descritos.
  
  Nota: para el desarrollo del curso es esencial tener conocimiento estadístico y econométrico, pero si se desea se puede profundizar en los primeros temas o partir el curso para una mejor experiencia.
  
  
  Duración:
  
  El curso se desarrollará en 10 módulos, con un total de 40 horas de clase presenciales.
  
  
  Certificación:
  
  La Escuela otorgará certificado de asistencia al curso Análisis de datos y econometría aplicada en R y Python a quienes participen activa y cumplidamente como mínimo en el 90 % de las actividades programadas.
  
  
  CONTENIDO TEMÁTICO:
  
  Módulo I. Introducción a R (repaso econometría, estadística) (4 horas)
  
  

  • Instalación y entorno.
  • Variables de entorno.
  • Instalación de paquetes.

  
  Módulo II. Ambientes de desarrollo R, R-Studio, MarkDown (2 horas)
  
  

  • R-Studio.
  • Guardar archivos y variables.
  • Aplicación de MarkDown.

  
  Módulo III. Trabajo sobre R (6 horas)
  
  

  • Scripts, directorio de trabajo, clases de objetos, clases relacionales, vectores, matrices, listas, loops, condicionales y dataframes.
  • Importar y exportar diferentes tipos de datos.
  • Trabajo sobre bases de datos.
  • Exploración y manipulación de datos

  
  Módulo IV. Exploración y manipulación de datos (4 horas)
  
  

  • Gráficas.
  • Análisis gráfico.

  
  
  Módulo V. Regresión lineal (MCO), validación de supuestos (4 horas)
  
  

  • Ejecutar una regresión en R.
  • Validación de colinealidad.
  • Validación de heterocedasticidad.
  • Validación de autocorrelación.
  • Pruebas de normalidad de errores.
  • Gráficas y análisis de resultados.

  
  
  Módulo VI. Regresiones lineales generalizadas (GLM) (4 horas)
  
  

  • Logit.
  • Probit.
  • Loglog.
  • Poisson.
  • Multinomial.
  • Validación y análisis de resultados.

  
  
  Módulo VII. Series de tiempo (4 horas)
  
  

  • Tendencias.
  • Pruebas de raíces unitarias.
  • Identificación de modelos AR, MA, arima.
  • Trabajo de función auto-arima.
  • Gráficas.

  
  
  Módulo VIII. Introducción a Machine Learning y BigData (4 horas)
  
  

  • Conceptos generales.
  • Aplicaciones generales.
  • Aplicaciones en economía.
  • Algoritmos y funcionalidades del ML.

  
  
  Módulo IX. Introducción a Python (4 horas)
  
  

  • Conceptos generales y entornos de trabajo.
  • Objetos y scripts.
  • Jupyter Notebook.
  • Librerías.
  • Funcionalidades generales de numpy y pandas.

  
  
  Módulo X. Aplicación sobre Python (4 horas)
  
  

  • MCO.
  • GLM.
  • Series de tiempo.

Otra formación relacionada con programación