Escuela de Métodos

Uno de los objetivos primordiales del Laboratorio Nacional de Políticas Públicas es contribuir a la formación de recursos humanos en metodologías de vanguardia. Por ello, cada año abrimos inscripciones a nuestra Escuela de Métodos e impartimos cursos de manejo y visualización de datos en R, programación en Python, Métodos Cualitativos, Inteligencia Colectiva, Planeación Estratégica, entre otros temas.

Conoce los cursos que tenemos preparados para el periodo enero-junio 2021.

Nota: Algunos de nuestros cursos tienen 8 sesiones y otros 12; los horarios en que éstas se imparten son específicos para cada curso. Le invitamos a que vea los detalles de cada uno de estos.

Aquí puedes descargar el cartel

Actualización 3 febrero 2021.

Descripción de mi imagen::1000px

Próximos cursos

Curso	Inicio
Etnografía Digital	martes, 02 mar 2021 [Horario y temario]
Análisis de componentes principales	lunes, 08 mar 2021 [Horario y temario]
Visualización de datos con Python	martes, 16 mar 2021 [Horario y temario]
Series de tiempo univariadas	martes, 16 mar 2021 [Horario y temario]
Visualización de datos en R	lunes, 22 mar 2021 [Horario y temario]
Economía del Comportamiento: Conceptos y aplicaciones	lunes, 05 abr 2021 [Horario y temario]
Estadística descriptiva y probabilidad	martes, 06 abr 2021 [Horario y temario]
Metodología de encuestas	martes, 06 abr 2021 [Horario y temario]
Introducción a machine learning con Python	martes, 13 abr 2021 [Horario y temario]
Análisis de conglomerados	lunes, 03 may 2021 [Horario y temario]
Finanzas conductuales y experimentación	martes, 04 may 2021 [Horario y temario]
Grupos focales: fundamentos, práctica y análisis	martes, 04 may 2021 [Horario y temario]
Series de tiempo multivariadas	martes, 04 may 2021 [Horario y temario]
Visualización de datos con Shiny	martes, 04 may 2021 [Horario y temario]
Observación Estructurada	martes, 01 jun 2021 [Horario y temario]
Introducción a Machine Learning	martes, 01 jun 2021 [Horario y temario]
Análisis de encuestas con R	martes, 01 jun 2021 [Horario y temario]
Introducción a R y manejo de datos	miércoles, 02 jun 2021 [Horario y temario]
Métodos de toma de decisión en grupos	martes, 15 jun 2021 [Horario y temario]

Docente
Sesiones	martes, 02 mar 2021 jueves, 04 mar 2021 martes, 09 mar 2021 jueves, 11 mar 2021 martes, 16 mar 2021 jueves, 18 mar 2021 martes, 23 mar 2021 jueves, 25 mar 2021
Horario	6pm - 9pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Este curso adopta un enfoque antropológico en los espacios digitales para entender diferentes formas en las que estos espacios pueden ser punto significativo de investigación tanto cualitativa como mixta. El curso se concentra en brindar a los estudiantes los conocimientos y técnicas necesarios para que puedan desarrollar investigación en dichos contextos. Objetivos Dado que el desarrollo de las tecnologías digitales ha tenido una expansión significativa en la vida sociocultural, 'lo digital' continúa adquiriendo más significados y representando las facetas emergentes de las actividades en las que grandes sectores de la población están vinculados. El reto de diseñar proyectos de investigación etnográfica digital implica retos que pueden llegar a ser emocionantes, exasperantes, desconcertantes y satisfactorios cuando se trata de recopilar, interpretar y representar información relacionada con todas las prácticas digitales. Este curso busca brindar un proceso reflexivo en torno a como desarrollar este tipo de proyectos de investigación en los cuales se analizan espacios digitales. Específicamente se busca que los estudiantes puedan: Realizar trabajo de campo en entornos electrónicos, en línea, virtuales o de otro modo habilitados digitalmente. Utilizar herramientas digitales para recopilar, analizar, organizar y presentar datos etnográficos en cualquier entorno. Dentro de la clase se trabajará en estos dos objetivos y conoceremos colectivamente otras corrientes o facetas de hacer trabajo etnográfico digitalmente. Público objetivo El curso está diseñado para personas sin experiencia de trabajo de investigación en espacios digitales. Los únicos prerrequisitos son: Conocimiento introductorio de metodologías de investigación cualitativa Sesiones El módulo está dividido en ocho sesiones, cada una de tres horas. A continuación enlisto los temas que cubriremos en cada sesión: Sesión 1. Introducción a la Etnografía en Espacios digitales ¿Qué es la etnografía digital? Sesión 2. Tecnología y Cultura ¿En qué contexto se hace etnografía digital? Sesión 3. Métodos de Investigación en Espacios Digitales (Parte 1: Métodos cualitativos) ¿Cómo se hace la etnografía digital? Sesión 4. Métodos de Investigación en Espacios Digitales (Parte 2: Métodos mixtos y cuantitativos) ¿Cómo se hace la etnografía digital? Sesión 5. Acceso y Análisis en/con Comunidades en Espacios digitales. ¿Con quién se hace la etnografía digital? Sesión 6. Planeación logística de trabajo etnográfico digital ¿Cómo organizamos la etnografía digital? Sesión 7. Consideraciones éticas al investigar en espacios digitales ¿Cómo hacemos etnografía digital ética? Sesión 8. Interpretación y Análisis de Etnografía Digital ¿Cómo hacemos análisis de la etnografía digital? Bibliografía Bibliografía Principal Hjorth, L., Horst, H., Galloway, A., & Bell, G. (Eds.). (2017). The Routledge companion to digital ethnography. Taylor & Francis. Textos complementarios Castells, M. (2019). Globalización, tecnología, trabajo, empleo y empresa. Gómez, E., & Galindo, A. (2005). Los estudios de Comunicación Mediada por Computadora: una revisión y algunos apuntes. Razón y Palabra, 10(44). Hogan, B. The Presentation of Self in the Age of Social Media: Distinguishing Performances and Exhibitions Online. In: Bulletin of Science Technology & Society. Sage, 2010 Pink, S. (2016). Digital ethnography. Innovative methods in media and communication research, 161-165. Profesor(a) Cristina Salazar Gallardo, Ed.D. E-mail: cps2127@columbia.edu

