Actualiza tus conocimientos en métodos de regresión para la investigación con R en tan solo 150 horas de instrucción académica”

La Estadística permite al especialista vislumbrar los obstáculos que puede encontrarse en el desarrollo de la investigación, es decir, es capaz de predecir mediante fórmulas los periodos de estudio. No obstante, también puede clasificar la información, distribuirla eficientemente para crear datos contextualizados y analizar los comportamientos de respuesta asociadas a la simulación de casos con pacientes que prueben los nuevos tratamientos. Se trata de una herramienta que propicia el desarrollo de las investigaciones estableciendo el tipo de muestreo, el tamaño de la muestra y el tipo de recolección de datos, entre otras ventajas.

TECH destina este Diplomado Internacional en Bioestadística con R a egresados en Farmacia y el resto de profesionales de las Ciencias de la Salud que deseen profundizar en el estudio de los datos estadísticos. Todo ello, mediante el abordaje exhaustivo de las técnicas estadísticas de Data Mining con R, el análisis multivariante con R y todas las aplicaciones asociadas a este sistema. Para conseguirlo, el programa cuenta con un equipo docente experimentado en el área que cuenta con conocimientos fehacientes para transmitir todos los contenidos de la materia. Un estudio que tiene como fin principal actualizar los conocimientos de los fisioterapeutas, mediante herramientas estratégicas.

Se trata de una titulación universitaria planteada en formato 100% online, que permite su acceso a todo el alumnado interesado donde y cuando lo desee. De esta manera, el programa se adapta a las necesidades personales y profesionales de los egresados en Fisioterapia y en otras disciplinas de la rama sanitaria. Asimismo, la titulación cuenta con materiales teórico-prácticos y adicionales, de los que disfrutará el alumnado desde el primer módulo y que harán del estudio un proceso flexible y dinámico. Además, TECH aplica un sistema pedagógico innovador, basado en la metodología Relearning, que eximirá a los especialistas de largas horas de memorización y permitirá una adaptación del ritmo de estudio acorde a sus posibilidades, sin depender de un horario prefijado.

Adéntrate en el Data Mining con R y descubre cómo la minería de datos puede fomentar la generación de conocimientos en torno a los descubrimientos de tu investigación”

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

• El desarrollo de casos prácticos presentados por expertos en Investigación Médica
• 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

Atiende a los avances en Bioestadística para que los apliques en tus proyectos de investigación y promuevan su rendimiento”

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.

Con TECH no tendrás que prescindir de otros ámbitos de tu vida y podrás compaginar el estudio con tu empleo actual, entre otras actividades"

Profundiza en el programa R y los métodos de regresión y forma parte del grupo de expertos que se encuentra a la vanguardia de la investigación fisioterapéutica"

La estructura y el contenido de este Diplomado Internacional en Bioestadística con R han sido elaborados por el equipo docente, siguiendo las pautas de rigor que persigue la docencia de TECH. Además, en los contenidos se han integrado las novedades más exhaustivas del sector de la Fisioterapia y la aplicación de la Estadística en esta área. Además, en su desarrollo se ha empleado la metodología Relearning, que exime a los profesionales de largas horas de memorización para que asimilen los contenidos de manera sencilla y paulatina. Toda una experiencia moderna para aquellos que desean perfeccionar sus competencias mediante una titulación 100% online.

Sé partícipe en la elaboración de nuevos métodos científicos en torno a la aplicación con R y comprende cómo puede mejorar exponencialmente el proceso de Investigación Fisioterapéutica”

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)

Este Diplomado Internacional se ha diseñado para cubrir tus necesidades, ¿vas a perder la oportunidad? Inscríbete ahora y actualízate”