Nuestros Servicios

Respira. Estamos aqui justo para ayudarte.

Formación en Ciencia de Datos

El Por Qué

Hoy en día, tenemos que ser capaces de manejar grandes volúmenes de datos. También necesitamos suficientes habilidades para analizar datos para tomar decisiones, probar hipótesis científicas y también mostrar resultados de una manera útil y clara.

Te ofrecemos

OneMind-DataScience ofrece muchos cursos y conferencias sobre estadística. Los temas pueden abarcar desde una visión general básica de los métodos estadísticos hasta una disciplina específica. Podemos realizar el curso / taller que mejor se adapte a sus intereses.

Herramientas

R es un entorno y un lenguaje de programación centrados en el análisis estadístico. Con nuestros cursos obtendrás los conocimientos necesarios para utilizar esta potente herramienta y resolver tu problema de análisis de datos, administrar tus datos y crear gráficos útiles, etc.

Cursos de programación en R

  • Puede elegir uno de los cursos ya establecidos o podemos concretar una reunión y conocer cuales son sus necesidades.
  • Realizamos los cursos en función de su nivel general de estadística y / o programación y considerando su expectativa final.
  • Los cursos pueden ser presenciales (nos movemos donde usted decide) o si usted prefiere podemos realizarlos en linea (vía skype o plataforma similar).
  • Individual o por grupos. Intensivo o parcializado según sus necesidades.
  • Seguimiento de dos meses después de haber finalizado el curso. Sabemos que a veces las dudas suelen aparecer más tarde

Imagen de A.J.Canepa

Cursos a medida para nuestros clientes

Cursos ya establecidos:

Formación Básica

Curso básico de introducción a R y Rstudio (20 h.)

Descripción del Software R y a la interfaz gráfica RStudio

Descarga, instalación y mantenimiento de R, RStudio y Paquetes

Definición del ámbito de trabajo (workspace) e historiales

Manejo del workspace y de scripts “House keeping”

Programación básica orientada a objetos (vectores, listas, matrices y bases de datos)

Importación de datos desde diferentes plataformas

Tratamiento básico de datos para fines estadísticos

Herramientas de visualización y exploración de datos

Fundamentos de la ciencia de datos con R y Rstudio (25 h.)

Definición y conceptos de Ciencia de Datos

Introducción a la programación en R y R Studio

Tipos de datos y estructuras en R

Importación y manejo de datos en R

Funciones básicas en R

Funciones avanzadas en R

Exploración visual con fines estadísticos

Modelado estadístico con R

Diseño experimental y análisis de datos con R y Rstudio (30 h.)

Introducción a la programación en R y Rstudio

• Introducción al Software R y a Rstudio
• Descarga, instalación de R, RStudio y otros paquetes
• Manejo del workspace y de scripts

Programación básica orientada a objetos

• Importación de datos desde diferentes plataformas
• Tratamiento básico de datos para fines estadísticos

Diseño experimental y muestreo

• Teoría del muestreo, Réplicación, Pseudo-réplicación
• Control experimental: Diseño B.A.C.I.
• Actividades prácticas de diseño de toma de datos
• Campañas / Experimentos con ejemplos Reales

Exploración estadística de Datos con R

• Introducción al paquete “ggplot2”
• Exploración visual de datos con fines estadísticos
• Violación de las asunciones de los modelos lineales

Análisis de datos con R

• Introducción a los modelos estadísticos
• Modelos lineales
• Modelos lineales Generalizados

Trabajo en grupo y mesa final de discusión

• Presentación del problema a ser evaluado por los alumnos
• Trabajo en grupos discretos utilizando lo aprendido
• Presentación y discusión final de los resultados

Estadística Multivariada con R (30 h.)

Introducción a la programación en R y RStudio

• Introducción al Software R y Rstudio
• Descarga, instalación de R, RStudio y otros paquetes
• Manejo del workspace y de scripts

Análisis de datos Exploratorios

• Datos de especies
• Datos ambientales
• Transformaciones

Medidas de Asociación y Matrices

• Modo Q: cálculo de matrices de distancias entre objetos
• Modo R: cálculo de matrices de distancias entre variables

Análisis de Cluster

• Cluster jerárquicos
• Cluster No-Jerárquicos
• Comparación con datos ambientales
• Ensamble de especies

Ordenamiento independiente

• Análisis de componentes principales
• Análisis de Correspondencia
• Escalamiento multidimensional no métrico

Ordenamiento dependiente

• Análisis de redundancia
• Análisis canónico de la correspondencia

Estadística No-Paramétrica con R (26 h.)

