PROGRAMA

EXPERTO
EN CIENCIA
DE DATOS
PROGRAMA EXPERTO EN CIENCIA DE DATOS

¿PORQUÉ ES IMPORTANTE?
En la actualidad, la disponibilidad de datos ya no es
un problema. De hecho, existen cada días más,
herramientas para la recopilación, tratamiento y
análisis estadístico de datos. El PROGRAMA
EXPERTO EN CIENCIA DE DATOS, no solo le da un
acercamiento a las principales técnicas estadísticas
usadas para la toma de decisiones, sino que lo
convierte en un experto en el manejo del lenguaje
de programación R y todo su arsenal de funciones,
modelos, técnicas, que actualmente posee.

¿QUÉ CONSEGUIRÍA CON NUESTRO PROGRAMA?

Al final del programa, sus colaboradores estarán en
capacidad de realizar modelos como: regresión
múltiple, análisis discriminante, arboles de clasificación,
clustering, máquina de soporte vectorial, modelos logit,
probit, mlp, poisson, y demás cuestiones técnicas como
validación cruzada, puntos de corte óptimo, matrices
de confusión, y un complemento adicional
concerniente a la automatización de reportes
estadísticos usando diversas herramientas para
presentación interactiva de datos. Un programa
completo con más de 15 tipos de modelos estadísticos,
bases de datos reales y una metodología comprobada,
convertirán al participante en un verdadero
CIENTÍFICO DE DATOS.
PLAN DE CONTENIDO
1) CIENCIA DE DATOS: ESTADÍSTICA
PARA LA TOMA DE DECISIONES

2) PRESENTACION Y
AUTOMATIZACIÓN DE REPORTES
ESTADÍSTICOS

3) CIENCIA DE DATOS: MODELOS

ESTADÍSTICO PARA PREDICCIÓN I

4)CIENCIA DE DATOS:MODELOS
ESTADÍSTICO PARA PREDICCIÓN II

5)MACHINE LEARNING I: MODELOS

PARA  CLASIFICACIÓN Y
SEGMENTACIÓN

6)MACHINE LEARNING II: MODELOS

PARA LA PREDICCIÓN Y
CLASIFICACIÓN

7) FORECASTING: MODELOS
PARA PRONÓSTICOS
FINANCIEROS Y EMPRESARIALES

8) FORECASTING II: INTERRUPTED

AND MULTIVARIATE TIME SERIE
ANALYSIS FOR PUBLIC POLICY
I CIENCIA DE DATOS: ESTADÍSTICA
PARA LA TOMA DE DECISIONES

El data wrangling es una de las habilidades qué más tiempo le exige a un

científico de datos. Para ser un experto, debes aprender los conceptos básicos
de la estadística detrás de la ciencia de datos, y utilizarlos en el proceso de la
manipulación de bases de datos.
Manipulación de grandes bases de datos
Operación de variables a través de condicionales
Creación de filtros complejos y agrupamiento de la información
Estadística descriptiva: medidas de tendencia, central, apuntalamiento,
dispersión
Gráficas de barras, de líneas, histogramas, scatter plot, correlación
multivariable 
Respondiendo preguntas empresariales, a través de sintetizar la
información.
Contraste de hipótesis de una muestra
Contraste de hipótesis de muestras relacionadas
Contraste de hipótesis de muestras independientes
Contraste Chi Cuadrada
Trabajo final.
II PRESENTACION Y
AUTOMATIZACIÓN DE REPORTES
ESTADÍSTICOS
Ya tienes una data limpia y lista para usar: ¿qué sigue? Para un análisis
descriptivo, un científico de datos debe construir gráficos elegantes,
manipulables, tablas de resumenes, entre otros que son los principales insumos
para un reporte estadístico.

Instalando librerías complementarias    

Revisando el arsenal de herramientas que posee RStudio para presentaciones,
a través de RMakdown, ioslide, entre otros   
Resumiendo la información a través de dplyr
Presentando la información a través de la librería ggplot2 o gráfico de barras:
apiladas y no apiladas
Gráfico de series temporales, gráfico de pastel, gráfico de correlaciones   
Gráficas interactivas: plolty y dygraphs en acción
Construcción de gráficos en formato GIF: a darle vida a esos datos.
Presentación de resultados mediante Rmarkdown: word y html
Construcción de presentaciones elegantes mediante ioslide de Rmarkdown: la
era final de power point ha llegado.
Trabajo final.
III CIENCIA DE DATOS: MODELOS
ESTADÍSTICO PARA PREDICCIÓN I

Existen varios tópicos en el mundo de la ciencia de datos que se necesitan como

caballo de batalla, entre esos, los modelos de regresión. No basta con saber
estimar un modelo, también hay que saber evaluarlos e implementarlos.

