Visualización de datos

28 de julio al 1° de agosto
Costo: $ 8.580

¿Por qué es importante este curso para académicos? 

Este curso es crucial para académicos porque les permite transformar investigaciones complejas en visualizaciones claras y comprensibles. En el ámbito académico, la capacidad de comunicar resultados de manera efectiva es tan importante como la investigación misma. Las herramientas de visualización de datos permiten sintetizar grandes volúmenes de información en gráficos que pueden comunicar rápidamente hallazgos importantes, facilitando la difusión del conocimiento entre colegas, estudiantes y audiencias más amplias. Además, dominar técnicas de storytelling con datos mejora significativamente la capacidad de publicación en revistas científicas y presentaciones en conferencias, donde la claridad visual puede marcar la diferencia en la recepción de una investigación. 

¿Por qué es importante para el mercado laboral? 

En el mercado laboral actual, la capacidad de analizar y comunicar datos se ha convertido en una habilidad crítica prácticamente en todas las industrias. Las empresas buscan profesionales que puedan ir más allá de la simple recopilación de datos y sean capaces de extraer insights significativos y presentarlos de manera atractiva. Sectores como tecnología, finanzas, marketing, consultoría y medios de comunicación valoran enormemente profesionales que puedan convertir datos complejos en narrativas claras que informen la toma de decisiones. Este curso proporciona herramientas concretas en R que son altamente demandadas, mejorando significativamente la empleabilidad y las posibilidades de desarrollo profesional en un mundo cada vez más orientado a los datos.

En este curso intensivo de visualización de datos y storytelling, los participantes aprenderán a transformar conjuntos de datos complejos en narrativas visuales convincentes utilizando R y la librería ggplot2. A través de análisis prácticos de datasets de Netflix, Spotify y V-Dem, los estudiantes desarrollarán habilidades fundamentales para extraer insights significativos y 
comunicarlos de manera efectiva. El curso cubrirá técnicas avanzadas de manipulación de datos con tidyverse, creación de gráficos estadísticos profesionales, y estrategias para construir una historia coherente que vaya más allá de la simple presentación de números.

>> Ver programa

Instructor 



Mateo Villamizar es PhD en Ciencia Política (Duke). Magíster en Asuntos internacionales (University of California, San Diego). MA Ciencia Política (Universidad de los Andes), Economista y Politólogo (Universidad de los Andes).

Integrante del Departamento de Ciencias Sociales de la UCU.
 

Experimentos para Políticas Públicas

28 de julio al 1° de agosto
Costo: $ 8.580

¿Por qué este curso es importante para académicos?

Hoy en día, los experimentos se han convertido en uno de los métodos de investigación más empleados en las ciencias sociales. Este curso dará las herramientas necesarias para entener cómo se diseña e implementa un experimento. Además, permitirá, tanto investigadores como tomadores de decisiones, entender y reflexionar críticamente sobre los trabajos experimentales existentes y así poder participar activamente en los debates de vanguardia de la disciplina.

¿Por qué es importante para el mercado laboral?

El curso permitirá a los estudiantes expandir la caja de herramientas metodológicas, abriendo el espacio a nuevas preguntas de investigación y aplicaciones. Las sesiones en R les ayudarán a los estudiantes a solidificar sus conocimientos en este software estadístico, al tiempo que les permitirá contar con el material necesario y utilizarlo a la hora de diseñar e implementar su propio experimento. Los ejemplos en la vida real que estaremos cubriendo les ayudará a pensar en nuevas ideas y aplicarlos a sus propios campos de investigación.


El objetivo de este curso es desarrollar las habilidades de investigación de los participantes en el área de las ciencias sociales experimentales. Específicamente, proporciona las herramientas conceptuales y analíticas para la realización de un experimento de campo destinado a responder una pregunta de investigación o resolver un problema de política pública, pasando por cada una de las etapas desde el diseño y la implementación, hasta el análisis de los datos. El curso combina sesiones teóricas y prácticas que abarcan temas como la aleatorización, la inferencia causal y la pruebas de hipótesis, entre otros. Al final del curso, los participantes tendrán las herramientas básicas para desarrollar sus propios diseños de investigación y poner en práctica un experimento de campo.

>> Programa

Requerimientos previos

Nivel medio de conocimiento en probabilidad y estadística, y conocimiento previo en algunos software estadístico (preferiblemente R o Stata). 