Introducción a la programación en R y RStudio

• Introducción al Software R y a Rstudio
• Descarga, instalación de R, RStudio y otros paquetes

• Manejo del workspace y de scripts

Estadística no paramétrica en las ciencias biológicas

• Nominal data
• Ordinal data
• Interval data
• Rate data

Test de signos (sign test)

• Hipótesis nula
• Código de R necesario para ejecutarlo
• Exploración visual de los Datos
• Análisis estadístico de signos

Test de chi-cuadrado

• Hipótesis nula
• Código de R necesario para ejecutarlo
• Exploración visual de los Datos
• Análisis estadístico de chi-cuadrado

Test U de Mann-Whitney

• Hipótesis nula
• Código de R necesario para ejecutarlo
• Exploración visual de los Datos
• Análisis estadístico de Mann-Whitney

Test de Wilcoxon

• Hipótesis nula
• Código de R necesario para ejecutarlo
• Exploración visual de los Datos
• Análisis estadístico de Wilcoxon

Test H de Kruskal–Wallis para ANOVA de una vía por rangos

• Hipótesis nula
• Código de R necesario para ejecutarlo
• Exploración visual de los Datos
• Análisis estadístico H de Kruskal–Wallis

Test de Friedman para ANOVA de dos vías por rangos

• Hipótesis nula
• Código de R necesario para ejecutarlo
• Exploración visual de los Datos
• Análisis estadístico de Friedman

Coeficiente de correlación de diferencias de rangos de Spearman

• Hipótesis nula
• Código de R necesario para ejecutarlo
• Exploración visual de los Datos
• Análisis estadístico de Spearman

Introducción al análisis de series temporales con R (22 h.)

Introducción a la programación en R y RStudio

• Introducción al Software R y a Rstudio
• Descarga, instalación de R, RStudio y otros paquetes
• Manejo del workspace y de scripts

Análisis exploratorio de series temporales

• Manejo de datos de series temporales
• Visualización de series temporales

Descomposición de series temporales

• Descomposición de series no-estacionales
• Descomposición de series estacionales
• Ajuste estacional

Predicción usando suavizado exponencial

• Suavizado exponencial simple
• Suavizado exponencial de Holt
• Suavizado exponencial de Holt-Winters

Modelos ARIMA

• Diferenciando una serie temporal
• Seleccionando un modelo ARIMA potencial
• Predicción usando un modelo ARIMA

Análisis de Datos Ecológicos con R (40h.

Introducción a la programación en R y RStudio

• Introducción al Software R y Rstudio
• Descarga, instalación de R, RStudio y otros paquetes
• Manejo del workspace y de scripts

Análisis exploratorio

• Carga y pre-procesamiento de datos
• Exploración estadística de datos

Análisis estadístico Univariado

• Modelos Lineales
• Modelos Lineales Generalizados (GLM)
• Modelos Aditivos y Generalizados Aditivos (GAM)
• Series Temporales

Análisis estadístico Multivariado

• Exploración estadística de datos
• Medidas de Asociación y Matrices
• Análisis de Cluster
• Ordenamiento independiente
• Ordenamiento dependiente

Procesamiento datos oceanográficos con Ocean Data View (ODV) (22 h.)

Introducción al software ODV

• Instalación y Acceso al software
• Tipos de datos
• Variables derivadas
• Estadísticas básicas

Primeros pasos de la Interfaz Gráfica

• Accediendo a la ayuda
• Ventanas de aplicaciones y meta-datos
• Menús y menus desplegables
• Muestreo y estaciones
• Mapeo y dibujos
• Ajustes

Colecciones de ODV

• Modelos de datos
• Ejemplos y creación de colecciones

Importación de datos

• Archivos y planillas de ODV
• Archivos NetCDF
• Base de Datos del Oceáno Mundial
• Datos de boyas ARGO
• Otras Bases de datos

Exportación de Datos

• Planillas en general
• Colecciones de ODV
• Archivos NetCDF
• Datos de iso-superficies
• Datos de ventana x, y, z

Variables Derivadas

• Derivaciones pre-ajustadas
• Macros y Expresiones
• Parches

Criterios de Selección

Mapa de Estaciones

• Propiedades
• Secciones
• Distribución de estaciones

Ventana de Datos

• Propiedades
• Zoom automático
• Cambiando el layout
• Gráficos y Estadísticas
• Otros análisis

Objetos gráficos

• Líneas, polígonos y más
• Manejo de objetos gráficos

Manejo de Colecciones

• Copiado, renombrado, almacenado y eliminado de colecciones
• Cambio de propiedades de una colección
• Propiedades y edición de Información

Manejo de Datos netCDF

Herramientas y Misceláneos

Formación Avanzada

Modelos Generalizados (GLM y GAM) con R (35 h.)

