Inicio > Àrea de Direcció i Gestió Empresarial > Microcredencial Universitària Anàlisi de dades per a la presa de decisions amb R i Rstudio

1a Edició - Codi 23117030

Microcredenciales FSE
Array ( [CODIGO] => 23117030 [EDICION] => 1 [SITUACION] => Aprobado [SITUACION_BIS] => Suspendido [MATRICULA] => 850 [MATRICULA_2] => 0 [MATRICULA_3] => 0 [HORAS] => 6.00 [FECHA_INICIO] => 27/12/23 [FECHA_FIN] => 08/02/24 [LUGAR] => AULA 2P15. DEPARTAMENTO DE ECONOMÍA APLICADA. FACULTAD DE ECONOMÍA [NOMBRE_EMPRESA_ORGANIZADOR] => 0 [FECHA_FIN_PREINSCRIPCION] => 05/11/23 [AREA] => 1 [NOMBRE_EMPRESA_PATROCINADO] => [NOMBRE_EMPRESA_COLABORADOR] => [OBSERVACIONES_PREINSCRIPCION] => [TIPO_DOCENCIA] => Presencial [TIPO_DOCENCIA_1] => 1 [TIPO_DOCENCIA_2] => Presencial [AULA_VIRTUAL_ADEIT] => 0 [TIPO_CURSO] => Postgrado [TIPO_CURSO_1] => Programa de Formació [DIRECCION_URL] => [AÑO_CURSO] => 35 [URL_VIDEO] => [URL_FACEBOOK] => [URL_TWITTER] => [META_TITLE] => [META_DESCRIPTION] => [META_KEYWORDS] => [DIRECCION_CURSO_CORTO] => [GESTOR_NOMBRE] => Mariam [GESTOR_APELLIDOS] => Conca [GESTOR_EMAIL] => marian.conca@fundacions.uv.es [ADMINISTRATIVO_NOMBRE] => María [ADMINISTRATIVO_APELLIDOS] => Buades Asensi [ADMINISTRATIVO_EMAIL] => maria.buades@fundacions.uv.es [ES_INTERNO] => 1 [EMAIL_EXTERNO] => informacion@adeituv.es [PREINSCRIPCION_WEB] => 0 [URL_AULA_VIRTUAL] => [OFERTADO_OTRO] => 0 [ID_CURSO_OFERTADO] => 0 [DESCRIPCION_OFERTADO] => [TELEFONO_EXTERNO] => 96 160 3000 [MATRICULA_PDTE_APROBACION] => 0 [ID_IDIOMA] => 4 [PUBLICAR_WEB] => 0 [area_curs] => Àrea de Direcció i Gestió Empresarial [NOMBRE_CURSO] => Microcredencial Universitària Anàlisi de dades per a la presa de decisions amb R i Rstudio [TITULACION] => Microcredencial Universitari [HORARIO] => 27/12/2023 de 15:30h a 20:30h 28/12/2023 de 15:30h a 20:30h 10/01/2024 de 15:30h a 20:30h 11/01/2024 de 15:30h a 20:30h 17/01/2024 de 15:30h a 20:30h 18/01/2024 de 15:30h a 20:30h 24/01/2024 de 15:30h a 20:30h 25/01/2024 de 15:30h a 20:30h 31/01/2024 de 15:30h a 20:30h 01/02/2024 de 15:30h a 20:30h 07/02/2024 de 15:30h a 20:30h 08/02/2024 de 15:30h a 20:30h [REQUISITOS_TITULACION] => Professionals que desitgen millorar la seua capacitat d'anàlisi de dades. Personal de centres d'investigació i graduats universitaris que desitgen iniciar-se en l'anàlisi de dades per a desenvolupar les seues activitats d'investigació. [REQUISITOS_OTROS] => [ARG_VENTA] => El principal objectiu del curs és iniciar als participants en l'anàlisi avançada de dades per a explotar al màxim la informació continguda en ells i prendre millors decisions en l'àmbit econòmic-empresarial. Per a aconseguir aquest objectiu, s'estableixen com a objectius secundaris: - Millorar la capacitat per a accedir a fonts diverses de dades i del seu procés ordenació i neteja (data tidying-cleaning). - Millorar la capacitat per a manejar/transformar conjunts de dades. - Millorar el domini teoricopràctic de metodologies estadístiques multivariants per a analitzar les dades i extraure la informació rellevant (modelling process) - Millorar la comunicació dels resultat obtinguts. [ARG_VENTA2] => [AÑO_CURSO_DESC] => Curs 2023/2024 [MODALIDAD_EVALUACION] => Les diferents sessions del curs s'iniciaran amb una introducció teòrica bàsica de les diferents tècniques estadístiques que s'estudiaran. Seguidament, es resoldran casos pràctics amb dades reals per a aplicar els continguts teòrics en el context de l'anàlisi de dades professional. La resolució dels casos pràctics es realitzarà utilitzant el programari d'anàlisi estadística R i RStudio. El professorat guiarà als participants al llarg de tot el procés que ha de seguir un analista de dades per a extraure la informació que permeta prendre millors decisions per a incrementar el valor de les organitzacions. [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => Analista de dades en empreses i consultores. Activitats de investig [CRITERIO_ADMISION] => [CRITERIO_ADMISION2] => [CRITERIO_ADMISION3] => [FORMACION_APRENDIZAJE] => [FORMACION_APRENDIZAJE2] => [FORMACION_APRENDIZAJE3] => [ANO_CURSO_DESC] => Curs 2023/2024 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 23117030 [AÑO_CURSO] => 35 [CODIGO] => 5 [NOMBRE_MATERIA] => Introducció a R i RStudio [NOMBRE_MATERIA_VAL] => Introducció a R i RStudio [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Què és R i RStudio - Crear un projecte de R amb RStudio. - Tipus de variables en R. - Estructures de dades en R. - Treballant amb R a la Tidyverse. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => - Què és R i RStudio - Crear un projecte de R amb RStudio. - Tipus de variables en R. - Estructures de dades en R. - Treballant amb R a la Tidyverse. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 1 ) [1] => Array ( [CODIGO_CURSO] => 23117030 [AÑO_CURSO] => 35 [CODIGO] => 2 [NOMBRE_MATERIA] => Data Cleaning [NOMBRE_MATERIA_VAL] => Data Cleaning [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Càrrega de dades de diferents fonts. Conversions de tipus de dades. Identificació i maneig de dades que manca i dades fora de rang. Neteja i preparació de categòrics. Maneig bàsic d'expressions regulars. Uniformitat de dates i monedes. Identificació i maneig de duplicats. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Càrrega de dades de diferents fonts. Conversions de tipus de dades. Identificació i maneig de dades que manca i dades fora de rang. Neteja i preparació de categòrics. Maneig bàsic d'expressions regulars. Uniformitat de dates i monedes. Identificació i maneig de duplicats. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 2 ) [2] => Array ( [CODIGO_CURSO] => 23117030 [AÑO_CURSO] => 35 [CODIGO] => 4 [NOMBRE_MATERIA] => Visualització de les dades [NOMBRE_MATERIA_VAL] => Visualització de les dades [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Visualització amb ggplot2 - Elements d'un gràfic amb ggplot2. - Histograma - Diagrama de barres - Diagrama de dispersió - Diagrama de caixa (boxplot) - Gràfics de línies [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => - Visualització amb ggplot2 - Elements d'un gràfic amb ggplot2. - Histograma - Diagrama de barres - Diagrama de dispersió - Diagrama de caixa (boxplot) - Gràfics de línies [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 3 ) [3] => Array ( [CODIGO_CURSO] => 23117030 [AÑO_CURSO] => 35 [CODIGO] => 3 [NOMBRE_MATERIA] => Explicant el comportament d'una variable. Models de regressió. [NOMBRE_MATERIA_VAL] => Explicant el comportament d'una variable. Models de regressió. