Licenciada en matemáticas por la Universidad Complutense de Madrid (UCM) en 1996, Doctora en Matemáticas por la Universidad Carlos III de Madrid (UC3M) en 2004. Profesora Titular de Universidad del área de Estadística e Investigación operativa. Participa en proyectos de investigación de la UC3M y URJC. Ha cursado el programa de doctorado en Ingeniería Matemática de la UC3M. Sus intereses de investigación se centran en las Series Temporales no estacionarias, Inferencia no paramétrica y Técnicas de remuestreo y análisis y desarrollo de técnicas de predicción para series temporales
Técnicas de Análisis de Datos y Big Data
Sobre este curso
Itinerario
Descripción
En un mundo globalizado y cada vez más dinámico, la toma de decisiones correctas de forma ágil y eficiente es una actividad esencial en muchos ámbitos de nuestra actividad diaria. Para cualquier sector empresarial es fundamental contar con profesionales que sean capaces de combinar grandes cantidades de datos e información para llevar a cabo procesos de toma de decisiones a partir de evidencias objetivas.
El curso va dirigido a todas aquellas personas que deseen obtener una visión introductoria y práctica sobre análisis de datos y big data. En particular, el MOOC se centra en conceptos, métodos y herramientas básicas para el procesado, análisis y construcción de modelos estadísticos con datos de muy diversa índole. Estos conocimientos son de especial interés para estudiantes, profesionales, así como gestores y directores interesados en comprender los detalles fundamentales del análisis de datos y la aplicación de métodos y técnicas para big data, utilizando tecnologías y herramientas punteras de referencia en este área.
Qué vas a aprender
- Técnicas y métodos para analizar y visualizar datos en una sola dimensión y en múltiples dimensiones, por medio de herramientas estadísticas, software y modelos.
- Metodologías más avanzadas para modelado y análisis de datos aplicadas al ámbito de la econometría.
- Métodos, tecnologías y herramientas más importantes para el análisis de grandes volúmenes de datos (big data).
- Tendencias y aspectos de vanguardia más importantes que van a influenciar el desarrollo de los métodos, técnicas y herramientas vistos en el curso durante los próximos años.
Requisitos
- No existen requisitos formales para cursar el MOOC, si bien es conveniente partir de una formación de diplomatura, licenciatura, ingeniería, grado o postgrado universitarios en áreas técnicas o relacionadas con la estadística, las ciencias económicas o los sistemas de gestión.
Profesorado
Clara Simón de Blas
Universidad Rey Juan Carlos
Profesor contratado doctor y coordinadora del grado de Matemáticas en la URJC. Previamente ha trabajado en la Universidad de San Louis, Avon Cosmetics, I.C.A. y Bayes Forecast como jefe de proyectos. Participa en proyectos de investigación de la UCM y URJC. Ha colaborado con la Universidad de Graz (Austria) y Berkeley (USA) realizando estancias postdoctorales. Sus líneas de investigación actuales son: series temporales, gestión y eficiencia de organizaciones públicas, aplicaciones de estadística, redes sociales y logística humanitaria.
José Felipe Ortega Soto
Universidad Rey Juan Carlos
Investigador, director académico del Máster en Data Science en la URJC. Ha trabajado como coordinador e investigador en más de 35 proyectos nacionales e internacionales. Ha impartido conferencias en prestigiosas instituciones como el Xerox PARC o el Instituto Cervantes. Su investigación se centra en colaboración masiva en Internet, así como aplicación de técnicas y métodos de ciencia de datos.
Preguntas frecuentes
¿Qué perfil de público podría estar interesado en cursar el MOOC?
A Diplomados, Ingenieros Técnicos, Licenciados e Ingenieros superiores y Graduados de cualquier universidad. Está especialmente indicado para personas con título de Ingeniería en Informática o Industrial, Ingeniería Técnica en Informática y de Gestión, Ingeniería Técnica en Informática de Sistemas, Ingeniería de Telecomunicación, Organización Industrial, Licenciaturas en Matemáticas, Estadística, Ciencias Económicas, Administración y Dirección de Empresas, Diplomaturas en Estadística y estudios afines a los citados.
¿Para qué me puede servir?
Numerosos informes recientes sostienen que uno de los perfiles con más demanda en la actualidad es el de profesional en business analytics y Big Data con capacidad para combinar métodos de tomas de decisiones y tecnologías de computación avanzadas.
¿Qué certificación obtengo si lo finalizo?
Podrás obtener el certificado de superación del MOOC cuando hayas superado la totalidad de las actividades obligatorias del curso. El certificado reflejará que has superado con éxito el MOOC e incluirá el número de horas del mismo.
¿Cómo puedo inscribirme?
Para inscribirte en este curso tan sólo tienes Acceder o crear tu cuenta y luego pulsar sobre el botón Empezar.