Docente
Sesiones	lunes, 08 mar 2021 miércoles, 10 mar 2021 miércoles, 17 mar 2021 lunes, 22 mar 2021 miércoles, 24 mar 2021 lunes, 05 abr 2021 miércoles, 07 abr 2021 lunes, 12 abr 2021 miércoles, 14 abr 2021 lunes, 19 abr 2021 miércoles, 21 abr 2021 lunes, 26 abr 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Análisis de componentes principales es una técnica estadística a que su principal objetivo es simplificar la complejidad dimensional de un conjunto de datos; asegurando que se conserve la información de conjunto de datos. Es decir, este método de componentes principales condensa la información aportada por múltiples variables en tan sólo pocas variables (componentes) combinando las técnicas de álgebra lineal y estadística. En resumen, es la reducción de la dimensionalidad de un conjunto de datos a costa de una pequeña pérdida de información. Objetivo(s) de aprendizaje Identificar los elementos teóricos de la técnica de componentes principales. Aplicar la técnica en forma práctica con ejemplos específicos. Validar y replicar la técnica de componentes principales. Dirigido a Todo tipo de público con conocimiento básico de estadística. Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Lunes 08 de marzo del 2021 Introducción y motivación de la técnica de componentes principales. Sesión 2 Miércoles 10 de marzo del 2021 Elementos de álgebra lineal para la identificación de los componentes. Sesión 3 Miércoles 17 de marzo del 2021 Número óptimo de componentes principales Ejemplos y cálculos de eigenvectores y eigenvalores Sesión 4 Lunes 22 de marzo del 2021 Interpretación geométrica de las componentes principales Influencia de outliers Sesión 5 Miércoles 24 de marzo del 2021 Calculo de PCA en R Sesión 6 Lunes 05 de abril del 2021 Ejemplos prácticos. Sesión 7 Miércoles 07 de abril del 2021 Ejemplos prácticos. Sesión 8 Lunes 12 de abril del 2021 Construcción de indicadores a partir del análisis de componentes Principales. Sesión 9 Miércoles 14 de abril del 2021 Construcción de indicadores a partir del análisis de componentes Principales (continuación). Sesión 10 Lunes 19 de abril del 2021 Repoducibilidad de los componentes. Valiadación de los componentes. Sesión 11 Miércoles 21 de abril del 2021 Práctica Sesión 12 Lunes 26 de abril del 2021 Práctica Profesor(a) Itza Tlaloc Quetzalcoatl Curiel Cabral

Docente	Juan Javier Santos Ochoa
Sesiones	martes, 16 mar 2021 jueves, 18 mar 2021 martes, 23 mar 2021 jueves, 25 mar 2021 martes, 06 abr 2021 jueves, 08 abr 2021 martes, 13 abr 2021 jueves, 15 abr 2021
Horario	6pm - 9pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción La visualización de datos es el área del conocimiento que combina principios de diseño, teoría del color y nuestras capacidades perceptivas para elaborar gráficas y mapas que transmiten de forma eficiente y efectiva los resultados sustantivos derivados del análisis de bases de datos. En este curso presentaremos los principios básicos de la visualización y aprenderemos a usar varias librerías de Python para crear gráficas tanto estáticas como interactivas. Objetivo(s) de aprendizaje El objetivo del curso es aprender a crear visualizaciones de datos que comuniquen la información de forma eficiente y efectiva, generando valor agregado al análisis. Específicamente, los objetivos del curso son: Aprender los conceptos teóricos básicos de la visualización de datos Aprender a usar las librerías Matplotlib y Seaborn para la creación de gráficas estáticas. Aprender a usar la librería Plotly para la creación de gráficas interactivas. Aprender a usar la librería Dash para la creación de gráficas dinámicas y tableros. Dirigido a El curso está diseñado para personas con conocimiento de manejo de datos y programación en Python, en particular, conocer estructuras de datos básicas (listas, diccionarios, etc), saber definir funciones y usar la librería Pandas. Se recomienda (aunque no es obligatorio) tomar previamente el curso “Introducción a Python y Manejo de datos” que también se ofrece dentro de la Escuela de Métodos. Temario El curso está dividido en 8 sesiones, cada una de 3 horas. A continuación, se enlistan los temas que cubriremos en el curso: 1. Introducción a la visualización de datos Empezaremos viendo los principios teóricos de la visualización de datos y conociendo los conceptos básicos relacionados. 2. Introducción a Matplotlib Matplotlib es la librería usada por excelencia en Python para hacer gráficas estáticas. Aquí aprenderemos a crear visualizaciones a través de la interfaz de Matplotlib disponible en Pandas. 3. Ajuste de detalles de gráficas con Matplotlib Aprenderemos a ajustar detalles de las gráficas como los ejes, las leyendas, las características del texto y detalles más avanzados como personalizar recuadros y barras de colores. 4.Creación de múltiples gráficas con Matplotlib y Seaborn Veremos cómo crear figuras con múltiples gráficas, usando distintos diseños para distribuirlas. También usaremos la librería Seaborn que facilita hacer muchas de las gráficas de Matplotlib. 5.Usos avanzados de Matplotlib Exploraremos algunas de las características más avanzadas de Matplotlib como animaciones, gráficas con elementos interactivos e integración con interfaces de usuario. 6.Introducción a Plotly Plotly es una excelente librería para hacer visualizaciones interactivas que pueden funcionar mucho mejor en un navegador web. Veremos la interfaz básica para crear gráficas de Plotly y cómo editar sus elemento. 7.Introducción a Plotly Express Aprenderemos a usar Plotly Express, que es una interfaz que nos permite hacer gráficas de forma mucho más fácil, además nos brinda la posibilidad de hacer múltiples gráficas. 8.Introducción a Dash Dash es una librería que nos permitirá hacer dashboards interactivos basándonos en las gráficas de plotly que aprendimos a hacer anteriormente. Profesor(a) Juan Javier Santos Ochoa Científico de Datos, Unidad Ciencia de Datos Ver el perfil completo Juan Javier Santos Ochoa