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Model de regressió lineal múltiple: Selecció de regresores; Criteris d'informació; Predicció. - Models lineals generalitzats: Model lineal de probabilitat; Model Logit; Model Probit. - Altres models de regressió: Poisson; Regressió local (lowess); etc. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => - Model de regressió lineal múltiple: Selecció de regresores; Criteris d'informació; Predicció. - Models lineals generalitzats: Model lineal de probabilitat; Model Logit; Model Probit. - Altres models de regressió: Poisson; Regressió local (lowess); etc. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 4 ) [4] => Array ( [CODIGO_CURSO] => 23117030 [AÑO_CURSO] => 35 [CODIGO] => 7 [NOMBRE_MATERIA] => Dades niades. Models de regressió multinivell. [NOMBRE_MATERIA_VAL] => Dades niades. Models de regressió multinivell. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Dades niades. - Elements bàsics de l'anàlisi multinivell - Model amb un predictor de nivell agregat. - Model amb un predictor de nivell individual de pendent fix. - Models amb predictors independents d'efectes aleatoris [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Dades niades. - Elements bàsics de l'anàlisi multinivell - Model amb un predictor de nivell agregat. - Model amb un predictor de nivell individual de pendent fix. - Models amb predictors independents d'efectes aleatoris [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 5 ) [5] => Array ( [CODIGO_CURSO] => 23117030 [AÑO_CURSO] => 35 [CODIGO] => 6 [NOMBRE_MATERIA] => Learning-by-doing amb Sèries Temporals [NOMBRE_MATERIA_VAL] => Learning-by-doing amb Sèries Temporals [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Introducció a les sèries temporals: Conceptes principals; Components de les sèries temporals; Tractament de les sèries temporals. - Processos estocàstics: Processos estocàstics **estacionarionarios; Transformació de la sèrie temporal; Funcions ACF i PACF; Procés soroll blanc. - Models lineals estacionaris: Processos Autorregresivos: AR(p); Processos de Mitjanes Mòbils: DT.(q); Processos Autorregresivos de Mitjanes Mòbils: ARMA(p,q); Processos Autorregresivos Integrats de Mitjanes Mòbils: ARIMA (p,d,q) [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => - Introducció a les sèries temporals: Conceptes principals; Components de les sèries temporals; Tractament de les sèries temporals. - Processos estocàstics: Processos estocàstics **estacionarionarios; Transformació de la sèrie temporal; Funcions ACF i PACF; Procés soroll blanc. - Models lineals estacionaris: Processos Autorregresivos: AR(p); Processos de Mitjanes Mòbils: DT.(q); Processos Autorregresivos de Mitjanes Mòbils: ARMA(p,q); Processos Autorregresivos Integrats de Mitjanes Mòbils: ARIMA (p,d,q) [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 6 ) [6] => Array ( [CODIGO_CURSO] => 23117030 [AÑO_CURSO] => 35 [CODIGO] => 1 [NOMBRE_MATERIA] => Tècniques multivariants aplicades a l'anàlisi de dades. [NOMBRE_MATERIA_VAL] => Tècniques multivariants aplicades a l'anàlisi de dades. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Anàlisi factorial en l'estructura de dades. Tècniques de reducció de variables en l'anàlisi de dades. Anàlisi de relacions entre variables quantitatives i qualitatives. Tècniques per a discriminar diferents grups de dades. Agrupació de dades amb característiques homogènies. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Anàlisi factorial en l'estructura de dades. Tècniques de reducció de variables en l'anàlisi de dades. Anàlisi de relacions entre variables quantitatives i qualitatives. Tècniques per a discriminar diferents grups de dades. Agrupació de dades amb característiques homogènies. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 7 ) ) [professors] => Array ( [0] => Array ( [DNI] => emp377304 [NOMBRE_PERSONA] => Carolina [APELLIDOS] => Abreu Pabón [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Técnico Departamento Inteligencia Competitiva. Asociación de Investigación de Materiales Plásticos y Conexas - AIMPLAS [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [1] => Array ( [DNI] => uni73389 [NOMBRE_PERSONA] => María [APELLIDOS] => Caballer Tarazona [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Economia Aplicada. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => M1288 [EMAIL_FACULTAD] => catama@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [2] => Array ( [DNI] => uni56067 [NOMBRE_PERSONA] => Vicente [APELLIDOS] => Coll Serrano [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Economia Aplicada. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => H4139 [EMAIL_FACULTAD] => vcoll@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [3] => Array ( [DNI] => uni65216 [NOMBRE_PERSONA] => Priscila [APELLIDOS] => Espinosa Adamez [PDI] => 7 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Investigadora del Departamento de Economía Aplicada de la Facultad de Economía [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [4] => Array ( [DNI] => uni70233 [NOMBRE_PERSONA] => Josep [APELLIDOS] => Lledó Benito [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Economia Aplicada. Universitat de València [CARGO_FACULTAD] => Ayudante/a Doctor/a [NPI] => T0120 [EMAIL_FACULTAD] => jollebe@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) [direccio] => Array ( [0] => Array ( [0] => Array ( [DNI] => uni56067 [NOMBRE_PERSONA] => Vicente [APELLIDOS] => Coll Serrano [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Economia Aplicada. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => H4139 [EMAIL_FACULTAD] => vcoll@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) ) )