Instructora

Natalia Garbiras Díaz es Max Weber Postdoctoral Fellow en el Instituto Universitario Europeo (Italia). Obtuvo su doctorado en Ciencia Política de la Universidad de California, Berkeley, donde actualmente es investigadora asociada en el Center on the Politics of Development. A partir del otoño de 2023, será profesora asistente en la unidad de Business, Government and the International Economy (BGIE) de la Harvard Business School. Sus principales intereses de investigación son la política comparada y la economía política del desarrollo, centrándose en el estudio de la corrupción, la provisión de bienes públicos y la rendición de cuentas en América Latina. También estudia la formación de actitudes ciudadanas y de excombatientes y su papel en la estabilización de la paz en situaciones de posconflicto.

Procesamiento de Lenguaje Natural

28 de julio al 1° de agosto
Costo: $ 8.580

De Palabras a Creaciones: Introducción Práctica al Procesamiento de Lenguaje Natural, LLMs y Modelos Generativos

¿Por qué es importante este curso para académicos?
 
Las ideas detrás de la inteligencia artificial generativa son profundas y tendrán un impacto significativo en el largo plazo independiente de lo que pase con los chatbots. 

¿Por qué es importante para el mercado laboral? 

Este es un curso de fundamentos para entender una tecnología con enorme potencial transformador. Entender esas tecnologías es un paso esencial para poder usarlas de manera responsable y efectiva en el ejercicio profesional.

El curso dará los fundamentos matemáticos para comprender los modelos probabilísticos de lenguaje natural, hará un breve recorrido sobre su historia y se enfocará en las arquitecturas clave que han llevado al progreso exponencial de estos modelos durante los últimos años.

>> Ver programa

Intructores

Gustavo Vázquez es doctor en Ciencias de la Computación, Universidad Nacional del Sur.
Director del Departamento de Informática de la UCU.


Mauricio Velasco es doctor en Matemáticas (PhD), Universidad de Cornell. Pregrado en Matemáticas, Universidad de los Andes.
Integrante del Departamento de Informática de la UCU.

Análisis de texto para Ciencias Sociales

28 de julio al 1° de agosto
Costo: $ 8.580

Este curso explora herramientas y metodologías para el análisis computacional de texto aplicadas a las ciencias sociales. A través de una combinación de conceptos teóricos y prácticos, los participantes aprenderán a extraer, procesar y analizar datos textuales utilizando herramientas de machine learning, así como a interpretar los resultados desde una perspectiva social.

>> Ver programa

Instructor

Naim Bro
Profesor Asistente en la Escuela de Gobierno, Universidad Adolfo Ibáñez,  Chile
Investigador en el Instituto Milenio Fundamento de los Datos
Doctor en Sociología por la Universidad de Cambridge, 2020
Áreas de investigación: Sociología política, estratificación, ciencia social computacional

Métodos Experimentales

28 de julio al 1° de agosto
Costo: $ 8.580

¿Por qué es importante este curso para académicos? 

El curso es clave para académicos porque proporciona herramientas fundamentales para realizar investigaciones rigurosas, identificando relaciones de causalidad de manera precisa. Esto permite producir evidencia científica sólida y confiable, esencial para el avance del conocimiento en disciplinas como psicología, economía, sociología y ciencias políticas. El diseño experimental tiene además una aplicación transdisciplinaria, siendo útil en áreas como educación, salud, marketing y políticas públicas. Los académicos podrán utilizar estos métodos para evaluar intervenciones, probar teorías y mejorar la toma de decisiones basada en datos. Existen numerosos journals de primer nivel que publican asiduamente estudios experimentales. 

¿Por qué es importante para el mercado laboral? 

El curso es valioso en el mercado laboral porque la toma de decisiones basada en evidencia es crucial en el mundo empresarial actual. Las empresas necesitan profesionales capaces de diseñar pruebas A/B, optimizar productos y procesos, y liderar proyectos de innovación basados en datos. Estas habilidades son especialmente valoradas en sectores como desarrollo de productos, marketing digital, encuestadoras e incluso en otras áreas como la farmacéutica.? 

Este curso aborda los fundamentos del diseño experimental, una herramienta esencial para la investigación científica y la toma de decisiones basada en evidencia. Los estudiantes aprenderán a formular hipótesis, identificar variables dependientes e independientes, y establecer grupos de control. Se cubrirán diseños experimentales básicos y avanzados, incluyendo diseños completamente aleatorizados, factoriales y de bloques.