Docente	Ricardo Massa Roldán
Sesiones	martes, 16 mar 2021 jueves, 18 mar 2021 martes, 23 mar 2021 jueves, 25 mar 2021 martes, 06 abr 2021 jueves, 08 abr 2021 martes, 13 abr 2021 jueves, 15 abr 2021 martes, 20 abr 2021 jueves, 22 abr 2021 martes, 27 abr 2021 jueves, 29 abr 2021
Horario	5pm - 7pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Curso orientado a la compresión y aplicación de los modelos de series de tiempo en el ámbito de las ciencias sociales. Requiere de conocimientos previos de ecuaciones en diferencias, cálculo matricial y métodos de estimación. Como resultado de aprendizaje, el participante comprenderá y aplicará los modelos de series de tiempo de una variable (ARIMA y de la familia GARCH) para la estimación, pronóstico y simulación del comportamiento de variables a través del tiempo. Objetivo(s) de aprendizaje Al finalizar el curso el alumno será capaz de construir, diagnosticar, identificar, estimar, pronosticar y simular el comportamiento presentado por una variable de series de tiempo. Dirigido a El curso está diseñado para personas con familiariedad en la construcción de bases de datos y/o programación en R. Para su mayor aprovechamiento, se espera que el participante cuente con bases de Estadística Descriptiva, Probabilidad y Estadística Inferencial. Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Introducción a las series de tiempo Componentes, descomposición, caminata aleatoria Sesión 2 Análisis de series de tiempo univariadas Estacionariedad Ruido blanco Sesión 3 Análisis de series de tiempo univariadas Raíces unitarias Sesión 4 Análisis de series de tiempo univariadas: modelos en media -Procesos AR Procesos MA Sesión 5 Análisis de series de tiempo univariadas: modelos en media Procesos ARIMA Sesión 6 Análisis de series de tiempo univariadas: modelos en media Metodología Box-Jenkins Pruebas de verificación de supuestos Sesión 7 Análisis de series de tiempo univariadas: modelos en media y varianza Modelos de heteroscedasticidad condicional ARCH Pruebas de efectos ARCH Sesión 8 Análisis de series de tiempo univariadas: modelos en media y varianza Modelos de la familia GARCH Sesión 9 Análisis de series de tiempo univariadas: modelos en media y varianza Estimación Sesión 10 Análisis de series de tiempo univariadas: modelos en media y varianza Pruebas de diagnóstico Sesión 11 Pronósticos de series de tiempo Modelos en media Modelos en media y varianza Sesión 12 Simulación de series de tiempo Modelos en media Modelos en media y varianza Profesor(a) Ricardo Massa Roldán Catedrático CONACYT y Profesor Investigador, Coordinador de la Unidad de Simulación Ver el perfil completo Ricardo Massa Roldán