Microcredencial Universitària Anàlisi de dades per a la presa de decisions amb R i Rstudio

Dades generals
+
 Programa
+
 Direcció
+
 Professorat
+
 Metodologia
+
 Accés i Resultats d'Aprenentatge
-

Requisits d'accés

Professionals que desitgen millorar la seua capacitat d'anàlisi de dades. Personal de centres d'investigació i graduats universitaris que desitgen iniciar-se en l'anàlisi de dades per a desenvolupar les seues activitats d'investigació.

Solicita información

Responsable: Universitat de València. Edifici del Rectorat. Av. Blasco Ibáñez, 13. 46010-València.
Delegat de Protecció de Dades: D. Javier Plaza Penadés lopd@uv.es
Finalitat: Enviar informació rellevant de cursos de postgrau.
S'obtenen perfils a fi de personalitzar el tracte conforme a les seves característiques o necessitats i poder així dirigir-li les novetats més convenients.
Legitimació: Per a l'enviament d'informació sobre els títols propis de la Universitat de València la base de legitimació és el consentiment de l'interessat.
Destinataris: Fundació Universitat-Empresa de Valéncia and Universitat de València
Termini: Les dades de l'Usuari seran conservats fins que sol·liciti la seva baixa, s'oposi o revoqui el seu consentiment.
Drets: Accedir, rectificar i suprimir les dades així com altres drets com s'explica a la informació addicional.
Amplieu informació: www.adeituv.es/politica-de-privacidad.

FAQS
 
Imprimir la informaciò