GIS Data Analyst

Sin duda la disciplina profesional de moda en el ámbito tecnológico es el BigData. Sin embargo dentro de este término se aglutinan demasiados conceptos y ámbitos profesionales que poco tiene que ver unos con otros. El más importante, por innovador y por ser el más demandado es el de Analista de datos, DataAnalyst o DataScienctist. Manejar grandes volúmenes de información va a ser la constante de aquí en adelante y cada vez hay más sistemas preparados para ello. Sin embargo, sacarle partido a estos datos a través de indicadores es la clave del éxito para muchos negocios. De esto se ocupa el Data Analyst, Data Scientist y el Machine Learninig y la intelegencia artificial que, partiendo de un buen conocimiento del negocio saca partido al análisis del dato.

DATAANALYTICS_GEO

 

¿A quién va dirigido?

El curso va dirigido cualquier perfil con un cierto nivel de conocimientos estadísticos que tenga interés en abordar un nuevo ámbito profesional con múltiples posibilidades. Las titulaciones de los potenciales alumnos van desde Geógrafos a Matemáticos pasando por Ingenieros de software o Biólogos.

Haremos un análisis de los cv o de las inquietudes profesionales de los potenciales alumnos para crear grupos homogéneos de trabajo.

Modalidad del curso

Es un curso online con presentaciones y ejercicios desplegados en nuestra plataforma. Sin embargo, el curso sigue una metodología especial en la que el profesor junto a los alumnos va planteando problema reales que semana a semana y con sesiones en directo vamos resolviendo juntos. Además, cada una de las sesiones en directo se graban para que estén disponibles para su posterior repaso.

Además, hemos ido creando numerosos vídeos explicando tanto la teoría como los ejercicios para hacerte así más ameno el aprendizaje.

Índice

1. PROGRAMACIÓN EN R

a. Instalación de R

b. Instalación de Rstudio

c. Vectores y Matrices

d. Listas

e. DataFrames

f. Missing Values

2. ESTADÍSTICA EN R

a. Funciones básicas

b. Estadísticas aplicadas a subgrupos de datos

 c. Relación entre variables (cor y cov)

d. Test de Hipótesis de Correlación

e. Distribuciones de probabilidad

 f. Estadística gráfica

3. REGRESIÓN

 a. Regresión Lineal Simple y Múltiple

b. Análisis de Errores en Estimación

c. Evaluación de las Estimaciones

d. Precisión de ajuste del modelo: R 2

4. MACHINE LEARNING

a. Logistic Regression

b. KNN (K-nearest-neighbors)

c. Decision Trees

 d. Support Vector Machines

5. CLUSTERING

a. K-means Clustering

b. Hierarchical Clustering

6. Location Analytics R

a. Trabajo con Rasters Multibanda

 b. Geocodificación

c. Visualización de Datos Espaciales

 d. Trabajo con Capas Vectoriales e. Cambio de Sistemas de Referencia

 f. Combinación de Rasters y Vectores

g. Interpolación Espacial

 

 

Contacta para más información