Docente	Sebastián Garrido de Sierra
Sesiones	lunes, 22 mar 2021 miércoles, 24 mar 2021 lunes, 05 abr 2021 miércoles, 07 abr 2021 lunes, 12 abr 2021 miércoles, 14 abr 2021 lunes, 19 abr 2021 miércoles, 21 abr 2021 lunes, 26 abr 2021 miércoles, 28 abr 2021 lunes, 03 may 2021 miércoles, 05 may 2021
Horario	5:30 pm - 7:30 pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Este curso está diseñado para fortalecer tus habilidades en un área cada vez más importante en el mercado laboral y que pocas veces se enseña en un curso de licenciatura o posgrado: la visualización de datos. La visualización de datos es el área del conocimiento que combina principios de diseño, teoría del color y nuestras capacidades perceptivas para elaborar gráficas y mapas que transmiten de forma eficiente y efectiva los resultados sustantivos derivados del análisis de bases de datos. Objetivos A lo largo de este curso los alumnos aprenderán, entre otras cosas: Cómo funcionan y se relacionan el sistema de la vista, nuestras percepciones y la memoria; Principios teóricos básicos para visualizar datos de forma efectiva y eficiente; Diversas técnicas y sistemas de visualización, así como cuándo es conveniente utilizar cada uno de ellos; Cómo diseñar visualizaciones a través de un proceso estructurado, incorporando los principios de la percepción humana; y, Cómo generar visualizaciones estáticas e interactiva utilizando diversos paquetes de R. La lista incluye, entre otros, {ggplot2}, {gganimate}, {ggforce}, {ggnetwork}, {ggrepel}, {ggExtra}, {ggthemes}, {treemapify}, {plotly}, {sf} y {leaflet}. Público objetivo El curso está diseñado para personas con o sin experiencia en la elaboración de visualizaciones. Los únicos prerrequisitos son tener conocimientos básicos de R y manejo de datos en R con los paquetes del {tidyverse}. Se recomienda, pero no es obligatorio, tomar el curso de Intro a R + Análisis de datos de la secuencia de R ofrecida por el laboratorio. Temario El curso está dividido en 12 sesiones, cada una de dos horas. En primera mitad de cada sesión discutiremos aspectos teóricos del tema en cuestión y en la segunda los estudiantes aprenderán a usar diversas herramientas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Intro ¿Qué es una visualización? \| ¿Para qué sirven? \| ¿Por qué la vista? Sesión 2 El cableado humano Vista \| Percepción \| Memoria Sesión 3 ¿Qué? Tipo y semántica de los datos \| Tipos de variables Sesión 4 ¿Qué? Tipos de bases de datos Sesión 5 ¿Por qué? Tipos de usuarios \| Tipos de acciones \| Objetivos Sesión 6 ¿Cómo? Marcas \| Canales \| Jerarquía de canales \| Efectividad de canales Sesión 7 Org. gráfica I: Tablas Valores cuantitativos y categóricos \| Orientación de los ejes Sesión 8 Org. gráfica II: Redes Sesión 9 Org. gráfica III: Datos espaciales ¿Canal de posición? \| Geografía Sesión 10 Principios de diseño Integridad gráfica Sesión 11 Principios de diseño Proporción datos-tinta Sesión 12 Basura gráfica + Consejos prácticos Bibliografía Cairo, Alberto (2012) The Functional Art: An Introduction to Information Graphics and Visualization, New Riders, California, Estados Unidos. Healy, Kieran (2018) Data Visualization. A practical introduction, Princeton University Press. Munzner, Tamara (2014) Visualization Analysis and Design, CRC Press, Nueva York, Estados Unidos. Tufte, Edward R. (2001) The Visual Display of Quantitative Information, 2nda Edición, Graphics Press, Connecticut, Estados Unidos. Wilke, Claus O. (2019) Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures, O’Reilly. Wilkinson, Leland (2005) The Grammar of Graphics, Springer, Canadá. Yau, Nathan (2011) Visualize This: The FlowingData Guide to Design, Visualization, and Statistics, Wiley Publishing, Indianapolis, Estados Unidos. Profesor(a) Sebastián Garrido De Sierra Catedrático CONACYT y Profesor Investigador, Coordinador de la Unidad Ciencia de Datos Ver el perfil completo Sebastián Garrido De Sierra

