Cuatrimestre I

Introducción a la Estadística y Probabilidad.

Este módulo trata de la exploración y descripción de los datos, mediante un conjunto de conceptos básicos como las estadísticas de resumen: medias, proporciones, tablas, etc.

Análisis Multivariado de Datos

Es un conjunto de herramientas estadísticas necesarias para el análisis de información implementando métodos multivariados tales como el análisis de componentes principales, el análisis de correspondencias, el análisis factorial, los métodos de agrupamiento y los métodos discriminantes, entre otros.

Modelos de Regresión

Los métodos de regresión son un grupo de herramientas estadísticas básicas para el analista de datos que se enmarcan en las metodologías de aprendizaje supervisado en la Ciencia de Datos.

Cuatrimestre II

Muestreo Probabilístico

Es una herramienta que le permite al estudiante identificar las condiciones en que se puede establecer un diseño muestral y todas sus implicaciones, con el objetivo de hacer una adecuada estimación de los parámetros de interés que gobiernan el estado de la naturaleza de los fenómenos bajo estudio.

Machine Learning I

Corresponde a las estratégicas y operacionales que permitirán adquirir las aptitudes y los conocimientos necesarios para lograr nuevos beneficios analíticos basados en nuevos datos de gran tamaño junto con metodologías para tratamiento de la información como el aprendizaje automático de forma supervisada.

Deep Learning I

En este curso el científico de datos aprenderá a crear y entrenar arquitecturas de redes neuronales tipo secuenciales, convolucionales, recurrentes, LSTM, transformadores, y aprenderá a mejorarlas con técnicas matemáticas y no matemáticas entre ellas Dropout, BatchNorm, esquemas de inicialización de Glorot/Xavier/He, entre otras.

Métodos de Machine Learning en Bioestadística

La bioestadística hace referencia al conjunto de métodos estadísticos utilizados convencionalmente para el análisis de datos asociados a las ciencias de la vida, como la biología, la medicina, la ecología, entre muchas otras.

Cuatrimestre III

Línea de énfasis en Muestreo:

Nivel de Profundización I: Muestreo Avanzado

Se estudian las distintas alternativas de utilizar información auxiliar e incorporarlas en las estimaciones, lo cual es de vital importancia a la hora de proponer estimadores.

Nivel de Profundización II: Muestreo en Poblaciones Biológicas

El muestreo en poblaciones biológicas busca profundizar en métodos usados en ecología para el análisis de la información, en esta asignatura se dará pautas para definir el tipo de muestreo, los factores que influyen en la muestra, su cálculo, entre otros.

Nivel de Profundización III: Estimación en Áreas pequeñas

Se estudia la importancia de utilizar las encuestas de hogares como datos para producir estimaciones basadas en la información auxiliar disponible que proviene de los censos o registros administrativos.

Línea de énfasis en Ciencia de Datos:

Nivel de Profundización I: Machine Learning II

Este curso proporciona una amplia introducción al aprendizaje automático de forma no supervisada. Los temas incluyen: clustering o agrupación, reducción de dimensionalidad, sistemas de recomendación, aprendizaje profundo, teoría de sesgo/varianza, detección de anomalías, valores atípicos locales y máquinas de Bolzmann.

Nivel de Profundización II: Deep Learning II

En este curso se ven los algoritmos sofisticados de alta precisión y aplicación en el sector industrial, salud, banca, gobierno u otros, aprovechando al máximo la capacidad de cómputo de los ordenadores o en su defecto máquinas virtuales montadas en servidores en la nube, para llevar a cabo dichos proyectos de forma eficiente.

Nivel de Profundización III: Architetecning with Google compute engine specialization

Este curso estudia las herramientas para analizar y procesar grandes volúmenes de datos en tiempo récord para la toma óptima de decisiones empresariales, a través de laboratorios prácticos donde los estudiantes exploran, cargan, visualizan y extraen información de diversos conjuntos de datos en la plataforma Google Cloud Platform.

Línea de énfasis en Bioestadística:

Nivel de Profundización I: Epidemiología

Es un curso de profundización en métodos estadísticos y de la Ciencia e datos aplicados a la Epidemiología. Tiene dos propósitos fundamentales: primero, brindar a los estudiantes la oportunidad de ahondar en los conceptos y métodos clásicos utilizados en el estudio de eventos de salud en poblaciones humanas y segundo, presentar a los estudiantes un conjunto de técnicas recientes e innovadoras para el análisis de datos epidemiológicos soportado por software estadístico.

Nivel de Profundización I: Epidemiología Espacial

Son técnicas estadísticas que tienen en cuenta la ubicación geográfica de los eventos que se analizan. El uso de estas técnicas en el análisis de estudios de tipo epidemiológico permite incluir la variabilidad, la correlación y la densidad espacial presente en la distribución de datos y exposiciones de eventos en salud.

Nivel de Profundización III: Análisis de supervivencia

Este curso busca brindar a los estudiantes de la línea de bioestadística de la Maestría en Estadística Aplicada y Ciencia de Datos herramientas necesarias para tratar datos de tipo censurados en estudios de sobrevida.

Seminario de Investigación

El seminario de investigación permite al estudiante adquirir los elementos necesarios para llevar a cabo un proceso de análisis de información o de investigación que involucra, entre otros, la revisión de  literatura y artículos especializados sobre un tema, el marco teórico y conceptual, el planteamiento del problema, la justificación, los objetivos, la metodología, la formulación y evaluación de hipótesis, y la determinación de los métodos estadísticos de análisis, con la finalidad de que el estudiante desarrolle de manera adecuada su anteproyecto de grado.

Cuatrimestre IV

Trabajo de Grado

En esta asignatura los estudiantes desarrollaran y finalizan su trabajo de grado. La finalidad del curso es permitirles que desarrollen su idea de investigación para la disertación final de su maestría.

Plan de estudios del Programa

Seminario sobre Modelación matemática de fenómenos de la ecología y de la epidemiología

En esta plática se mostrarán algunos modelos matemáticos que describen el efecto de una enfermedad infecciosa sobre poblaciones de especies que interactúan bajo diferentes relaciones ecológicas. El objetivo de la plática es mostrar cómo el uso de modelos matemáticos puede ayudar a explicar y/o predecir la dinámica de especies que interactúan cuando alguna de las especies es susceptible de contraer una enfermedad infecciosa.

Fecha:  viernes 18 de Marzo 2022

Hora:  10:30 am ( hora de Colombia)

Información para unirse a Google Meet

Enlace a la videollamada: https://meet.google.com/txa-qjzd-guq