>> Ver programa

Instructor 

Marcos Cardozo es doctor en Economía, Indiana University (EE.UU). Magíster en Economía, Universidad de Montevideo (Uruguay). Licenciado en Economía, Universidad ORT (Uruguay).
Integrante del Departamento de Administración y Negocio de UCU
 

Modelos categóricos, de elección y conteo

28 de julio al 1° de agosto
Costo: $ 8.580

¿Por qué es importante este curso para académicos? 

El curso ofrece herramientas metodológicas avanzadas para analizar datos categóricos, de elección discreta y de conteo, comunes en disciplinas como economía, ciencias políticas y sociología. Su enfoque práctico en R permite aplicar estas metodologías a problemas reales, fortaleciendo la capacidad de los académicos para producir investigaciones rigurosas, publicables y aplicables a temas complejos. 

¿Por qué es importante para el mercado laboral? 

En el mercado laboral, las habilidades enseñadas en este curso son altamente demandadas en áreas como análisis de datos, consultoría, políticas públicas, marketing y finanzas. Muchas organizaciones necesitan profesionales capaces de analizar datos categóricos y de conteo, como las elecciones de consumidores, clasificación de riesgos, y predicción de frecuencias de eventos. 

Este curso ofrece una introducción orientada a la aplicación de modelos estimados por máxima verosimilitud (Maximum Likelihood Estimation - MLE) para datos categóricos, de elección discreta y de conteo. Abordamos conceptos básicos de estimación de ML y una discusión de los fundamentos teóricos de los modelos categóricos, de elección discreta y de datos de conteo. Nos enfocamos en explorar modelos de regresión logística y probit y aprendemos cómo aplicarlos en el paquete de software estadístico R.

>> Ver programa

Instructor 

José Rivero es doctor en Ciencias Económicas- ThEMA (Théorie Economique, Modélisation et Applications) - CY Cergy Paris Université. Magíster in Economic Theory and Econometrics - Toulouse School of Economics (Toulouse School of Economics). Magíster en Economía Internacional (UdelaR, Uruguay).
Integrante del Departamento de Administración y Negocio de la UCU
 

Trabajo de Campo y Entrevistas

28 de julio al 1° de agosto
Costo: $ 8.580

Este curso proporciona herramientas teóricas y prácticas para realizar trabajo de campo y entrevistas en las Ciencias Sociales. Los estudiantes aprenderán a diseñar, conducir y analizar entrevistas, abordando aspectos éticos, logísticos y técnicos. El curso combina sesiones expositivas con talleres prácticos, donde se integran lecturas académicas y actividades aplicadas. Está orientado a quienes deseen fortalecer sus habilidades cualitativas en el marco de investigación académica o aplicada<

>> Ver programa

Instructora

Inés Fynn es doctora en Ciencia Política por la Pontificia Universidad Católica de Chile. Licenciada en Sociología, UCU.
Integrante del Departamento de CIencias Sociales de la UCU.
 

Analítica financiera

28 de julio al 1° de agosto
Costo: $ 8.580

¿Por qué es importante este curso para académicos?

Brinda la oportunidad de aplicar conceptos y métodos estadísticos para el análisis de series financieras, una de las áreas más desafiantes y demandadas de la estadística aplicada.
Facilita la comprensión de los hechos estilizados en las series financieras, que son fenómenos empíricos que tienen implicaciones teóricas y prácticas.

¿Por qué es importante este curso para el mercado laboral?

Aporta una ventaja competitiva al poder extraer, procesar, visualizar y analizar datos financieros con herramientas como R, que son ampliamente utilizadas en el sector financiero y empresarial.
Permite desarrollar competencias en el manejo de datos financieros utilizando fuentes relevantes y abundantes de información financiera.
 

Este curso busca desarrollar habilidades de procesamiento y análisis de series financieras. El curso proporciona herramientas de Business Analytics para extraer, procesar, visualizar y analizar series financieras de diversas fuentes. 

Los participantes utilizarán el lenguaje de programación R, que es muy poderoso y versátil para el análisis de datos y estadístico. Obtendrán datos financieros de Yahoo Finance, una plataforma popular y confiable en la web. Limpiarán y prepararán los datos para su análisis y crearán gráficos y tablas con librerías como ggplot2. Aplicarán conceptos y métodos estadísticos para analizar series financieras, como la media móvil, la desviación estándar, la autocorrelación, la prueba de normalidad, la volatilidad y medidas de riesgo. Verificarán los hechos estilizados en las series financieras, que son fenómenos empíricos que caracterizan el comportamiento de los mercados financieros y que tienen implicaciones teóricas y prácticas. Algunos ejemplos de hechos estilizados son la distribución asimétrica, las colas pesadas, la agrupación de la volatilidad y la normalidad agregada.

