-
Comprender y aplicar las principales técnicas del análisis estadístico multivariado.
-
Preparar datos para análisis multivariado: escalamiento, estandarización, verificación de supuestos.
-
Utilizar modelos como PCA, regresión múltiple, análisis discriminante y clustering.
-
Visualizar relaciones multivariadas y comunicar hallazgos con claridad.
-
Implementar todo el proceso de análisis en Python de forma reproducible.
Profesionales y empresas
Que buscan dominar herramientas de IA, automatización y analítica avanzada.
​
Estudiantes y egresados
Que desean actualizar sus conocimientos y acceder a oportunidades laborales.
​
Equipos corporativos
Que requieren formación estratégica para impulsar la transformación digital
Curso: Análisis Estadístico Multivariante Computacional
Fundamentos del análisis multivariante y preparación de datos
-
¿Qué es el análisis multivariante y cuándo aplicarlo?
-
Estadística descriptiva multivariada.
-
Matrices de covarianza y correlación.
-
Escalamiento y normalización (StandardScaler, MinMaxScaler).
-
Distancias multivariadas: euclidiana, Mahalanobis.
-
Análisis gráfico:
-
Matriz de dispersión
-
Gráficos de correlación
-
Mapa de calor
-
-
Verificación de supuestos básicos.
Resultados del curso
Al finalizar el curso, los participantes serán capaces de
Analizar y visualizar conjuntos de datos multivariados, comprendiendo la estructura conjunta de varias variables.
Aplicar y interpretar técnicas como PCA y regresión múltiple, evaluando supuestos y resultados.
Implementar métodos de clasificación supervisada como LDA, validando sus predicciones.
Realizar segmentaciones efectivas mediante clustering, interpretando grupos y estructuras ocultas.
Reproducir todo el análisis multivariante en Python, comunicando hallazgos con visualizaciones claras.
Instructor del Curso
Antonio Murillo Reyes
Economista/Data Science.
​Máster en Econometría (Univ. Torcuato Di Tella - Argentina), MBA en Administración de Empresas (UCB – Bolivia) y Posgrado en IA y Ciencia de Datos (UNC-Argentina). Especializado en análisis Macroeconómico y Modelación Econométrica. Fue Analista Senior en el Banco Central de Bolivia. Docente de postgrado en Econometría y Machine Learning en posgrados en Bolivia y Ecuador..
Metodología de Enseñanza
Aprendizaje práctico
Basamos nuestra enseñanza en proyectos reales que reflejan los desafíos cotidianos de las empresas
Plataformas interactivas
Utilizamos simuladores y herramientas digitales que facilitan la comprensión de conceptos complejos
Evaluación continua
Medimos constantemente el impacto para ajustar metodologías y optimizar resultados
Cursos relacionados
.webp)
.png)
Certificación
Diploma digital verificable a través del sistema de verificación de autenticidad.
Certificados extendidos por la Secretaría de Cultura y Extensión Instituto Deep Quantics Bolivia.
PREGUNTAS FRECUENTES
Resuelve tus dudas al instante
¿Por que Deep Quantics?