Comienza el curso de EIDUM “Métodos de análisis de datos multivariantes.”. Consiste en dos sesiones, y hay tres grupos con diferente horario (horario de tarde). Se imparte en el aula Mangel de ATICA y la buitre de la facultad de Biología. Acceso a la agenda aquí.
Destinatarios
El curso está dirigido a alumnos de doctorado con conocimientos básicos en R y elaboración de informes y documentos sencillos en Rmarkdown. En su caso es recomendable haber realizado los cursos de Introducción a R y Rstudio, Procedimientos para la elaboración de informes y documentos científico-técnicos, Representación y tabulación de datos, o tener los conocimientos considerados en estos cursos.
En el curso abordará las técnicas de análisis de datos multivariantes evitando en lo posible los aspectos más formales, abordando las cuestiones desde un punto de vista eminentemente práctico. Se estudiarán las técnicas de ordenación y clasificación más habituales sus aplicaciones y ejemplos prácticos. Finalmente se hará una introducción a las técnicas de aprendizaje automatizado (machine learning), así como al empleo de curvas ROC y sus aplicaciones.
Competencias
- Ser capaz de identificar la naturaleza del problema multivariante a abordar y las técnicas a aplicar
- Ser capaz de realizar una clasificación e interpretar los resultados identificando las características de los grupos obtenidos.
- Ser capaz de realizar una ordenación e interpretar los resultados
describiendo el significado de los ejes obtenidos. - Ser capaz de leer un informe de resultados de una análisis realizado por una técnica de aprendizaje automático.
Contenidos
- Técnicas de ordenación: Análisis de componentes principales
- Técnicas de ordenación: Análisis de correspondencias
- Técnicas de ordenación: Escalado multidimensional
- Técnicas de ordenación: Análisis factorial
- Técnicas de clasificación: Clasificación no jerárquica: algoritmo k-means
- Técnicas de clasificación: Clasificación jerárquica: Elaboración de dendrogramas
- Introducción al aprendizaje automatizado.
- Curvas ROC usos e interpretación.
Resultados de aprendizaje
- Conocer las más habituales técnicas multivariantes existentes.
- Saber aplicar las técnicas multivariantes con R.
- Ser capaz de interpretar y elaborar informes de los resultados.
- Saber aplicar los fundamentos del aprendizaje automatizado para el diseño de análisis
- Ser capaz de construir en R una curva ROC e interpretar el resultado.
- Ser capaz de combinar los resultados de distintos análisis multivariantes para mejorar la interpretación de los resultados.
En la clase de hoy hemos hecho un PCA viviente….
PCA( 00Rteam[,1:4], graph = TRUE, scale.unit = TRUE )
y ANOVA).
