Mostrando todos los resultados (3)
La primera notificación realiza de enfermedad por SARS-CoV-2 (COVID en el mundo fue el 31 de diciembre de 2019 en Wuhan (China), posteriormente se da una rápida propagación del virus entre las personas en diferentes países, informando el primer caso de Latinoamérica en Brasil el 26 de 2020 y en Colombia el 6 de marzo de 2020.
Para esta última fecha la presencia de la COVID-19 en el mundo era ya un hecho, por lo cual la Organización Mundial de la Salud – OMS el 11 de marzo de 2020 la declaró pandemia global.
La alta capacidad de virulencia del SARS-COV-2 y su facilidad de propagación especialmente de persona a persona a través de gotas respiratorias, expulsadas al estornudar, toser o exhalar; esto generaba que muchas personas presentaran la patología al mismo tiempo, muchos de ellos desarrollaban complicaciones por lo cual los servicios de atención en salud excedían su capacidad de atención y colapsaban, estos eran los resultados observados en los primeros países afectados por dicha enfermedad.
Lo anterior obligo al gobierno encabezado por el presidente de la República, doctor Iván Duque Márquez a tomar medidas estrictas y finalmente el 22 de marzo de 2020, el Gobierno Nacional mediante Decreto 457 de 2020, en su artículo 1, ordenó el aislamiento preventivo obligatorio de todas las personas habitantes de la República de Colombia, a partir de las cero horas (00:00 a.m.) del día 25 de marzo de 2020, hasta las cero horas (00:00 a.m.) del día 13 de abril de 2020. Sin embargo, esta medida ha requerido extenderse hasta el día de hoy.
Educar a la población sobre bioprotección y bioseguridad para evitar el contagio de COVID-19 y así disminuir su propagación y posibles complicaciones especialmente en poblaciones vulnerables.
La población mundial esta cursando una pandemia global por la enfermedad respiratoria causada por el virus SARS-CoV-2, en los primeros países afectados por dicha patología ha generado un impacto negativo a nivel de mortalidad, morbilidad y capacidad de respuesta de los servicios de salud, que además compromete otros sectores como el social y el económico.
La medida que ha generado mejor respuesta ante esta crisis ha sido el aislamiento social obligatorio y estrictas medidas de bioseguridad en la población, sin embargo, en esta última apreciación el uso inadecuado de los equipos de protección personal puede ser causal de aumento de contagio en la población del país.
Capacitar en la implementación del sistema de bioseguridad al personal laboral.
A través de clases virtuales usando Moodle y Google meeting (video conferencias), con ayudas visuales se dará a conocer orientaciones generales de bioseguridad y bioprotección en el marco de la pandemia por COVID-19.
Como termino general la bioseguridad se determina como el conjunto de medidas preventivas que tienen por objeto eliminar o minimizar el factor de riesgo biológico que pueda llegar a afectar la salud, el medio ambiente o la vida de las personas, asegurando que el desarrollo o producto final de dichos procedimientos no atenten contra la salud y seguridad de los trabajadores.
En cuanto al concepto de bioprotección se refiere a las medidas de protección tomadas por la institución y del personal destinadas a reducir riesgo de patógenos en el contexto de la pandemia en curso.
Capacitar a la población entorno a lo temas generales de bioseguridad por medio de telesalud, con ayudas visuales e interacción virtual on-line. Cada capacitación tendrá 12 (doce) hora de duración, en 12 (doce) sesiones virtuales.
La transparencia, la apertura de datos y la gestión colaborativa se han configurado como componentes centrales de un nuevo consenso internacional en materia de buena gobernanza, desarrollo y fortalecimiento institucional público y privado. Estos principios se han materializado en distintas iniciativas, programas, planes y proyectos que utilizan nuevas técnicas de gestión, estándares normativos y los avances de las tecnologías de la información y la comunicación (TIC) para mejorar la eficacia, eficiencia, legitimidad e innovación de las instituciones y organizaciones.
Este diplomado está dirigido a personas del sector público, privado y la sociedad civil interesados en adquirir herramientas y habilidades para implementar mecanismos de transparencia, acceso a información y datos abiertos en el marco de la nueva filosofía de gobierno abierto y buena gobernanza corporativa.