>> Ver programa

Instructor


Juan Pablo Viteri es doctor en Economía de los Negocios por la Universidad Icesi. Su experiencia docente abarca las áreas de Administración y Finanzas, tanto en Colombia como en Uruguay, a nivel de grado y posgrado. Sus líneas de investigación se enfocan en el uso de métodos cuantitativos y análisis de datos aplicados a problemas de energía y sostenibilidad. Sus trabajos han sido publicados en revistas científicas de alto impacto (Q1 en Scopus) en el campo de la planificación energética. Entre 2021 y 2023, se desempeñó como Director Editorial de Estudios Gerenciales, una revista de economía y negocios con categoría Q3 en Scopus.

Introducción a R para Análisis Espacial

Curso asincrónico
Del 1° al 31 de Julio
Costo: $ 4.290

¿Por qué es importante este curso para académicos?

Incorpora la dimensión espacial en investigación, permite identificar patrones espaciales y tendencias que pueden no ser evidentes en un análisis no espacial, contribuyendo a una comprensión más profunda de los fenómenos.

R es el lenguaje de programación más utilizado para el análisis estadístico en la academia. Cuenta con un amplio número de paquetes y librerías para el manejo, representación y análisis de datos espaciales, lo que permite incorporar este tipo de análisis en el mismo entorno, sin tener que utilizar softwares específicos de Sistemas de Información Geográfica (SIG).

¿Por qué es importante para el mercado laboral?

La habilidad de programar en R es fundamental para los trabajos de analista o cientista de datos. Contar con habilidades específicas para la representación y análisis de datos espaciales utilizando el mismo entorno - sin la necesidad de softwares pagos - es un valor agregado.

En un contexto de alta disponibilidad de datos espaciales, la toma de decisiones fundamentada en datos geográficos experimenta un constante crecimiento y demanda, haciendo que las habilidades en análisis espacial sean altamente valoradas por empresas y organizaciones.

Descripción

El objetivo de este curso es que los estudiantes adquieran las herramientas básicas para representar y analizar datos espaciales en R.

El curso provee una introducción para comenzar a pensar espacialmente, con una mirada práctica enfocada en el uso de R como software que permite: importar/exportar y combinar datos espaciales, producir mapas de alta calidad, transformar datos espaciales, y aplicar estadísticas para el análisis de patrones espaciales.

Es un requisito para inscribirse al curso contar con un dominio básico de R

>> Programa

Instructora


Cecilia Giambruno es Consultora en Transformación Digital Educativa en la División de Educación del Banco Interamericano de Desarrollo. Es Magister en Políticas Públicas y Licenciada en Sociología por la Universidad Católica del Uruguay.

Introducción a la programación Python

Curso asincrónico
Del 1° al 31 de Julio
Costo: $ 4.290

¿Por qué este curso es importante para académicos?

• Python es un lenguaje de programación que se adapta a muchas necesidades de investigación en diferentes disciplinas, lo que lo convierte en una herramienta importante para los académicos. 
• Este permite el análisis de datos, la visualización, simulación, procesamiento de lenguaje natural y aprendizaje automático (machine learning). 
• Su versatilidad y facilidad de uso lo convierten en una herramienta de gran utilidad para los investigadores, en cualquier área académica.

¿Por qué es importante para el mercado laboral?

• Python es uno de los lenguajes de programación más populares y en demanda en la actualidad. No solamente aprender Python es importante, sino que a través de este lenguaje conocer cómo programar o pensar como programador es una de las mejores formas para iniciarse en este mundo y luego aprender cualquier otro lenguaje. 

• En el mercado asociado al aprendizaje automático, inteligencia artificial o el análisis de datos es el que más demanda tiene, al mismo tiempo que es el más utilizado.

Descripción

El objetivo de este curso es introducir a los estudiantes en el lenguaje de programación Python para el análisis de datos mediante ejemplos prácticos. Este curso ofrece los conocimientos básicos de como trabajar en la carga, inspección y consulta de datos mediante las librerías más utilizadas tales como Numpy y Pandas, mientras que al mismo tiempo como visualizarlos mediante Matplotlib, Seaborn y Plotly. 