Introducción a la programación en R y RStudio

• Introducción al Software R y a la Interfaz Gráfica Rstudio
• Descarga, instalación de R, RStudio y otros paquetes
• Manejo del workspace y de scripts

Modelos Lineales y Aditivos

• Exploración de datos
• Outliers
• Colinearidad
• Regresión Lineal, Anova, Ancova
• Modelamiento aditivo

Limitaciones de los modelos aplicadas a las ciencias biológicas

• Exploración de datos
• Asumpciones

Modelos lineales Generalizados (GLM)

• Exploración de datos
• Selección del modelo
• Validación del modelo
• Interpretación del modelo

Modelos Aditivos Generalizados (GAM)

• Exploración de datos
• Selección del modelo
• Validación del modelo
• Interpretación del modelo

Modelos Generalizados Mixtos (GLMM y GAMM) con R (40 h.)

Introducción a la programación en R y RStudio

• Introducción al Software R y a la Interfaz Gráfica Rstudio
• Descarga, instalación de R, RStudio y otros paquetes
• Manejo del workspace y de scripts

Limitaciones de los modelos aplicadas a las ciencias biológicas

• Exploración de datos
• Violación de Asumpciones

Modelos lineales y Aditivos Generalizados (GLM y GAM)

• Exploración de datos
• Seleccion del modelo
• Validación del modelo
• Interpretación del modelo

Modelos Mixtos Lineales y Aditivos Generalizados (GLMM y GAMM)

• Trabajando con la Heterogeneidad
• Estructuras de Varianza
• Protocolo de selección de estructura de Varianza
• Modelos Anidados
• Violación de Indepenciencia # 1
• Violación de Indepenciencia # 2

GLMM y GAMM para datos binarios

• Exploración de datos
• Selección del modelo
• Validación del modelo
• Interpretación del modelo

GLMM y GAMM para datos de conteo

• Exploración de datos
• Selection del modelo
• Validación del modelo
• Interpretación del modelo

Modelamiento Multivariado con R (35 h.)

Introducción a la programación en R y Rstudio

• Introducción al Software R y a Rstudio
• Descarga, instalación de R, RStudio y otros paquetes
• Manejo del workspace y de scripts

Medidas de Asociación y Matrices

• Modo Q: cálculo de matrices de distancias entre objetos
• Modo R: cálculo de matrices de distancias entre variables

Análisis de Cluster

• Cluster jerárquicos
• Cluster No-Jerárquicos
• Comparación con datos ambientales
• Ensamble de especies

Ordenamiento independiente

• Análisis de componentes principales
• Análisis de Correspondencia
• Escalamiento multidimensional no métrico

Ordenamiento dependiente

• Análisis de redundancia
• Análisis canónico de la correspondencia

Análisis espacial de datos ecológicos

• Estructuras y análisis espaciales
• Análisis multivariado de tendencias de superficie
• Modelamiento espacial
• Ordenamiento Multi-escala

Modelos de distribución de especies con R (40 h.)

Introducción a la programación en R y RStudio

• Introducción al Software R y Rstudio
• Descarga, instalación de R, RStudio y otros paquetes
• Manejo del workspace y de scripts

Introducción al estudio de distribución de especies

• Nomenclatura y concepto de nicho
• Por qué y para qué modelar la distribución de una especie

Herramientas de Modelado en R

• Algoritmos
• Paquetes
• Modelamiento de conjuntos (ensamblado)

Ejercicios de modelamiento de distribución de especies #1

• Preparación datos biológicos terrestres
• Preparación datos ambientales terrestres
• Preparación de los algoritmos
• Ajuste de modelos
• Evaluación de los modelos
• Interpretación de los resultados

Ejercicios de modelamiento de distribución de especies #2

• Preparación datos biológicos marinos
• Preparación datos ambientales marinos
• Preparación de los algoritmos
• Ajuste de modelos
• Evaluación de los modelos
• Interpretación de los resultados

Ejercicios de modelamiento de distribución de especies #3

• Análisis de resultados con datos propios de los usuarios

Análisis avanzado de series temporales con R (41 h.)