Docente	Ana Laura Martínez Gutiérrez
Sesiones	lunes, 05 abr 2021 miércoles, 07 abr 2021 lunes, 12 abr 2021 miércoles, 14 abr 2021 lunes, 19 abr 2021 miércoles, 21 abr 2021 lunes, 26 abr 2021 miércoles, 28 abr 2021 lunes, 03 may 2021 miércoles, 05 may 2021 lunes, 10 may 2021 miércoles, 12 may 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Múltiples gobiernos y empresas alrededor del mundo están utilizando cada vez con mayor frecuencia los hallazgos de la economía del comportamiento en el diseño y provisión de sus productos. Las aplicaciones y avances de la Economía del Comportamiento en los últimos años han alcanzado diversos temas desde: el acceso y uso de instrumentos financieros, las relaciones laborales, los comportamientos de salud pública, la discriminación, la pobreza, la impartición de justicia, la lucha contra el cambio climático entre muchos otros campos, en los que la economía del comportamiento ha sido útil para diseñar intervenciones capaces de mejorar el bienestar de la población en los ámbitos públicos y privados. Objetivo(s) de aprendizaje El objetivo de este curso es que los asistentes conozcan los principios fundamentales de la economía del comportamiento e identifiquen los principales hallazgos de ésta en materia de sesgos cognitivos con miras a su aplicación para lograr el cambio de comportamiento de usuarios y ciudadanos. Para esto se busca que los asistentes se familiaricen con las distintas metodologías de cambio de comportamiento. Se espera que al final del curso los participantes puedan plantear y diseñar productos, servicios o políticas públicas basados en los principios de la economía del comportamiento. Dirigido a: El curso esta dirigido a estudiantes y profesionales tanto del sector público y privado que busquen familiarizarse con los hallazgos conductuales que están siendo utilizados en distintas disciplinas para lograr una mejora en las tomas de decisiones de los individuos; con el fin último de mejorar el bienestar de las personas en distintos ámbitos, así como coadyuvar a la solución de problemas públicos complejos. Temario: El curso está dividido en 12 sesiones de dos horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1: ¿Qué es la Economía del Comportamiento?: El uso de sesgos y heurísticas en la toma de decisiones. Bibliografía: Simon, H. (1955). "A Behavioral Model of Rational Choice"he Quarterly Journal of Economics, Vol. 69, No. 1 (Feb., 1955), pp. 99-118. - - Kahneman & Thaler (2006). "Anomalies. Utility Mazimixation and Experienced Utility", Journal of economic perspectives, Vol.20. Number 1, p.p. 221-234, 2006. Kahneman, D. & Tversky, A. (1974) "Judgement under uncertainty: Heuristics and biases. Science * 27 Sep 1974: Vol. 185, Issue 4157, pp. 1124-1131. Sesión 2: Nudges y paternalismo libertario. Bibliografía: Thaler & Sunstein. "Nudge" Capítulo 4, Pelle Guldborg Hansen & Andreas Maaloe Jespersen, Nudge and the Manipulation of Choice: A Framework for the Responsible Use of the Nudge Approach to Behaviour Change in Public Policy, 4 Eur. J. Risk Reg. 3 (2013). Thaler & Sunstein. "Libertarian Paternalism" Sesión 3: Teoría de prospectos: Ganar o perder como base de las decisiones de los individuos. Bibliografía: Kahneman, D. & Tversky, A. (1979) Prospect theory: an analysis of decision under risk. Econometrica, Journal of Econometric Society, 47:263–91. Sesión 4: Tiempo y decisión: Inconsistencias temporales en las preferencias de los individuos. Bibliografía: Ericson&Laibson (2018). "Intertemporal Choice", NBER Working Paper No. 25358. Sesión 5: Racionalidad limitada: Autocontrol, procastinación y negación de la información. Bibliografía: Ainslie (1996). "Studying Self-Regulation the Hard Way", Psychological Inquiry, vol.7, No.1, 16-89. Baumeister (2002). "Ego Depletion and Self-Control Faillure: An Energy Model of Self´s Executive Function", Self and Identity, 1: 129±136, 2002. Russell Golman, David Hagmann & George Loewenstein. 2017. “Information Avoidance”. Journal of Economic Literature 2017, 55(1), 96–135. Sesión 6: Framming y arquitectura de la decisión. Bibliografía: Balz, Sunstein y Thaler. "Choice Architecture". Kahneman & Tversky (1981). "The Framing of Decisions and the Psychology of Choice", Science, New Series, Vol. 211, No. 4481. (Jan. 30, 1981), pp. 453-458. Sesión 7: ¿Cómo cambiar el comportamiento?: La metodología de la EC y la experimentación. Bibliografía: Loewenstein, George, Leslie K. John, and Kevin Volpp. "Using Decision Errors to Help People Help Themselves." Chap. 21 in The Behavioral Foundations of Public Policy, edited by Eldar Shafir, 361–379. Princeton University Press, 2012. Chapter 1 (pp. 212-240): Glennerster, Rachel, and Kudzai Takavarasha. 2013. Running Randomized Evaluations: A Practical Guide, Princeton University Press. Alderman, H., J. Das, and V. Rao. 2013. Conducting Ethical Economic Research: Complications from the Field. World Bank Policy Research Working Paper 6446, doi: 10.1596/1813-9450-6446 Sesión 8: Medición: técnicas directas e indirectas. Bibliografía: Gneezy, Uri and Alex Imas. 2016. Lab in the Field: Measuring Preferences in the Wild. In A. V. Banerjee and E. Duflo (Eds.), Handbook of Field Experiment, forthcoming. Chapter 5 (pp. 212-240): Glennerster, Rachel, and Kudzai Takavarasha. 2013. Running Randomized Evaluations: A Practical Guide, Princeton University Press. Zwane, A., J. Zinman, E. Dusen, W. Pariente, C. Null, E. Miguel, M. Kremer, D. Karlan, R. Hornbeck, X. Giné, E. Duflo, F. Devoto, B. Crepon and A. Banerjee. 2011. Being surveyed can change later behavior and related parameter estimates PNAS 2011 108 (5) 1821-1826; published ahead of print January 18, 2011, doi:10.1073/pnas.1000776108 Sesión 9. Modelos de cambio de comportamiento. Bibliografía: Michie S, Atkins L, West R. (2014) The Behaviour Change Wheel: A Guide to Designing Interventions. London: Silverback Publishing. Sesión 10. Aplicaciones a la solución de problemas. Bibliografía: Chapter 6 Household finance: “World Bank Group. 2015. Informe sobre el desarrollo mundial 2015: Mind, Society, and Behavior. Washington, DC: World Bank. © World Bank.** https://openknowledge.worldbank.org/handle/10986/20597 License: CC BY 3.0 IGO.” Christopher J Bryan, Nina Mazar, Julian Jamison, Jeanine Braithwaite, Nadine Dechausay, Alissa Fishbane, Elizabeth Fox, Varun Gauri, Rachel Glennerster, Johannes Haushofer, Dean Karlan, Renos Vakis. 2017. "Overcoming behavioral obstacles to escaping poverty." Behavioral Science & Policy, Issue 5, pp. 81 - 93. Chapeter 10: What Works: Gender Equality By Design. Cambridge, MA: Harvard University Press, 2016. Sesión 11. Presentaciones de una aplicación por parte de los participantes Sesión 12. Presentaciones de una aplicación por parte de los participantes Profesores:

Docente
Sesiones	martes, 06 abr 2021 jueves, 08 abr 2021 martes, 13 abr 2021 jueves, 15 abr 2021 martes, 20 abr 2021 jueves, 22 abr 2021 martes, 27 abr 2021 jueves, 29 abr 2021 martes, 04 may 2021 jueves, 06 may 2021 martes, 11 may 2021 jueves, 13 may 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Este curso es una introducción al análisis descriptivo y exploratorio de datos, y cómo se utilizan principios y modelos probabilísticos para describir aspectos básicos de conjuntos de datos. Objetivo(s) de aprendizaje Se entenderán técnicas básicas de descripción y exploración de datos y los conceptos básicos de probabilidad para modelación, simulación, y aspectos de su papel en el análisis de datos. Dirigido a Personas con interés en análisis de datos y fundamentos de probabilidad que de preferencia hayan tomado cursos básicos de álgebra y de preferencia cálculo diferencial e integral. Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Introducción al análisis de datos: objetivos y tipos de análisis Sesión 2 Técnicas para describir datos univariados numéricos Técnicas para describir datos univariados categóricos Sesión 3 Métodos para describir datos bivariados: mediciones continuas Sesión 4 Métodos para describir datos bivariados: mediciones categóricas Sesión 5 Extensiones multivariadas para descripción y exploración de datos Filtros y agrupaciones Sesión 6 Introducción al cálculo de probabilidades y su papel en el análisis de datos Sesión 7 Reglas básicas para operar con probabilidades. Básicos de simulación Sesión 8 Probabilidad condicional e independencia Sesión 9 Aplicaciones de modelos básicos de probabilidad al análisis de datos Simulación e introducción a pruebas de hipótesis Sesión 10 Modelos probabilísticos para variables continuas 1 Sesión 11 Modelos probabilísticos para variables continuas 2 Sesión 12 Aplicaciones de modelos básicos continuos al análisis de datos Simulación Profesor(a) Luis Felipe González Pérez