OBJETIVO GENERAL
Adquirir y desarrollar habilidades, competencias y herramientas para el diseño y evaluación de estrategias de alto impacto en materia de transparencia y datos abiertos en el ámbito público, privado y no gubernamental, asegurando su factibilidad y orientación a resultados.
OBJETIVOS ESPECÍFICOS
El trabajo en la plataforma contará con clases en directo, grabadas y videos tutoriales que acompañarán y serán guía en las actividades propuestas. Además, contaremos con unos foros tanto de presentación, debates y dudas, en los que los estudiantes podrán aportar y formular dudas bajo el asesoramiento de los profesores-tutores. También contaremos con correo directo entre profesores y estudiantes.
Semanalmente, contaremos con actividades aplicadas a casos específicos que serán evaluadas como parte de la actividad final del diplomado. Para la construcción de cada actividad, los estudiantes contarán con material guía.
Modalidad: Virtual
Contenidos:
Módulo I: Lógicas y estrategias de diseño y evaluación (25 horas)
Módulo II: Conceptos, enfoques y nuevas tendencias en transparencia y datos abiertos (25 horas)
Módulo III: Marco normativo e Institucional del gobierno abierto en América Latina y Colombia (25 horas)
Módulo IV: Buenas prácticas y experiencias exitosas en el sector público y privado (25 horas)
Módulo V: Diagnóstico y formulación de intervenciones (25 horas)
Módulo VI: Estrategias de implementación, seguimiento y control (25 horas)
Fecha de inicio: 11 de mayo 2020
Valor : 400 USD
Horario:
Clases participativas: lunes y miércoles: 6.30 a 7:30 pm (1 por módulo)
Clases en diferido: 24/7
Foros: 24/7
Duración: 150 horas
Planta docente:
Yeison H. Sosa Londoño. Historiador y Profesional en Estudios Políticos y Resolución de Conflictos de la Universidad del Valle. Maestrante en Política Comparada del Departamento de Estudios Políticos de la Facultad Latinoamericana de Ciencias Sociales (FLACSO) sede Ecuador. Se ha desempeñado como asistente de investigación en proyectos sobre corrupción política, transparencia en programas del acuerdo de paz, fraude electoral, participación ciudadana y DDHH. Hizo parte del equipo profesional de la Fundación Foro Nacional por Colombia Capitulo Suroccidente, del programa Manos a la Paz del PNUD y el Observatorio Cali Visible de la Universidad Javeriana-Cali.
Carlos Miguel Rodrigues. Doctor (c) en Políticas Públicas. Magister en Políticas Públicas por Flacso Ecuador y en Planificación del Desarrollo (Universidad Central de Venezuela). Especialista en Gerencia Pública de la UNIMET en Venezuela. Politólogo de la Universidad Central de Venezuela. Tiene experiencia en proyectos de investigación sobre gobierno abierto, transparencia, participación ciudadana y control democrático. Se ha desempeñado en el sector público nacional y local en funciones de análisis del entorno, diseño de proyectos y estrategias comunicacionales.
Diana Marcela Paz. Doctora (c) en Políticas Públicas y Magister en Estudios Urbanos por Flacso Ecuador, Politóloga de la Universidad del Cauca. Investigadora asociada a Flacso Ecuador y Universidad de Nariño, trabaja temas sobre gobierno abierto a nivel local, gobernanza urbana, cambio climático, descentralización, asociaciones público-privadas y participación ciudadana. Se ha desempeñado en el sector público nacional y privado local y actualmente es asistente de catedra en la maestría en Estudios Urbanos (Flacso Ecuador).
La Fundación Univalle en coordinación con el Colegio Científico de Datos ofrece un Diplomado de Actualización Profesional “Diseño de Investigación y Análisis de Datos con Software R” con registro oficial SEEM 17DAP57319, dirigido a Licenciados, Maestros, Doctores e Investigadores, cuyo propósito es que adquieran mayores posibilidades formativas en Ciencia de Datos con Software R. El diplomado de actualización profesional permite que conozcan el diseño de investigación, las técnicas estadísticas clásicas a las avanzadas, predictivas, machine learning, multivariadas, así como el trabajo de bases de datos y estrategias ETL y cubos OLAP con el software R.
