1.ª Edición - Código 23117030

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] => Área de Dirección y Gestión Empresarial [NOMBRE_CURSO] => Microcredencial Universitaria Análisis de datos para la toma de decisiones con R y Rstudio [TITULACION] => Microcredencial Universitario [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] => Profesionales que deseen mejorar su capacidad de análisis de datos. Personal de centros de investigación y graduados universitarios que deseen iniciarse en el análisis de datos para desarrollar sus actividades de investigación. [REQUISITOS_OTROS] => [ARG_VENTA] => El principal objetivo del curso es iniciar a los participantes en el análisis avanzado de datos para explotar al máximo la información contenida en ellos y tomar mejores decisiones en el ámbito económico-empresarial. Para lograr este objetivo, se establecen como objetivos secundarios: - Mejorar la capacidad para acceder a fuentes diversas de datos y de su proceso ordenación y limpieza (data tidying-cleaning). - Mejorar la capacidad para manejar/transformar conjuntos de datos. - Mejorar el dominio teórico-práctico de metodologías estadísticas multivariantes para analizar los datos y extraer la información relevante (modelling process) - Mejorar la comunicación de los resultado obtenidos. [ARG_VENTA2] => [AÑO_CURSO_DESC] => Curso 2023/2024 [MODALIDAD_EVALUACION] => Las distintas sesiones del curso se iniciarán con una introducción teórica básica de las diferentes técnicas estadísticas que se estudiarán. Seguidamente, se resolverán casos prácticos con datos reales para aplicar los contenidos teóricos en el contexto del análisis de datos profesional. La resolución de los casos prácticos se realizará utilizando el software de análisis estadístico R y RStudio. El profesorado guiará a los participantes a lo largo de todo el proceso que debe seguir un analista de datos para extraer la información que permita tomar mejores decisiones para incrementar el valor de las organizaciones. [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => Analista de datos en empresas y consultoras. Actividades de investigación. [CRITERIO_ADMISION] => [CRITERIO_ADMISION2] => [CRITERIO_ADMISION3] => [FORMACION_APRENDIZAJE] => [FORMACION_APRENDIZAJE2] => [FORMACION_APRENDIZAJE3] => [ANO_CURSO_DESC] => Curso 2023/2024 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 23117030 [AÑO_CURSO] => 35 [CODIGO] => 5 [NOMBRE_MATERIA] => Introducción a R y RStudio [NOMBRE_MATERIA_VAL] => Introducció a R i RStudio [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Qué es R y RStudio - Crear un proyecto de R con RStudio. - Tipos de variables en R. - Estructuras de datos en R. - Trabajando con 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] => Carga de datos de distintas fuentes. Conversiones de tipos de datos. Identificación y manejo de datos faltantes y datos fuera de rango. Limpieza y preparación de categóricos. Manejo básico de expresiones regulares. Uniformidad de fechas y monedas. Identificación y manejo de duplicados. [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] => Visualización de los datos [NOMBRE_MATERIA_VAL] => Visualització de les dades [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Visualización con ggplot2 - Elementos de un gráfico con ggplot2. - Histograma - Diagrama de barras - Diagrama de dispersión - Diagrama de caja (boxplot) - Gráficos de líneas [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] => Explicando el comportamiento de una variable. Modelos de regresión. [NOMBRE_MATERIA_VAL] => Explicant el comportament d'una variable. Models de regressió. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Modelo de regresión lineal múltiple: Selección de regresores; Criterios de información; Predicción. - Modelos lineales generalizados: Modelo lineal de probabilidad; Modelo Logit; Modelo Probit. - Otros modelos de regresión: Poisson; Regresión 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] => Datos anidados. Modelos de regresión multinivel. [NOMBRE_MATERIA_VAL] => Dades niades. Models de regressió multinivell. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Datos anidados. - Elementos básicos del análisis multinivel - Modelo con un predictor de nivel agregado. - Modelo con un predictor de nivel individual de pendiente fija. - Modelos con predictores independientes de efectos aleatorios [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 con Series Temporales [NOMBRE_MATERIA_VAL] => Learning-by-doing amb Sèries Temporals [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => - Introducción a las series temporales: Conceptos principales; Componentes de las series temporales; Tratamiento de las series temporales. - Procesos estocásticos: Procesos estocásticos estacionarionarios; Transformación de la serie temporal; Funciones ACF y PACF; Proceso ruido blanco. - Modelos lineales estacionarios: Procesos Autorregresivos: AR(p); Procesos de Medias Móviles: MA(q); Procesos Autorregresivos de Medias Móviles: ARMA(p,q); Procesos Autorregresivos Integrados de Medias Móviles: 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] => Técnicas multivariantes aplicadas al análisis de datos. [NOMBRE_MATERIA_VAL] => Tècniques multivariants aplicades a l'anàlisi de dades. [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => ¿ Análisis factorial en la estructura de datos. ¿ Técnicas de reducción de variables en el análisis de datos. ¿ Análisis de relaciones entre variables cuantitativas y cualitativas. ¿ Técnicas para discriminar diferentes grupos de datos. ¿ Agrupación de datos con características homogéneas. [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 Universitaria Análisis de datos para la toma de decisiones con R y Rstudio


Programa

Introducción a R y RStudio
+
Data Cleaning
+
Visualización de los datos
+
Explicando el comportamiento de una variable. Modelos de regresión.
+
Datos anidados. Modelos de regresión multinivel.
+
Learning-by-doing con Series Temporales
+
Técnicas multivariantes aplicadas al análisis de datos.
+

Solicita información

Responsable: Universitat de València. Edifici del Rectorat. Av. Blasco Ibáñez, 13. 46010-València.
Delegado de Protección de Datos: D. Javier Plaza Penadés lopd@uv.es
Finalidad: Enviar información relevante de cursos de postgrado.
Se obtienen perfiles al objeto de personalizar el trato conforme a sus características o necesidades y poder así dirigirle las novedades más convenientes.
Legitimación: Para el envío de información acerca de los Títulos Propios de la Universidad de València la base de legitimación es el consentimiento del interesado.
Destinatarios: Fundació Universitat-Empresa de Valéncia y Universitat de València.
Plazo: Los datos del Usuario serán conservados hasta que solicite su baja, se oponga o revoque su consentimiento.
Derechos: Acceder, rectificar y suprimir los datos así como otros derechos como se explica en la información adicional.
Amplíe información: www.adeituv.es/politica-de-privacidad.

FAQS
 
Imprimir información