Docente	Salvador Vázquez Del Mercado
Sesiones	martes, 06 abr 2021 jueves, 08 abr 2021 martes, 13 abr 2021 jueves, 15 abr 2021 martes, 20 abr 2021 jueves, 22 abr 2021 martes, 27 abr 2021 jueves, 29 abr 2021 martes, 04 may 2021 jueves, 06 may 2021 martes, 11 may 2021 jueves, 13 may 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Las encuestas son un método de investigación que permiten describir una población a partir de las respuestas dadas por una selección de sus miembros a un cuestionario estructurado. Sin embargo, para lograr este objetivo es necesario tener cuidado con el diseño de la encuesta. Por ejemplo, deben observarse ciertas reglas para seleccionar a los entrevistados y diseñar el cuestionario para que obtenga respuestas certeras. La metodología de encuestas está dedicada a asegurar que la información obtenida de las entrevistas represente a la población de la mejor manera posible. Objetivo(s) de aprendizaje Este curso proveerá de los conocimientos necesarios para diseñar una encuesta de calidad, como el diseño y prueba de preguntas y cuestionarios. También proveerá de nociones de muestreo y organización de levantamiento para hacer que la encuesta sea eficiente e informativa. Además, en el curso será demostrado el uso de paquetes estadísticos especializados en el análisis de encuestas. Al terminar el curso, los estudiantes serán capaces de diseñar una encuesta desde la concepción del proyecto hasta diseñar el cuestionario y comprender cuál diseño de muestra será de mayor utilidad para cualquier tema que deseen investigar. Como trabajo final, los estudiantes prepararán un proyecto de encuesta en el que demostrarán los conocimientos adquiridos al aplicarlos a un proyecto de su elección. Dirigido a Estudiantes, investigadores, servidores públicos u otras personas interesadas en hacer investigación social. Temario El curso está dividido 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Introducción a las encuestas Sesión 2 Reducción del error total Sesión 3 Diseño de cuestionarios: escribir preguntas Sesión 4 Diseño de cuestionarios: psicología de la respuesta Sesión 5 Diseño de cuestionarios: pruebas de cuestionarios Sesión 6 Modo de entrevista Sesión 7 Levantamiento Sesión 8 Muestreo 1 Sesión 9 Muestreo 2 Sesión 10 No respuesta Sesión 11 Causalidad y experimentos Sesión 12 Introducción al manejo y análisis de encuestas en R Profesor(a) Salvador Vázquez Del Mercado Catedrático CONACYT y profesor investigador Ver el perfil completo Salvador Vázquez Del Mercado

Docente	Juan Javier Santos Ochoa
Sesiones	martes, 13 abr 2021 jueves, 15 abr 2021 martes, 20 abr 2021 jueves, 22 abr 2021 martes, 27 abr 2021 jueves, 29 abr 2021 martes, 04 may 2021 jueves, 06 may 2021 martes, 11 may 2021 jueves, 13 may 2021 martes, 18 may 2021 jueves, 20 may 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Este es un curso de nivel introductorio al aprendizaje automático, mejor conocido como machine learning (ML). El ML es un área de las ciencias computacionales que estudia el desarrollo de modelos estadísticos basados en datos para que pueden desempeñar una tarea básica, típicamente hacer una predicción, clasificar en categorías, agrupar elementos similares, recomendar un producto, etc. Iniciaremos abordando los principales temas conceptuales del aprendizaje automatizado y más adelante nos enfocaremos en la parte práctica, donde veremos las técnicas de ML más utilizadas usando la librería scikit-learn de Python. Consideramos importante presentar la fundamentación matemática de los modelos que usaremos para entender mejor el funcionamiento de los métodos. Aunque no nos extenderemos a detalle en esta parte, al menos presentaremos las fórmulas más importantes de cada técnica, describiremos los parámetros básicos de las ecuaciones y proporcionaremos referencias donde se puede consultar a profundidad. Objetivo(s) de aprendizaje El objetivo general del curso es aprender los elementos conceptuales básicos de ML y a implementar de forma práctica los algoritmos más populares para hacer regresión, clasificación, clusterización y reducción de dimensionalidad. En específico lo objetivos del curso son: Entender qué es ML y en qué área dentro del panorama de la ciencia de datos se inscribe. Comprender las diferencias entre ML y la estadística tradicional. Estudiar los pasos previos antes de estimar un modelo de ML. Aprender a usar las funciones para preprocesamiento de datos de Scikit-learn. Aprender a estimar modelos de regresión, clasificación, reducción de dimensionalidad y clusterización. Aprender a usar el proceso de validación cruzada para evaluar el desempeño de los modelos. Aprender a usar Pipelines para encadenar múltiples procedimientos en un proyecto de ML. Dirigido a Asumimos que los participantes cuentan con los conocimientos equivalentes a los de cursos universitarios de cálculo diferencial, álgebra lineal y estadística. Esperamos que tengan experiencia en manejo de datos y estimación de modelos estadísticos básicos (regresión lineal). También asumimos que cuenta con los siguientes conocimientos básicos de Python: Conocimiento estructuras de datos: tuplas, listas, diccionarios, conjuntos. Manejo de datos con Pandas Visualización con Matplotlib Se recomienda (aunque no es obligatorio) haber tomado previamente los siguientes cursos que también se ofrece dentro de la Escuela de Métodos del LNPP: Introducción a Python y Manejo de datos Visualización de datos con Python Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación: se enlistan los temas que cubriremos en el curso: Introducción a ML. Pasos en un proyecto de ML Ejemplo de un proyecto completo de ML usando regresión lineal Modelos básicos de regresión: regresión lineal, ridge regression, lasso, elastic net. Modelos de clasificación: logit, multinomial logit. Algoritmo de Support Vector Machines para regresión y clasificación. Métodos basados en Árboles de Clasificación y regresión. Método de los K vecinos más cercanos para clasificación y regresión. Métodos de reducción de dimensionalidad: PCA, SVD y tSNE. Métodos para clusterización: KMeans y DBSCAN. Algunos métodos de ML para texto: TF-IDF, clasificación, SVD. Bibliografía Géron, A. (2017). Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems. " O'Reilly Media, Inc".* Müller, A. C., & Guido, S. (2016). Introduction to machine learning with Python: a guide for data scientists. " O'Reilly Media, Inc". Friedman, J., Hastie, T., & Tibshirani, R. (2009). The elements of statistical learning (2 ed). New York: Springer series in statistics. Profesor(a) Juan Javier Santos Ochoa Científico de Datos, Unidad Ciencia de Datos Ver el perfil completo Juan Javier Santos Ochoa