Revisión conceptual: Modelos de regresión

Modelos de regresión simple 
Modelos de regresión múltiple
Ya tengo mi modelo ¿cómo hago un pronóstico?
Extensión de los modelos Econométricos o Modelos log-log o Modelos
log-lin
¿Los residuos son independientes?
¿La varianza es homocedastica?
¿Los parámetros son estables?
¿Los residuos siguen una distribución normal?
¿El modelo está correctamente especificado?
Diversos métodos para abordar las preguntas anteriores
Modelos ANOVA
Modelos ANCOVA
Pronóstico utilizando varias variables en la ecuación de regresión.
Trabajo final
IV CIENCIA DE DATOS: MODELOS
ESTADÍSTICO PARA PREDICCIÓN II

Existen problemas que corresponden al mundo binario (1,0), y que deben ser
modelados a través de regresiones y técnicas que permitan incorporar como
variable dependiente, eventos como: probabilidades de no pago, detección de
fraudes, obtención de un trabajo, entre otros.

Teoría: Introducción a los modelos para el cálculo de probabilidades

Modelos MLP: ¿debo usar este tipo de modelos=
Modelos Logit
Modelos Probit
Evaluando los modelos: sensibilidad y especificidad
Matriz de clasificación, curvas ROC, bondad de ajuste
Punto de corte óptimo (cutt -off)
¿Y si mi variable dependiente no es binaria sino el número de sucesos de
un evento?: Modelo Poisson.
Comparación entre modelos y el desempeño en el pronóstico
(clasificación)
Trabajo final.
V MACHINE LEARNING I: MODELOS
CLASIFICACIÓN Y SEGMENTACIÓN

En el mundo del modelamiento de datos, cuando el número de variables y datos

no son el problema principal, las técnicas para reducción de dimensiones, para
encontrar factores latentes inobservables se vuelven sumamente útiles; incluso
pueden convertirse en insumos para modelos de clasificacíón y segmentación.

 Técnicas de reducción de la información, Análisis de componentes

principales,
Métodos para detección de factores latentes inobservables y reducción
de dimensiones a través de análisis factorial
Clasificación de variables y posibles rotaciones de los factores
Regresiones considerando análisis factorial
Clasificación mediante Clusters o Jerárquico y No jerárquico
Cluster para bases de datos gigantes
Algoritmo del vecino más cercano: K-nearest neighbors
Análisis discriminante para 2 grupos
Trabajo final
VI MACHINE LEARNING II: MODELOS PARA LA
PREDICCIÓN Y CLASIFICACIÓN

Cuando la linealidad es un problema y las técnicas convencionales se quedan

cortas, llega el momento en el que el científico de datos saca su arsenal:
Decision Tree, Ensamble Methods, Baggin, Bossting, SVM, muestas
desbalanceadas, entre otros.

Arboles de clasificación
Poda y evaluación del árbol
Métodos de ensamble: métodos, evaluación y optimización de
hiperparámetros
Bosque aleatorio: Random Forest
Método AdaBoost
Método Bagging
Método Boosting
Máquina de soporte vectorial (Support Vector Machine):
Validación, evaluación y optimización de hiperparámetros
Predicción dentro y fuera de la muestra
El problema de la desproporción muestral (muestras desbalanceadas)
No todo es lineal
Trabajo final.
VII FORECASTING: MODELOS PARA
PRONÓSTICOS FINANCIEROS Y
EMPRESARIALES

No todo es binario o relacional. Un científico de datos debe conocer técnicas

que permitan realizar pronósticos aplicados a la planeación de la demanda,
indicadores macroeconómicos, instrumentos financieros, entre otros, donde el
insumo principal es una serie temporal.

Introducción a los modelo de series temporales

Simulación de modelos ARIMA y SARIMA
Evaluando estacionariedad y contrastes de raíz unitaria o ADF o KPSS
o ERS o PP
Identificando el proceso generador de los datos a travès de los
correlogramas
Construyendo mi modelo ARIMA a través de la metodología Box
Jenkins: ¿cuánto voy a vender los siguientes meses?
¿Y si mis variables se comportan de forma estacional como la venta
de juguetes? Modelos SARIMA
Diversas alternativas para modelar una serie de tiempo a través de la
diferenciación de una serie.
Otra técnica para series estacionales HoltWinters Vs SARIMA
¿Es buena idea utilizar el modelador automático para construir
pronósticos?
VIII FORECASTING II: INTERRUPTED AND MULTIVARIATE
TIME SERIE ANALYSIS FOR PUBLIC POLICY

Un científico de datos debe estar preparado para construir, además de modelos

que permitan que los datos hablen por sí mismos, también modelos que
incorporen relaciones causales. Aquí es donde se separa un científico de datos
junior, de un profesional formado con un background que incorpora
conocimiento sobre el entorno económico y cómo podría afectar las políticas
públicas (Gobierno de turno) en el giro del negocio.

Introducción a la series de tiempo interrumpidas para la evaluación

de políticas públicas
Representación gráfica de la posible intervención de la política
pública
Estimación de modelos con variables de intervención
Evaluación y ajustes de modelos con series de tiempo interrumpidas
Pronósticos y ejercicio contrafactual
Introducción a los modelos multivariantes de series temporales
Representación matemática de los modelos VAR (Vectores
Autoregresivos)
Estimación de modelos VAR
Evaluación de modelos VAR y determinación de la función Impulso
Respuesta para la evaluación de políticas públicas
Estimación de modelos VECM
Evaluación de modelos VAR y determinación de la función Impulso
Respuesta para la evaluación de políticas públicas
Multiples pronòsticos a travès de los modelos multivariantes.
 INFORMACIÓN

¿CÓMO FUNCIONA?

