Análisis y Visualización de Datos: Estadística Práctica con R e Inteligencia Artificial

Online or in-person

from June, 25th 2025 to June, 27th 2025

Online or in-person

Plasencia

UNED Summer Courses

credits

1.0

Print PDF

Address: Rubén Heradio Gil
Coordination: David Fernández Amorós

Propone: Departamento de Ingeniería de Software y Sistemas Informáticos

Enrollment now

INSTRUCCIONES SEGUIMIENTO Y EVALUACION CURSOS DE VERANO 2025

El análisis de datos es esencial para la toma de decisiones informadas y la resolución de problemas complejos en múltiples áreas, impulsando la innovación y el progreso en nuestra sociedad. Por ejemplo, en el ámbito educativo, y especialmente en el paradigma basado en competencias donde se promueve la recopilación de gran cantidad de datos sobre el desempeño estudiantil, ayuda a validar la coherencia curricular y optimizar las estrategias pedagógicas. En medicina, facilita la personalización de tratamientos, la detección de enfermedades en etapas tempranas y la mejora de la eficiencia en la gestión hospitalaria. En informática, impulsa el desarrollo de algoritmos, fortalece la ciberseguridad y permite la personalización de la experiencia del usuario. En economía, facilita la predicción de tendencias del mercado, optimiza la toma de decisiones financieras y ayuda a identificar oportunidades de inversión. Etcétera.

Este curso ofrece una formación integral en análisis de datos, abarcando visualización, inferencia estadística y uso de inteligencia artificial (los LLMs ChatGPT y GitHub Copilot). Con un enfoque práctico, se aprenderá a utilizar el lenguaje R y el entorno RStudio, ambos de acceso gratuito.

Dates and places: Sede organizadora: UNED Plasencia
Sede de celebración: Plasencia

From June, 25th 2025 to June, 27th 2025

View Calendar

Hours: Teaching hours: 20

Credits: 1 credit ECTS.

More activities

Online or in-person: You can choose in-person assistance or live or delayed online assistance.

More activities

Thematic areas

Program

El curso se completa con cuatro horas de consulta de materiales y participación activa del estudiante en el foro del curso virtual.

Wednesday, June, 25th 2025
- 08:30-10:30 h. Instalación de R y RStudio. Importación y visualización básica de datos.(Taller)
  - Rubén Heradio Gil. Catedrático de Universidad (UNED)
- 10:30-12:30 h. Estadística descriptiva en R y visualización avanzada de datos con ggplot2.(Taller)
  - Rubén Heradio Gil.
- 12:30-14:30 h. Instalación y uso práctico de GitHub Copilot para la programación asistida en R.(Taller)
  - José Miguel Horcas Aguilera. Profesor Titular (Universidad de Málaga)
Thursday, June, 26th 2025
- 08:30-10:30 h. Fundamentos de la inferencia estadística (contraste de hipótesis, p-valor, intervalos de confianza, etc.)(Taller)
  - David Fernández Amorós. Profesor Titular (UNED)
- 10:30-12:30 h. Tests paramétricos mas comunes: t-test y ANOVA. Tipos de errores, potencia y tamaño muestral.(Taller)
  - Ernesto Aranda Escolástico. Profesor Titular (UNED)
- 12:30-14:30 h. Interpretación de resultados estadísticos con la ayuda de ChatGPT.(Taller)
  - José Miguel Horcas Aguilera.
Friday, June, 27th 2025
- 09:00-11:00 h. Tests no paramétricos mas comunes: Wilcoxon, Mann-Whitney, Friedman y Kruskal-Wallis.(Taller)
  - Victoria Ruiz Parrado. Profesora Permanente Laboral (Universidad Rey Juan Carlos)
- 11:00-13:00 h. Generación automática de informes con la herramienta Quarto de RStudio.(Taller)
  - Victoria Ruiz Parrado.

Attendance

This activity allows to participate in-person assistance or live or delayed online assistance, without having to go to the center.

Enrollment

Prices before July, 1st 2025

Discount for early registration: Participants who register and complete payment before July, 1st 2025 (if applicable) will benefit from the FEES listed in the following table.

Ordinary enrolment	Reduced enrollment						Reduced tuition
Ordinary enrollment	Members of UNED’s Graduates’ Association and of Friends of UNED	University students (all universities)	Large family General	Practicum Collaborators	University Students	Unemployed	Personas con discapacidad	Victims of terrorism and gender violence	Large family Special
108 €	63 €	63 €	63 €	63 €	63 €	63 €	32 €	32 €	32 €

Prices from July, 1st 2025 (included)

Applicants who register but pay from July, 1st 2025, even if previously registered, will still have to pay the fees below.

Ordinary enrolment	Reduced enrollment						Reduced tuition
Ordinary enrollment	Members of UNED’s Graduates’ Association and of Friends of UNED	University students (all universities)	Large family General	Practicum Collaborators	University Students	Unemployed	Personas con discapacidad	Victims of terrorism and gender violence	Large family Special
124 €	75 €	75 €	75 €	75 €	75 €	75 €	38 €	38 €	38 €

Enrollment now

Aimed at

Este curso está diseñado para que cualquier persona aprenda a analizar datos y a usar la información para tomar mejores decisiones. Será especialmente útil para:
1) Profesionales de diversos sectores (educación, negocios, salud, ingeniería, ciencias sociales) que requieran aplicar técnicas estadísticas y de IA.
2) Investigadores y académicos que necesiten procesar y visualizar datos.
3) Estudiantes de informática, matemáticas, economía y disciplinas afines.

Goals

1) Dominar la importación y el análisis de datos mediante el lenguaje R.
2) Integrar la inteligencia artificial como herramienta de apoyo en la programación con R y la interpretación de análisis estadísticos.
3) Explorar y extraer conocimiento de conjuntos de datos masivos a través de técnicas de visualización.
4) Comprender los principios fundamentales de la inferencia estadística para la generalización de conclusiones a partir de muestras de datos.
5) Aplicar tests estadísticos paramétricos y no paramétricos de uso frecuente para la validación de hipótesis y la comparación de grupos.
6) Generar informes automatizados y reproducibles utilizando Quarto de RStudio.

Methodology

El curso tendrá un enfoque dinámico y eminentemente práctico, diseñado para maximizar el aprendizaje y la retención de conocimientos. La metodología se basa en los siguientes pilares:
1) Aprendizaje activo y aplicación inmediata: Cada concepto teórico introducido será seguido de ejercicios prácticos que los estudiantes realizarán en sus propios ordenadores. Este enfoque de "aprender haciendo" permitirá a los participantes consolidar sus conocimientos y desarrollar habilidades prácticas en el uso de R y RStudio.
2) Utilización de simulaciones en R que faciliten la comprensión de conceptos estadísticos complejos mediante visualizaciones (por ejemplo, el contraste de hipótesis, el p-valor, los intervalos de confianza y el teorema central del límite).
3) Uso de datasets reales y relevantes para la motivación y el aprendizaje. Se emplearán conjuntos de datos de interés, incluyendo algunos provenientes de fuentes oficiales como el Instituto Nacional de Estadística, para ilustrar la aplicación práctica de los conceptos impartidos.
4) La inteligencia artificial se empleará como un aliado para los alumnos, facilitando su inmersión en la programación y la interpretación de resultados estadísticos, y disipando así el temor inicial a estas disciplinas.

Collaborates