▼ Mini Cursos

MINI CURSO 1
ESTADÍSTICA ROBUSTA CON APLICACIONES EN R

Los procedimientos estadísticos clásicos fallan ante la presencia de datos atípicos provenientes de desviaciones del modelo central supuesto. Los métodos estadísticos robustos tienen como objetivo permitir inferencias válidas cuando el modelo no se cumple exactamente y, al mismo tiempo, ser altamente eficientes cuando sí se cumple. En este curso se hará un breve recorrido por procedimientos robustos en modelos de posición, escala y regresión lineal, y se presentarán diferentes medidas de robustez. Se mostrará el comportamiento tanto de los estimadores robustos como de sus versiones clásicas utilizando el software R.
 

MINI CURSO 2
ANÁLISIS DE SUPERVIVENCIA CON APLICACIONES EN R

En este curso presentaremos los fundamentos teóricos básicos del Análisis de Supervivencia, el cual trata con variables aleatorias no negativas que usualmente miden el tiempo hasta la ocurrencia de cierto evento de interés. Se expondrán las necesidades y ventajas de presentar una correcta modelización para variables de este tipo, definiendolas funciones de Supervivencia y Riesgo y la inclusión de los conceptos de censura y truncamiento. Se desarrollarán métodos paramétricos, no paramétricos y semi paramétricos para su análisis. El curso tendrá una parte teórica y una parte práctica. En esta última, presentaremos herramientas de estadística descriptiva e inferencial para las distintas curvas de supervivencia, incluyendo como caso particular el célebre estimador de Kaplan-Meier (1958), test de comparación entre curvas de supervivencia, y distintos análisis de regresión incluyendo variables explicativas o covariables, dentro de los cuales se encuentra el modelo de riesgos proporcionales de Cox (1972). Con el objetivo de que los participantes del curso cuenten con herramientas para sus propios análisis, en la parte de las aplicaciones analizaremos conjuntos de datos desarrollando códigos en R.
 

 

MINI CURSO 3
APRENDIZAJE AUTOMÁTICO CON DATOS TEXTUALES EN PYTHON

Fundamentos de la Representación de Textos. Estrategias de representación: bag of words, TF/IDF y embeddings. Técnicas de preprocesamiento de textos: tokenización, stop words, POS-tagging, stemming, lematización y normalización. Clasificación automática de textos: SVM. Visualización de datos textuales: WordCloud, Gráficos de frecuencias y distribuciones, visualización de embeddings.