¿Qué navegadores son compatibles con un MOOC de URJC?
Las versiones actuales de Chrome, Firefox o Safari o Internet Explorer versión 9 o superior.
¿Qué sucede si tengo que abandonar un MOOC?, ¿podré volver a inscribirme en una próxima edición del mismo y/o en otro MOOC en el futuro?
La inscripción y participación en un MOOC de URJC es libre. No hay absolutamente ningún tipo de penalización académica relacionada con su abandono. Puedes inscribirte en el mismo MOOC y/o en otros (siempre y cuando todavía lo estemos ofertando) en un momento posterior.
¿Cuándo empieza y termina mi MOOC?
La planificación de este MOOC es “a tu ritmo”. No es necesario comenzar en un momento determinado, aunque se recomienda un ritmo de aprendizaje de un tema por semana.
¿Cómo apruebo el curso?
Al finalizar cada módulo se te evaluará con un test acerca de los conceptos básicos aprendidos.
Convalidación de créditos RAC
Si eres estudiante de Grado de la Universidad Rey Juan Carlos, deberás inscribirte en el curso con tu cuenta de la Universidad (@alumnos.urjc.es) para poder obtener los créditos de RAC una vez superado el curso. No se reconocerán los créditos a aquellos estudiantes que hayan superado el curso con una cuenta distinta a la de la URJC.
Currículum
- 5 Sections
- 51 Lessons
- 20 Hours
Expanse all sectionsCollapse all sections
- 1. Análisis y Visualización de datos Univariantes10
- 1.1Diseño muestral
- 1.2La escala: tipos y criterios de elección
- 1.3Elaboración de bases de datos
- 1.4Medidas de centralidad y variabilidad
- 1.5Cálculo de medidas con herramientas informáticas
- 1.6Visualización de datos univariantes
- 1.7Patrón de distribución de variables
- 1.8Clasificación de variables con herramientas
- 1.9Examen
- 1.10Contenido adicional
- 2. Análisis y Visualización de datos Multivariantes11
- 2.1Relación entre variables cuantitativas: tipos y criterios de elección
- 2.2Cálculo de medidas relacionales con herramientas informáticas
- 2.3Visualización de relaciones multivariantes con herramientas informáticas
- 2.4Relación entre variables cualitativas: tipos y criterios de elección
- 2.5Creación de tablas de contingencia con herramientas informáticas
- 2.6Cálculo de medidas relacionales con herramientas informáticas
- 2.7Métodos de clasificación y reducción de datos
- 2.8Criterios de selección de herramientas exploratorias de relaciones multivariantes
- 2.9Verificación de supuestos para los métodos de clasificación y reducción de datos con herramientas informáticas
- 2.10Examen
- 2.11Contenido adicional
- 3. Técnicas Econométricas (Modelización y Predicción)9
- 3.1Concepto, los datos y su manejo, introducción al Gretl
- 3.2Modelo de Regresión Lineal Simple: Elementos, hipótesis, estimación
- 3.3Modelo de Regresión Lineal Múltiple
- 3.4Contrastes, diagnosis, predicción
- 3.5Técnicas de Predicción Económica
- 3.6Análisis de una serie con tendencia
- 3.7Orientaciones para la evaluación
- 3.8Examen
- 3.9Contenido adicional
- 4. Big Data: Conceptos, Métodos y Tecnologías11
- 4.1Introducción al Procesado y Análisis de Big Data
- 4.2Clasificación de Tipos de Datos
- 4.3Ciclo de Desarrollo de Proyectos de Big Data
- 4.4Estrategias de Procesado de Datos
- 4.5Arquitecturas Híbridas para Big Data
- 4.6Laboratorio de Análisis vs. Análisis en Producción
- 4.7Laboratorio de Análisis vs. Análisis en Producción
- 4.8El Ecosistema Apache de Hadoop
- 4.9Introducción a Bases de Datos NoSQL
- 4.10Examen
- 4.11Contenido adicional
- 5 Tendencias de Análisis de Datos y Big Data10
- 5.1Data Mining / Machine Learning
- 5.2Análisis de Riesgos y Gestión de Calidad
- 5.3Análisis y Visualización de Datos para Toma de Decisiones
- 5.4Metodologías para modelización y predicción avanzada
- 5.5Modelización Univariante y Multivariante
- 5.6Debate sobre Tendencias en Análisis de Big Data
- 5.7Cloud Computing y Big Data
- 5.8Aplicaciones del Análisis de Big Data
- 5.9Examen
- 5.10Contenido adicional
Cursos que podrían interesarte
Claves para profesionales en el sector servicios y su importancia
Gratuito
No te pierdas nada
Suscríbete a la newsletter
Recibe información sobre nuevos cursos y novedades