OBJETIVO GENERAL
Convertirse en un científico de datos profesional con el software R, aprendiendo la potencialidad de R para el procesamiento de datos, interpretando de forma correcta los resultados obtenidos y así innovar en sus proyectos de investigación.
OBJETIVOS ESPECÍFICOS
METODOLOGÍA
Trabajar en plataforma, mediante clases grabadas en video tutoriales, participación activa en foros, 24/7 que estimulen la participación activa de los estudiantes, bajo el asesoramiento continuo del profesor-tutor con evaluación continua mediante tareas semanales para afianzar conocimientos. Se entregará a los estudiantes el siguiente material:
MODALIDAD
Virtual
VALOR
850 USD
FECHA DE INICIO
4 de mayo de 2020
HORARIO
Plataforma virtual 24/7
DURACIÓN
200 horas
MÓDULOS
MÓDULO I. DISEÑO DE INVESTIGACIÓN (40 hrs)
MÓDULO II. TÉCNICAS CLÁSICAS (40 hrs)
MÓDULO III. TÉCNICAS AVANZADAS (40 hrs)
MÓDULO IV. TÉCNICAS DE ANÁLISIS MULTIVARIANTE (40 hrs)
MÓDULO V. BASES DE DATOS. BIG DATA Y ETL (40 hrs)
TEMARIO COMPLETO
MÓDULO I. DISEÑO DE INVESTIGACIÓN (40 hrs)
TEMA 1. FUNDAMENTOS Y BASES EMPÍRICAS.
TEMA 2. ELECCIÓN DEL TEMA, OBJETIVOS E HIPÓTESIS.
TEMA 3. MUESTREOS, TIPOS, DATOS Y CONTROLES.
TEMA 4. TIPOS DE DISEÑOS DE INVESTIGACIÓN.
MÓDULO II. TÉCNICAS CLÁSICAS (40 hrs)
TEMA 1. R SOFTWARE.
1.1.- Descripción.
1.2.- Historia.
1.3.- Características
1.4.- Instalación
1.5.- Formatos.
1.6.- Transponer datos de hoja de cálculo.
1.7.- Cargado de archivos.
1.8.- Trabajo de bases de datos.
TEMA 2. ESTADÍSTICA DESCRIPTIVA I.
2.1.- Gráficos de barras.
2.2.- Gráficos de sectores.
2.3.- Histograma.
2.4.- Nubes de puntos.
2.5.- Gráficos de cajas.
2.6.- Gráficos para tablas de doble entrada.
2.7.- Conclusión.
TEMA 3. ESTADÍSTICA DESCRIPTIVA II.
3.1.- Medidas de posición y dispersión.
3.1.1.- Media.
3.1.2.- Mediana.
3.1.3.- Cuasivarianza.
3.1.4.- Cuasidesviación típica.
3.1.5.- Cuantiles.
3.1.6.- Resumen.
3.2.- La distribución normal.
3.3.- Medidas para investigación.
3.4.- Conclusión. 5
TEMA 4. PRUEBAS NO PARAMÉTRICAS.
4.1.- Test de Wilcoxon.
4.2.- Test de Wilcoxon – Mann-Whitney.
4.3.- Test de Kolmogorov – Smirnov.
4.4.- Test de Kruskal – Wallis.
4.5.- Conclusión.
TEMA 5. CHI-CUADRADO Y T DE STUDENT.
5.1.- Chi- cuadrado de Pearson.
5.1.1.- Introducción.
5.1.2.- Formulación.
5.1.3.- Resolución con R.
5.1.4.- Conclusión.
5.2.- T-Student.
5.2.1.- Distribución t-Student.
5.2.3.- conclusión.
TEMA 6. ANÁLISIS DE VARIANZA. DISEÑO COMPLETAMENTE ALEATORIZADO.
6.1.- Un factor clásico. HSD Tukey.
6.2.- Un factor robusto. HSD Tukey.
6.3.- Dos factores clásico.
6.4.- Dos factores robusto.
TEMA 7. ANÁLISIS DE VARIANZA. MEDIDAS REPETIDAS.