Realiza su inversión o pago.

Se activa su usuario y contraseña para el curso básico. A partir de este
momento podrá acceder a la plataforma como al foro de preguntas y
respuestas de Facebook y la plataforma virtual.
Una vez culmine el curso básico, se activan según su avance los demás
módulos, uno por uno.
Culminando el PROGRAMA, se valida los módulos aprobados y se emite el
certificado respectivo como PROGRAMA EXPERTO EN CIENCIA DE DATOS.

MÉTODOS DE PAGO

Cuenta Corriente Banco Bolivariano 1725004041

BETAMÉTRICA S.A. RUC 0992881127001
Si reside fuera de Ecuador, puede realizar su pago a través de tarjeta de
crédito, a través del contacto por medio de nuestro WhatsApp +593 984
143032
BETAMETRICA S.A., Es una empresa
orientada a la investigación
cuantitativa, con concentración en
la modelización econométrica y
análisis estadístico de la
información; la experiencia de
nuestros consultores, nuestros
  clientes y nuestros valores, hacen
de BETAMÉTRICA  un punto de
referencia para la toma de
decisiones acertadas, minimizando
los riesgos.
MISIÓN:
Contribuir con el desarrollo
empresarial y crecimiento
económico del Ecuador mediante
la investigación científico-técnica,
información de calidad y nuestra
elite de consultores y
colaboradores altamente
capacitados, en el marco de la
honestidad, el respeto, la
confidencialidad y la lealtad.
VISIÓN:
Ser la empresa líder en consultorías
econométricas y estadísticas a nivel
nacional e internacional,
combinando el comportamiento       
económico del E cuador, las
principales técnicas cuantitativas
para la medición económica y la
incorporación en  todo
momento de los factores inherentes
al comportamiento humano.
 VALORES
Nuestros servicios empresariales se fundamentan en 5 pilares
que se complementan entre sí, siendo la confidencialidad la
piedra angular de nuestro trabajo, la disciplina para el
desarrollo de nuestras actividades, el respeto a las opiniones
internas, externas, contrarias o afirmativas, la lealtad a la
institución y a nuestros clientes, y la honestidad en cada paso,
decisión o actividad que realizamos.

DADITSENOH
ANILPICSID
DATLAEL
OTEPSER

CONFIDENCIALIDAD
 SU INVERSIÓN INCLUYE:

Acceso ILIMITADO a los cursos del programa que usted apruebe dentro
del plazo establecido (un año calendario)
Resolución de al menos 50 casos prácticos, paso a paso.
Más de 150 lecciones o tutorias PASO A PASO, con bases de datos reales
Certificación General Digital como PROGRAMA EXPERTO EN CIENCIA DE
DATOS bajo la Modalidad Online.
Recursos digitales disponibles en la plataforma: scripts, pdf, paso a paso.
Foro exclusivo y cerrado en la plataforma y en facebook
Consultas Generales a través del foro o de las redes sociales del expositor
Posibilidad de agendar tutorias personalizadas para revisión de trabajos
entregrables y examenes

CONSIDERACIONES ADICIONALES:

Es importante que una vez realice el pago, llene el formulario de datos

para la emisión de la factura, la cual se genera electrónicamente. Habiendo
emitido la factura no se aceptan cambios en la misma.
No se aceptan cambios entre los cursos online ni presenciales que
BETAMÉTRICA oferte. El cliente se sujeta  a los cursos o módulos descritos
en este brochure, en el plazo descrito.
Emitida la factura y/o activado el primer módulo, no se aceptarán
solicitudes de devoluciones. El alumno conoce de antemano el
funcionamiento, duración y contenido del PROGRAMA EXPERTO EN
CIENCIA DE DATOS.
Es deseable que el participante tenga una computadora como mínimo con
3gb de ram para poder tomar el programa. Además de poseer el internet
necesario para cursar los módulos para construir pronósticos?
SERVICIOS QUE CONSTRUIMOS MODELOS
ECONOMÉTRICOS PARA LOS
OFRECEMOS SECTORES; BANCARIO, FINANCIERO Y
SECTOR PRODUCTIVO DEL ECUADOR.

ESTADÍSTICAS
MACROECONÓMICAS
DEL ECUADOR

MINERÍA DE DATOS
Y ANÁLISIS
ESTADÍSTICO

MODELOS
ECONOMÉTRICOS

SEMINARIO Y
CAPACITACIONES
EMPRESARIALES

OSBERVATORIO 
ECONOMÉTRICO DEL
SECTOR FINANCIERO

INVESTIGACIÓN DE
MERCADO
 Contáctenos:
+593-984143032
INFO@BETAMETRICA.COM.EC

Nuestras Redes:

BETAMETRICAEC

BETAMETRICAEC

BETAMETRICAEC

BETAMETRICAEC

BETAMETRICAEC

Conocimiento accionable que transforma profesionales