Actualízate en Estadística Aplicada a la investigación nutricional con R y agiliza tus procesos dentro del proyecto científico en curso”  

En el marco de la investigación nutricional, la Estadística juega un papel importante, dado que los profesionales tabulan la información y, de una manera detallada, obtienen resultados a las pruebas realizadas. Este proceso resulta fundamental para la recolección de datos y posterior divulgación de los mismos dentro del equipo de trabajo, por lo que gracias a esta técnica se pueden lograr resultados de forma más rápida y eficaz.

En esta medida, se hace necesario que el profesional de la Nutrición profundice en los últimos conocimientos de los procesos estadísticos, puesto que serán de vital importancia dentro de su investigación. Esto le facilitará el manejo de la ingente cantidad de información que se obtiene dentro de las muestras y experimentos. Y bajo este contexto surge esta titulación, que tiene como fin brindar una visión actualizada de la técnica de R y mostrar los recientes avances del campo de la Estadística.

De este modo, a lo largo del título el alumnado recorrerá los conceptos principales de la Bioestadística y las características del programa R. Asimismo, realizará una aproximación exhaustiva al método de regresión y análisis multivariante con R, describiendo también las técnicas estadísticas de Data Mining.

Se trata de un programa 100% online, sin clases presenciales ni traslados a centros físicos, por lo que el nutricionista solo deberá disponer de un dispositivo con conexión a Internet. Esta le permitirá acomodar su rutina laboral con sus compromisos personales y el desarrollo del Diplomado Internacional.

¿Quieres profundizar sobre la Bioestadística con R? Matricúlate en este Diplomado Internacional e identifica las últimas actualizaciones que te ayudarán en tu investigación nutricional”

Este Diplomado Internacional en Bioestadística con R contiene el programa científico más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Bioestadística con R
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Su especial hincapié en metodologías innovadoras
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Un programa diseñado a tus necesidades con el que podrás actualizar tus estrategias investigadoras para avanzar de manera más rápida en tu proyecto”

El programa incluye en su cuadro docente a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.

Dominarás con maestría el Análisis Multivariante con R y sus descripciones de datos multivariantes"

Este título se ajustará a tus necesidades inmediatas, permitiéndote manejar avanzadas técnicas estadísticas de ‘Data Mining’ con R"

En su compromiso de excelencia académica, TECH, en estrecha colaboración con el equipo docente, ha diseñado para este programa un temario académico enriquecido con material audiovisual, gráfico, ejercicios prácticos y lecturas complementarias. De esta forma, los profesionales de la Nutrición obtendrán los mejores recursos de cara a avanzar de manera más rápida en sus investigaciones. En definitiva, todo lo que el nutricionista precisa para ponerse al día en Estadística y R en investigación científica con las mayores garantías y bajo una cómoda modalidad online.

Accede al Campus Virtual y profundiza en las mejores técnicas para tu investigación nutricional mediante esquemas interactivos, vídeos o casos prácticos”

Módulo 1. Estadística y R en investigación sanitaria

1.1. Bioestadística

1.1.1. Introducción al método científico
1.1.2. Población y muestra. Medidas muestrales de centralización
1.1.3. Distribuciones discretas y Distribuciones continuas
1.1.4. Esquema general de la inferencia estadística. Inferencia sobre una media de una población normal. Inferencia sobre una media de una población general
1.1.5. Introducción a la inferencia no paramétrica

1.2. Introducción a R

1.2.1. Características básicas del programa
1.2.2. Principales tipos de objetos
1.2.3. Ejemplos sencillos de simulación e inferencia estadística
1.2.4. Gráficos
1.2.5. Introducción a la programación en R

1.3. Métodos de regresión con R

1.3.1. Modelos de regresión
1.3.2. Selección de variables
1.3.3. Diagnóstico del modelo
1.3.4. Tratamiento de datos atípicos
1.3.5. Análisis de regresiones

1.4.  Análisis Multivariante con R

1.4.1. Descripción de datos multivariantes
1.4.2. Distribuciones multivariantes
1.4.3. Reducción de la dimensión
1.4.4. Clasificación no supervisada: análisis de conglomerados
1.4.5. Clasificación supervisada: análisis discriminante

1.5. Métodos de regresión para la investigación con R

1.5.1. Modelos lineales generalizados (GLM): regresión de Poisson y binomial negativa
1.5.2. Modelos lineales generalizados (GLM): regresiones logística y binomial
1.5.3. Regresión de Poisson y Binomial Negativa infladas por ceros
1.5.4. Ajustes locales y modelos aditivos generalizados (GAM)
1.5.5. Modelos mixtos generalizados (GLMM) y generalizados aditivos (GAMM)

1.6. Estadística aplicada a la investigación biomédica con R I 

1.6.1. Nociones básicas de R. Variables y objetos de R. Manejo de datos. Ficheros. Gráficos 
1.6.2. Estadística descriptiva y funciones de probabilidad 
1.6.3. Programación y funciones en R 
1.6.4. Análisis de tablas de contingencia 
1.6.5. Inferencia básica con variables continuas 

1.7. Estadística aplicada a la investigación biomédica con R II 

1.7.1. Análisis de la varianza 
1.7.2. Análisis de correlación 
1.7.3. Regresión lineal simple 
1.7.4. Regresión lineal múltiple 
1.7.5. Regresión logística 

1.8. Estadística aplicada a la investigación biomédica con R III 

1.8.1. Variables de confusión e interacciones 
1.8.2. Construcción de un modelo de regresión logística 
1.8.3. Análisis de supervivencia 
1.8.4. Regresión de Cox 
1.8.5. Modelos predictivos. Análisis de curvas ROC 

1.9. Técnicas estadísticas de Data Mining con R I 

1.9.1. Introducción. Data Mining. Aprendizaje Supervisado y No Supervisado. Modelos Predictivos. Clasificación y Regresión 
1.9.2. Análisis descriptivo. Pre-procesamiento de datos 
1.9.3. Análisis de Componentes Principales (PCA) 
1.9.4. Análisis Clúster. Métodos Jerárquicos. K-means 

1.10. Técnicas estadísticas de Data Mining con R II 

1.10.1. Medidas de Evaluación de Modelos. Medidas de capacidad predictiva. Curvas ROC 
1.10.2. Técnicas de Evaluación de Modelos. Validación cruzada. Muestras Bootstrap 
1.10.3. Métodos basados en árboles (CART) 
1.10.4. Support vector machines (SVM) 
1.10.5. Random Forest (RF) y Redes Neuronales (NN) 

Métodos basados en árboles, análisis descriptivo, Clúster, etc. Todo sobre lo que necesitas profundizar de las técnicas estadísticas del Data Mining con R se encuentra en el temario”