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 Postgraduate certificate.

¿Quieres profundizar sobre la Biostatistics with R? Matricúlate en este Postgraduate certificate e identifica las últimas actualizaciones que te ayudarán en tu investigación nutricional”

Este Postgraduate certificate en Biostatistics with 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"

In its commitment to academic excellence, TECH, in close collaboration with the teaching team, has designed for this program an academic syllabus enriched with audiovisual and graphic material, practical exercises and complementary readings. In this way, nutrition professionals will obtain the best resources in order to advance more quickly in their research. In short, everything the nutritionist needs to get up to date in Statistics and R in scientific research with the best guarantees and under a comfortable online modality. 

Access the Virtual Campus and learn more about the best techniques for your nutritional research through interactive diagrams, videos or case studies”

Module 1. Statistics and R in Health Research

1.1. Biostatistics

1.1.1. Introduction to The Scientific Method
1.1.2. Population and Sample. Sampling Measures of Centralization
1.1.3. Discrete Distributions and Continuous Distributions
1.1.4. General Outline of Statistical Inference. Inference about a Normal Population Mean. Inference about a General Population Mean
1.1.5. Introduction to Nonparametric Inference

1.2. Introduction to R

1.2.1. Basic Features of the Program
1.2.2. Main Object Types
1.2.3. Simple Examples of Simulation and Statistical Inference
1.2.4.  Graphs
1.2.5. Introduction to R Programming

1.3. Regression Methods with R

1.3.1. Regression Models
1.3.2. Variable Selection
1.3.3. Model Diagnosis
1.3.4. Treatment of Outliers
1.3.5. Regression Analysis

1.4. Multivariate Analysis with R

1.4.1. Description of Multivariate Data
1.4.2. Multivariate Distributions
1.4.3. Dimension Reduction
1.4.4. Unsupervised Classification: Cluster Analysis
1.4.5. Supervised Classification: Discriminant Analysis

1.5. Regression Methods for Research with R

1.5.1. Generalized Linear Models (GLM): Poisson Regression and Negative Binomial Regression
1.5.2. Generalized Linear Models (GLM): Logistic and Binomial Regressions
1.5.3. Poisson and Negative Binomial Regression Inflated by Zeros
1.5.4. Local Fits and Generalized Additive Models (GAMs)
1.5.5. Generalized Mixed Models (GLMM) and Generalized Additive Mixed Models (GAMM)

1.6. Statistics Applied to Biomedical Research with R I 

1.6.1. Basic Notions of R. Variables and Objects in R. Data handling. Files Graphs 
1.6.2. Descriptive Statistics and Probability Functions 
1.6.3. Programming and Functions in R 
1.6.4. Contingency Table Analysis 
1.6.5. Basic Inference with Continuous Variables 

1.7. Statistics Applied to Biomedical Research with R II 

1.7.1. Analysis of Variance 
1.7.2. Correlation Analysis 
1.7.3. Simple Linear Regression 
1.7.4. Multiple Linear Regression 
1.7.5. Logistic Regression 

1.8. Statistics Applied to Biomedical Research with R III 

1.8.1. Confounding Variables and Interactions 
1.8.2. Construction of a Logistic Regression Model 
1.8.3. Survival Analysis 
1.8.4. Cox Regression 
1.8.5. Predictive Models. ROC Curve Analysis 

1.9. Statistical Data Mining Techniques with R I 

1.9.1. Introduction. Data Mining. Supervised and Unsupervised Learning. Predictive Models Classification and Regression 
1.9.2. Descriptive Analysis Data Pre-Processing
1.9.3. Principal Component Analysis (PCA) 
1.9.4. Cluster Analysis. Hierarchical Methods. K-Means 

1.10. Statistical Data Mining Techniques with R II 

1.10.1. Model Evaluation Measures. Predictive Ability Measures. ROC Curves 
1.10.2. Models Assessment Techniques. Cross-Validation. Bootstrap Samples 
1.10.3. Tree-Based Methods (CART) 
1.10.4. Support Vector Machines (SVM) 
1.10.5. Random Forest (RF) and Neural Networks (NN) 

Tree-based methods, descriptive analysis, clustering... everything you need to know about the statistical techniques of Data Mining with R can be found in this course"