7.1.- Introducción.
7.2.- Formulación.
7.3.- Análisis de Varianza. Medidas Repetidas con R.
7.4.- Conclusión.
TEMA 8. REGRESIÓN Y CORRELACIÓN LINEAL SIMPLES.
8.1.- Regresión lineal simple.
8.1.1.- Introducción.
8.1.2.- Modelo.
8.1.3.- Contraste.
8.1.4.- Tabla de análisis de varianza.
8.1.5.- Regresión con R.
8.1.6.- Conclusión.
8.2.- Correlación simple.
8.2.1.- Introducción.
8.2.2.- Coeficiente de correlación de Pearson.
8.2.3.- Correlación lineal con R.
8.2.4.- Conclusión.
TEMA 9. REGRESIÓN MÚLTIPLE.
9.1.- Modelo. 6
9.2.- Contraste de la regresión lineal múltiple.
9.3.- Tabla de análisis de la varianza para la regresión lineal múltiple.
9.4.- Estimación de la varianza común.
9.5.- Contraste de hipótesis sobre los coeficientes de regresión.
9.6.- Regresión múltiple con R.
9.7.- Selección secuencial de variables por pasos.
TEMA 10. CORRELACIÓN MÚLTIPLE.
10.1.- Introducción.
10.2.- Cálculo con R.
10.3.- Representaciones gráficas.
10.4.- Conclusión.
MÓDULO III. TÉCNICAS AVANZADAS (40 hrs)
TEMA 1. TÉCNICAS ACTUALES EN REGRESIÓN. TRATAMIENTO DE DATOS ANÓMALOS.
1.1.- Introducción.
1.2.- Bibliotecas.
1.3.- Formulación.
1.4.- Ejemplo completo:
1.4.1.- Regresión lineal por mínimos cuadrados.
1.4.2.- Técnicas actuales en Regresión (tratamiento de datos anómalos).
1.4.2.1.- Recta de Huber.
1.4.2.2.- LTS-Least Trimmed Squares.
1.4.2.3.- LMS-Least Median of Squares.
1.4.2.4.- Recta MM.
1.5.- Conclusión.
TEMA 2. REGRESIÓN POISSON.
2.1.- Introducción.
2.2.- Cálculo con R.
2.3.- Conclusión.
TEMA 3. MODELOS DE REGRESIÓN LOGÍSTICA. LOGIT Y PROBIT.
3.1.- Introducción.
3.2.- Modelos logit y probit.
3.3.- Modelos de regresión logit con R.
3.4.- Modelos de regresión probit con R.
3.5.- Conclusión.
TEMA 4. REGRESIÓN SUAVIZADA.
4.1.- Introducción.
4.2.- Formulación.
4.3.- Regresión suavizada con R. 7
4.4.- Conclusión.
TEMA 5. REGRESIÓN MÚLTIPLE ROBUSTA.
5.1.- Introducción.
5.2.- Regresión de Huber.
5.3.- Regresión múltiple robusta de Huber.
5.4.- MM-estimadores.
5.5.- Regresión múltiple M-estimadores.
5.6.- Conclusión.
TEMA 6. CORRELACIÓN SIMPLE Y MÚLTIPLE ROBUSTAS.
6.1.- Introducción.
6.2.- Correlación robusta para dos variables.
6.2.1.- Correlación de porcentaje ajustado.
6.2.2.- Correlación winsorizada.
6.2.3.- M-estimadores de Goldberg e Iglewicz.
6.3.- Correlación robusta para p variables.
6.3.1.- Correlación de porcentaje ajustado entre p variables.
6.3.2.- Correlación winsorizada entre p variables.
6.4.- Conclusión.
TEMA 7. MODELOS LINEALES GENERALIZADOS UNIVARIANTES.
7.1.- Desarrollo.
7.2.- Conclusión.
TEMA 8. MODELOS LINEALES MIXTOS GENERALIZADOS. DISEÑO POR BLOQUES ALEATORIOS.
8.1.- Introducción.
8.2.- Formulación.
8.3.- Modelos lineales generalizados y mixtos generalizados con R. Diseño por bloques aleatorios.