Docente
Sesiones	lunes, 03 may 2021 lunes, 10 may 2021 miércoles, 12 may 2021 lunes, 17 may 2021 miércoles, 19 may 2021 lunes, 24 may 2021 miércoles, 26 may 2021 lunes, 31 may 2021 miércoles, 02 jun 2021 lunes, 07 jun 2021 miércoles, 09 jun 2021 lunes, 14 jun 2021
Horario	5 pm - 7 pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción La taxonomía ha sido uno de los quehaceres más antiguos de la sociedad. La necesidad agrupar especies por características individuales o grupales. En ciencia de los datos, esta técnica de obtener grupos que sean lo mas heterogéneo entre ellos; sin embargo, que los individuos dentro de cada grupo se presenten de la manera más homogénea posible es quizá su principal propósito. Dentro de las ciencias sociales este mecanismo de clasificar (agrupar) es útil no sólo para identificar individuos sino además nos ayuda a determinar individuos representativos de los grupos, que combinado con técnicas de cualitativas nos permite identificar esos individuos para un análisis de caso. Es decir, es un seleccionador de casos a partir de su tipo de consumo, características patológicas, síntomas, variables socio económicas, características del hogar, variables individuales o grupales, etc. Un resultado inmediato del análisis de conglomerados es la obtención de un semáforo, dado al creación de grupos, para proponer posibles soluciones de los diferentes tipos de individuo a partir de agrupación de las variables que los hacen ser común y pertenecer a un grupo en específico. Objetivo(s) de aprendizaje Aprender dos técnicas de conglomerados asi como algunas de sus variantes a partir de un enfoque teórico y práctico. Dirigido a Todo tipo de público con conocimiento básico de estadística y geometría. Es necesario saber que es media, mediana y varianza, tipos y clasificación de variables, linea recta y concepto de distancia. Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Lunes 3 de mayo Introducción a conglomerados Métricas Sesión 2 Lunes 10 de mayo Métricas discretas. Métricas continuas. Métricas mixtas Sesión 3 Miércoles 12 de mayo Análisis de conglomerados casos discretos Ejemplos prácticos Sesión 4 Lunes 17 de mayo Análisis de conglomerados casos continuos Ejemplos prácticos Sesión 5 Miércoles 19 de mayo Análisis de conglomerados casos mixtos Ejemplos prácticos Sesión 6 Lunes 24 de mayo Conglomerados en Ciencias Sociales Sesión 7 Miércoles 26 de mayo Conglomerados en Ciencias de la Salud Sesión 8 Lunes 31 de mayo Conglomerados en Economía Sesión 9 Miércoles 2 de junio Matrices de similitudes Sesión 10 Lunes 7 de junio Ejemplos prácticos de matrices de similitudes Sesión 11 Miércoles 9 de junio Árboles de similitudes Sesión 12 Lunes 14 de junio Ejemplos prácticos de árboles de similitudes Profesor Itza Tlaloc Quetzalcoatl Curiel Cabral