Introducción a la programación en R y RStudio

• Introducción al Software R y a Rstudio
• Descarga, instalación de R, RStudio y otros paquetes

• Manejo del workspace y de scripts

Características de las series temporales

• Naturaleza de los datos de series temporales
• Modelos estadísticos para series temporales
• Medidas de dependencia
• Series temporales estacionarias
• Estimación de correlación

Regresión de series temporales y análisis de datos exploratorios

• Regresión lineal clásica en el contexto de series temporales
• Análisis de datos exploratorios otros paquetes
• Suavizado en el contexto de series temporales

Modelos ARIMA

• Auto-correlación y Auto-correlación parcial
• Predicción
• Estimación de correlación

Análisis espectrales y filtrado

• Conducta circular y periodicidad
• La densidad espectral y periodogramas
• Estimación espectral paramétrica y no paramétrica

• Filtros lineales
• Modelos de regresión desfasados

Modelos linear dinámico

• Modelo lineal de Gauss
• Filtrado, Suavizado y Predicción
• Modelos estructurales
• Volatilidad estocástica
• Análisis Bayesiano

Comparte y ayuda a alguien más

Share:

Encantados de ayudarte

Consultoria Estadistica

El Por Qué

La investigación científica necesita un adecuado muestreo / planificación experimental y técnicas actualizadas de análisis de datos para manejar, procesar y modelar sus datos y asi como una plataforma de transmisión más eficaz de sus resultados.

Te ofrecemos

Le apoyamos desde el inicio de su viaje de datos dando consejos en el muestreo y diseño experimental, procesamiento de datos y técnicas estadísticas actualizadas. También le aconsejamos cómo hacer brillar sus hallazgos, utilizando los gráficos de visualización más apropiados

Herramientas

Tenemos una amplia experiencia en investigación científica y análisis estadístico de datos. Trabajamos principalmente en R, el software más importante para realizar la programación estadística y la ciencia de datos. El lenguaje R le da un control completo sobre el diseño de la planificación y posterior manejo de datos, análisis estadístico y le ofrece técnicas de vanguardia para visualizar mejor sus resultados.

Servicios de Consultoria

  • Asesoramiento y realización de protocolos de diseño de muestreos y experimentos
  • Apoyo estadístico a la investigación. Selección de la prueba estadística y el protocolo de análisis más adecuados para cada caso de estudio
  • Revisar y comprender la metodología publicada en manuscritos científicos.
  • Apoyo en la presentación de resultados en congresos y reuniones.

Imagen de Pixabay

Comparte y ayuda a alguien más

Share:

Encantados de ayudarte

Análisis de Datos

El Por Qué

Hoy en día, tener una gran cantidad de buenos datos no es suficiente. Recientemente las técnicas en ciencia de datos han evolucionado proporcionando nuevos algoritmos y gráficos no disponibles hasta hace pocos años. Por lo tanto, podemos obtener la más completa información detrás de los datos colaborando en todo momento. Aquellos días en que una persona hace todo por su cuenta, han terminado. El trabajo en equipo hace que el conocimiento realmente avance.

Te ofrecemos

Te ofrecemos el proceso de análisis de datos desde el principio hasta el producto final. Colaboramos contigo paso a paso desde el proceso de recolección de datos hasta el manuscrito preparado para su publicación en una revista. ¿Necesitas todo el proceso o sólo algunos pasos? ¡Tu eliges!

Herramientas

La clave es nuestra experiencia en investigación científica y análisis estadístico de datos junto con la comunicación continua. Los resultados de nuestro trabajo serán compartidos y discutidos contigo durante todo el proceso de análisis de datos. Proporcionamos un seguimiento integral hasta que se haya logrado el objetivo requerido.

Servicio de Análisis de Datos

  • Entrada de datos sin procesar.
  • Análisis exploratorio de datos.
  • Post-procesamiento y limpieza de datos
  • Análisis estadístico (Clásico: univariante, multivariado, modelado, paramétrico y no paramétrico, Bayesiano: en preparación)
  • Visualización de datos.
  • Producción de informes (manuscrito científico, actas de conferencias, etc.)

Imagen de Pixabay

Conoce más

Comparte y ayuda a alguien más

Share:

Encantados de ayudarte