Taller de Métodos Computacionales

. Facultad de Ciencias Económicas

Taller de metodos computacionales

La Facultad de Ciencias Económicas, Jurídicas y Sociales informa que se encuentran abiertas las inscripciones para el Taller de Métodos Computacionales.

El taller dictado en el marco de la Maestría en Economía del Desarrollo para cursantes externos abordará aspectos teóricos y prácticos sobre métodos computacionalmente intensivos.

Se introducirá al alumno al análisis moderno de datos en donde el trabajo computacional es central.
Tópicos como métodos de remuestreo, simulación Monte Carlo, clasificación supervisada o bootstrapping no serían posibles sin el desarrollo de algoritmos computacionales. Se presentarán ejercicios aplicados con la finalidad de que se adquiera experiencia en el manejo de las herramientas mencionadas.

DESTINATARIOS
Profesionales que actúen en el sector público, el sector privado o en el tercer sector de disciplinas varias con inclinación por el estudio del desarrollo económico, social y humano.

Alumnos avanzados de grado con conocimientos de Estadística

INSCRIPCIÓN VIRTUAL

Profesionales enviar correctamente digitalizado, FORMULARIO, foto del DNI y TÍTULO DE GRADO. El Título de Grado debe estar Legalizado por el Ministerio de Educación (SELLO AL DORSO)
En caso de ser estudiante avanzado enviar, FORMULARIO, DNI y ESTADO CURRICULAR acreditando requerimientos.
MAIL:  Esta dirección de correo electrónico está protegida contra spambots. Usted necesita tener Javascript activado para poder verla.

ARANCEL
Valor del Curso: $8.500 (Pesos Ocho Mil Quinientos)

CURSADO
El cursado será bajo la Modalidad Virtual con clases sincrónicas durante un fin de semana según cronograma detallado. Las clases grabadas estarán disponibles para su consulta en cualquier horario.

Cronograma de clases:
Viernes 08/04: 9 a 14 hs. y 16 a 20 hs.
Sábado 09/04: 9 a 14 hs.

PROGRAMA

Elementos básicos de programación en R y Python.

Manejo de bases de datos. Manipulación y limpieza de bases de datos.

Aplicaciones bajo R o Python sobre alternativas de regresión como logística, Ridge, Lasso y regression trees.

Ejercicios en el entorno R sobre métodos de remuestreo: Cross-validation, Jacknife, bootstrapping. Intervalos de confianza obtenidos por bootstrapping

Ejercicios aplicados bajo R o Python en tópicos adicionales: Random forests, Boosting, Clasificación supervisada y no supervisada.

CERTIFICACIÓN

Se emitirán certificados de asistencia y aprobación para quienes cumplan con el 75% de la asistencia y aprueben la modalidad de examen o trabajo según corresponda. Dichos certificados tendrán validez nacional.

Más información