Tipos de Variables

1. Cuantitativas
   1. Discretas
      1. Tablas de Frecuencias absolutas y relativas
   2. Continuas
   3. Discretas vs Continuas
      1. Histogramas
      2. Curvas de Densidad

1. Distribuciones
   1. Unimodales y multimodales
   2. Asimétricas
   3. Calculo de probabilidad

1. Valores centrales de posición y dispersión
   1. Media
   2. Moda y valores atípicos
   3. Mediana
   4. Cuartiles y PercentilesDispersión
      1. Recorrido intercuartilico y valores atípicos
      2. Boxplot

1. Varianza y desviación típica
2. Varianza y desviación típica muestral

2. Cualitativas/Factores
   1. Tablas de frecuencias
   2. Gráficos
      1. Diagrama de barras
   3. Factores dicotómicos

Poblaciones, muestras y probabilidad

1. Población y muestra
   1. Inferencia
   2. Muestras buenas/malas
   3. Distribución medias muestrales
2. Probabilidad básica
   1. Ejemplos de experimentos
   2. Regla de Laplace
   3. Teoría Axiomática de la Probabilidad
   4. Propiedades adicionales
3. Probabilidad condicionada e independencia
4. Probabilidad total y Regla de Bayes
5. Tablas de Contingencia

Variables aleatorias

1. Variables aleatorias discretas
   1. Media y varianza
   2. Operaciones
   3. Función de distribución
   4. Tipos:
      1. VA Benoulli
      2. VA Binomial
   5. Variables aleatorias continuas
      1. Función de densidad
      2. Media y varianza
      3. Tipos:
         1. Uniforme
         2. Normal
            1. Normal estándar

Introducción a la Inferencia

1. Teorema central del limite
2. Intervalos de confianza para la media
   1. Calculo tamaño muestral
3. Intervalos de confianza para la varianza
4. Evaluación de la normalidad
   1. Boxplot
   2. Violinplot
   3. QQplot
   4. Cuidado muestras pequeñas
5. Contraste de hipótesis
   1. Hipotesis nula y alternativa
   2. TCL y p-valor
   3. Error en contrastes
   4. Calculo del p-valor
6. Uso y abuso del p-valor
   1. Significación estadística vs relevancia científica

Regresión lineal

1. Relación entre dos variables
   1. Graficos de correlacion
2. Regresión lineal simple
   1. Error cuadrático medio
   2. Prediccion
   3. Sobre-ajuste
3. Bondad del ajuste
   1. Correlacion
   2. Causalidad
4. Modelo de regresión lineal
5. Diagnóstico del modelo
   1. Valores atípicos

1. Primeros Pasos
   1. Por qué Python
   2. Anaconda Development Platform
   3. Instalacion Software
   4. Jupyter Notebooks

2. Variables, Expresiones y Operadores
   1. Tipos de variables
   2. Conversiones
   3. Reglas de Naming
   4. Operaciones aritméticas
   5. Operadores de comparación
   6. Operadores Logicos
   7. Operadores de membresía

3. Tipos de Datos
   1. Numéricos
   2. Buleanos
   3. Strings
   4. Listas
   5. Diccionarios

4. Condicionales

5. Loops
   1. For
   2. While
   3. Comprehension lists

6. Funciones
   1. Scope de una función
   2. Argumentos

7. Ficheros

8. Librerías
   1. Pandas
   2. Numpy

1. Primeros pasos
   1. Por qué R
   2. Instalación de software
   3. Interfaz de R Studio
   4. Ejercicios básicos
      1. R como calculadora
   5. Variables en R
   6. Ficheros de comandos
   7. Estructuras de datos
   8. Librerías
      1. Tidyverse
      2. GGplot

• Dplyer

1. Recursos

2. Trabajando con ficheros de datos
   1. Tablas de frecuencia en R
   2. GGplot
      1. Histogramas
      2. Curvas de densidad
         1. Ejemplos de distribuiciones

• Boxplot

1. Media, varianza, moda, desviación típica
2. Tablas de contingencia

3. Funciones en R
4. Contraste de hipótesis en R
5. Listas
6. Blucles
7. If/else
8. Regresion lineal en R

1. Características del deporte
2. Principales lesiones y sus tratamientos
3. Readaptación específica
4. Prevención de lesiones

1. Presentación del curso
2. Características del deporte
3. Valoración
4. Prevención
5. Estrategias de recuperación
6. Readaptación
7. Manejo de lesiones a corto medio plazo
8. Vendajes

Inteligencia Artificial

1. Qué es la inteligencia Artificial
   1. Modelos de clasificación
   2. Modelos de regresión
   3. Modelos de clustering
2. Presencia de la IA
3. IA en el sector bancario

Fuentes de Datos

1. Dónde encontrar datos
2. Importancia de la limpieza de los datos
   1. Estructuración
   2. Variables relevantes
   3. Creación de nuevas variables

Caso de negocio

1. Escogeré uno de los siguientes dependiendo de los datos que encuentre públicos
   1. Predicción cierre de cuentas bancarias
   2. Predicción precio de un producto
2. Desarrollo de un modelo de machine Learning para el caso de negocio
   1. Análisis exploratorio de los datos
      1. Gráficos
   2. Modelado
   3. Exploración de los resultados
      1. Métricas

Otros casos de éxito

1. Introducción al Deep Learning
   1. Procesamiento del lenguaje natural
      1. Estudio de reviews de clientes para satisfacción de usuarios
   2. Introducción a las series temporales
      1. Predicción de precio de un stock
      2. Predicción del precio de Bitcoin

1. Presentación
2. Introducción y aspectos básicos
   1. Introducción al Data Science
   2. Enfoque Agile
   3. Aspectos biológicos básicos
3. Almacenamiento de la información
   1. Creación y mantenimiento de bases de datos
   2. Consultas básicas
4. Análisis de datos
   1. Regresiones lineales y correlaciones
   2. Árboles de decisión
   3. Algoritmos de clustering
   4. Algoritmos de networking
5. Presentación y adaptación de la información
   1. Comunicación multidisciplinar
   2. Confidencialidad del dato
6. Aprender de los retos: análisis retrospectivo