>> Programa

Instructora


Ornella Novino
Licenciada en Ciencia Política (UCU)


Licenciada en Ciencia Política por la UCU. Actualmente trabaja como analista de datos en el equipo de AI & Fraud Detection en The Sandbox Game.

Introducción a la programación en R

Curso asincrónico
Del 1° al 31 de Julio
Costo: $ 4.290

¿Por qué es importante este curso para académicos?

• R es el lenguaje de programación más utilizado para el análisis estadístico en la academia
• La mayoría de los avances en técnicas estadísticas o econométricas son publicados en paquetes de R, o tienen una versión en R.
• La programación en R facilita la reproducibilidad científica, al ser un lenguaje de programación libre y de código abierto.

¿Por qué es importante para el mercado laboral?

• Aprender a programar en R es fundamental para los trabajos de analista o cientista de datos
• R es una herramienta muy versátil que permite en un mismo lenguaje de programación manipular, modelar y visualizar datos
• La programación para el análisis de datos es una habilidad cada vez más requerida en general y en egresados de ciencias sociales en particular

Descripción

El objetivo de este curso es que los estudiantes adquieran las herramientas básicas para comprender y escribir código en R para el análisis de datos. El curso provee los cimientos para que los estudiantes logren autonomía y eficiencia en el uso de R. Durante el curso los estudiantes aprenderán las tareas usuales del análisis de datos en ciencias sociales: importar/exportar y transformar datos, generar estadísticos descriptivos y producir gráficos de alta calidad. 

>> Programa

Instructor


Martín Opertti
Profesor en UCU y UdelaR 

Martín Opertti es Analista Programador en Verasight, Profesor en UCU y UdelaR. Licenciado en Sociología, UCU. 

Conceptos, Tipologías e Índices

28 de julio al 1° de agosto
Costo: $ 8.580

¿Por qué es importante este curso para académicos? 

Las teorías no son otra cosa que relaciones entre conceptos. En consecuencia, el desarrollo coherente de las estructuras conceptuales nos permite una mejor especificación de nuestras teorías. En particular, facilita comprender el tipo de relaciones que establecemos entre diferentes fenómenos que son representados por estos conceptos. Por otro lado, el desarrollo de estructuras conceptuales permite mejorar la medición de esos conceptos a través de facilitar la selección de indicadores y su agregación en índices de manera coherente con la estructura de los conceptos en nuestras teorías. 

¿Por qué es importante este curso para el mercado laboral? 

Buena parte de la investigación aplicada se basa en realizar mediciones de fenómenos. Estas mediciones son utilizadas para observar la evolución de fenómenos o para medir el desempeño de ciertas acciones. El trabajo con conceptos permite desarrollar mejores índices al poder definir correctamente la selección de indicadores y las reglas de agregación de indicadores en índices. De esta manera, mejores mediciones (que reflejen mejor los fenómenos que intentamos observar y medir) nos permite tener mejores evaluaciones y también tomar mejores decisiones.? 
Descripción: El curso se centra en el trabajo de elaboración conceptual y uso de tipologías como forma de mejorar los diseños de investigación y la formulación de teorías. Aborda el problema de la elaboración de índices (como estrategia de operacionalización de conceptos) en términos de estructura conceptual y selección de atributos, medición y agregación.

>> Programa

Instructor


Rafael Piñeiro
Profesor del Departamento de Ciencias Sociales
Universidad Católica del Uruguay
rafael.pineiro@ucu.edu.uy

Doctor en Ciencia Política por la Pontificia Universidad Católica de Chile y es profesor asociado del Departamento de Ciencias Sociales de la Universidad Católica del Uruguay. Su foco de interés es la política comparada y en especial trabaja sobre partidos políticos, organizaciones políticas y activismo, y sobre corrupción y transparencia. Ha publicado en diversas revistas académcias como Comparative Political Studies, Party Politics, Government Information Quarterly, Latin American Politics and Society, Latin American Research Review, Journal of Democracy, Política y Gobierno y Revista de Ciencia Política, entre otras. En colaboración con Verónica Pérez Bentancur y Fernando Rosenblatt, ha coautoreado el libro “How Party Activism Survives: Uruguay´s Frente Amplio,” publicado en 2020 por Cambridge University Press. Este libro ha recibido el Leon Epstein Outstanding Book Award de la sección Political Organizations and Parties de la  American Political Science Association.