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

Contacta sin compromiso con Escuela Colombiana de Ingeniería Julio Garavito

Para enviar la solicitud debes aceptar la política de privacidad

Galería de imágenes

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

Este sitio utiliza cookies.
Si continua navegando, consideramos que acepta su uso.
Ver más  |