8.4.- Conclusión.
TEMA 9. ÁRBOLES DE REGRESIÓN Y CLASIFICACIÓN (CARTS).
9.1.- Introducción.
9.2.- Árboles de regresión con R.
9.3.- Prunned o podado del Árbol.
9.4.- Árboles de clasificación con R.
9.5.- Conclusión.
TEMA 10. MODELOS ADITIVOS GENERALIZADOS GAM.
10.1.- Introducción.
10.2.- Formulación.
10.3.- Modelos GAM con R.
10.4.- Conclusión.
TEMA 11. ANÁLISIS DE SUPERVIVENCIA. 8
11.1.- Introducción.
11.2.- Cálculo completo en R. Uno y dos grupos.
TEMA 12. MODELOS SARIMA DE SERIES TEMPORALES.
12.1.- Introducción.
12.2.- Objetivos y usos en las diferentes ciencias.
12.3.- Paquetes a instalar en R.
12.4.- Bibliotecas a abrir en R.
12.5.- Cómo introducir los datos en R.
12.6.- Ejemplo completo:
12.6.1.- Cálculo con R.
12.6.2.- Filtrado lineal.
12.6.3.- Modelos SARIMA:
12.6.3.1.- Identificación del modelo.
12.6.3.2.- Estimación de los parámetros.
12.6.3.3.- Diagnosis.
12.6.3.4.- Predicción.
12.6.3.5.- Test de serie estacionaria.
12.6.4.- Cointegración de Series.
12.7.- Conclusión.
TEMA 13. PARÁMETROS GRÁFICOS.
13.1.- Gráfico plot. Función legend.
13.2.- Recta de regresión.
13.3.- Histograma.
13.4.- Gráfico de cajas.
13.5.- Gráficos de barras con barras de error.
MÓDULO IV. TÉCNICAS DE ANÁLISIS MULTIVARIANTE (40 hrs)
TEMA 1. ANÁLISIS DE CORRESPONDENCIAS.
1.1.- Introducción.
1.2.- Análisis de correspondencias bidimensional con R.
1.3.- Análisis de correspondencias múltiple con R.
1.4.- Conclusión.
TEMA 2. ANÁLISIS FACTORIAL.
2.1.- Introducción.
2.2.- Formulación.
2.3.- Análisis factorial con R.
2.4.- Conclusión.
TEMA 3. ANÁLISIS DE COMPONENTES PRINCIPALES.
3.1.- Introducción. 9
3.2.- Formulación.
3.3.- Análisis de componentes principales con R.
3.4.- Representaciones gráficas
3.5.- Conclusión.
TEMA 4. ANÁLISIS DISCRIMINANTE.
4.1.- Introducción.
4.2.- Formulación.
4.3.- Análisis discriminante con R.
4.4.- Validación cruzada.
4.5.- Método de los k vecinos más próximos.
4.6.- Método de los k vecinos más próximos. Validación cruzada.
4.7.- Análisis discriminante. K grupos y clasificación desconocida.
4.8.- Conclusión.
TEMA 5. ESCALADO MULTIDIMENSIONAL.
5.1.- Introducción.
5.2.- Formulación.
5.3.- Escalado multidimensional con R. Métrico y no métrico.
5.4.- Cálculo de matrices.
5.5.- Conclusión.
TEMA 6. ANÁLISIS CLUSTERS.
6.1.- Introducción.
6.2.- Formulación.
6.3.- Análisis clusters con R.
6.4.- Elección del número de clusters.
6.5.- Conclusión.
MÓDULO V. BASES DE DATOS. BIG DATA Y ETL (40 hrs)
Tema 1. TRABAJO DE BIG DATA Y CUBOS OLAP.
1.1.- OLAP (On-Line Analytical Processing – Procesamiento analítico en línea)
1.1.1.- Los Cubos OLAP
1.1.2.- Gestores de bases de datos con OLAP
1.1.3.- Hechos y dimensiones
1.1.4.- Operaciones OLAP
1.1.4.1.- «Rebanada»
1.1.4.2.- «Dados»
1.1.4.3.- Enrollar
1.1.4.4.- Profundizar
1.1.4.5.- Pivote