Docente	Ana Laura Martínez Gutiérrez
Sesiones	martes, 04 may 2021 jueves, 06 may 2021 martes, 11 may 2021 jueves, 13 may 2021 martes, 18 may 2021 jueves, 20 may 2021 martes, 25 may 2021 jueves, 27 may 2021 martes, 01 jun 2021 jueves, 03 jun 2021 martes, 08 jun 2021 jueves, 10 jun 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción La teoría económica clásica supone que los individuos toman decisiones racionales que maximizan su bienestar en todas las etapas de su vida. Bajo este supuesto las personas racionales sacan el mejor provecho de los productos financieros a su disposición. Por su parte, las Finanzas Conductuales (FC) argumentan que los factores emocionales, sociales y del medio ambiente (culturales) influencian las decisiones de las personas, incluyendo la administración de su dinero y la forma en que viven sus vidas financieras. Las FC nos ayuda a comprender mejor las necesidades financieras de las personas, sus aspiraciones, sus limitaciones y su comportamiento. Al destacar los distintos factores tanto de conocimiento como de sentimientos, emociones e incluso los aspectos sociales, las FC nos permiten apreciar realidades distintas que a su vez generan necesidades y comportamientos financieros distintos. Objetivo(s) de aprendizaje En el contexto mexicano caracterizado por una baja inclusión y penetración de los servicios financieros, las Finanzas conductuales tiene la capacidad de cambiar el cómo los bancos (y demás instituciones financieras) interactúan con sus clientes, al repensar los servicios que les ofrecen. Así mismo, las herramientas de las FC resultan claves para diseñar e implementar los empujones (nudges) necesarios para cambiar el comportamiento financiero de los mexicanos: aumentando su demanda por productos financieros formales, fortaleciendo sus capacidades financieras y generando hábitos que les permitan alcanzar salud financiera y con ello mayores niveles de bienestar. El objetivo del curso es que los asistentes conozcan los principios fundamentales de las Finanzas Conductuales e identifiquen los principales hallazgos de ésta en materia de sesgos cognitivos con miras a su aplicación para lograr una mayor inclusión y salud financiera de los mexicanos. Para esto se busca que los asistentes se familiaricen con las metodologías experimentales aplicadas cada vez con mayor frecuencia en el contexto financiero. Dirigido a: Profesionales en el sector financiero, miembros de instituciones públicas relacionadas con el sector, académicos y estudiantes, interesados en comprender las decisiones financieras bajo una nueva perspectiva. Así como aplicar métodos experimentales para eficientar el diseño de productos, estrategias comerciales y políticas públicas en la materia. Temario: El curso está dividido en 12 sesiones de dos horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 y 2: Introducción a las finanzas conductuales Posicionamiento frente a la economía tradicional (microeconomics + rationality); Posicionamiento frente a las ciencias sociales (economía, bio-psicología); Relevancia para diseño de productos y política pública; Aplicar cuestionario para saber en qué área trabajan los estudiantes (para desarrollar ejemplos) Sesión 3 y 4: Heurísticas y sesgos Introducción general (psicología) Cognitivos, emocionales, culturales Fomentar cambios de comportamiento (identificar comportamientos actuales, formular target (sesgo), estrategias (Nudging) Sesión 5 y 6: Experimentación Tipos de experimentos (controlado vs. natural, encuestas, A/B testing), causalidad, asignación aleatoria, condiciones experimentales, estímulos, between vs within subjects Sesión 7 y 8: Metodología cuantitativa Efectos directos, indirectos, mediation, moderation, estadística básica (ANOVA/regression) Sesión 9 y 10: Diseñar experimentos de finanzas conductuales Teoría de Cambio, validez, confidencialidad, ética, recopilar datos Sesión 11 y 12: Aplicar experimentación en las finanzas conductuales. Estudiantes desarrollan y presentan experimentos, discusión + recomendaciones. Profesores: Ana Laura Martínez Gutiérrez Coordinadora de la UCEx - Profesora Investigadora Ver el perfil completo Ana Laura Martínez Gutiérrez Paul Hindricks

Docente
Sesiones	martes, 04 may 2021 jueves, 06 may 2021 martes, 11 may 2021 jueves, 13 may 2021 martes, 18 may 2021 jueves, 20 may 2021 martes, 25 may 2021 jueves, 27 may 2021 martes, 01 jun 2021 jueves, 03 jun 2021 martes, 08 jun 2021 jueves, 10 jun 2021
Horario	6pm - 8 pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción La metodología se refiere al modo en que enfocamos los problemas y buscamos las respuestas; es la manera consciente que elegimos para pensar la realidad social y estudiarla. Los grupos focales, o grupos de discusión, se insertan dentro de la metodología cualitativa. De manera genérica, los métodos cualitativos buscan entender los fenómenos sociales desde la perspectiva de los actores que viven, protagonizan o experimentan dichos fenómenos. Asimismo, el enfoque cualitativo es holístico, es decir, se estudia a los individuos en relación al contexto que habitan. En particular, los grupos focales consisten en un grupo de discusión focalizado, conformado por personas que tienen alguna característica en común, y cuyo objetivo es ayudarnos a entender como estas personas opinan respecto a un tema de interés. El grupo focal permite identificar tendencias o patrones respecto a lo que un grupo en particular opinan respecto a un tema. Así, es una técnica de recolección de datos útil en diversos contextos: ayuda a pilotear programas sociales, permite evaluar políticas específicas con sus beneficiarios, es una herramienta de investigación útil y un método para hacer análisis de mercado. Este curso está diseñando en tres secciones. La primera sección ofrece una breve introducción a la metodología cualitativa y provee los fundamentos teóricos y prácticos de los grupos focales. En la segunda parte, los alumnos aprenden a diseñar cuestionarios para moderar un grupo focal en distintos contextos y propósitos, por ejemplo, investigación, evaluación de un producto, o sondeo de opiniones respecto a un tema controversial. Se realizaran al menos dos grupos focales, moderados por los propios estudiantes y posteriormente procederemos a su análisis. Este último bloque inicia con los fundamentos de transcripción y codificación necesarios para preparar los datos antes de ingresarlos a Atlas-ti, el software a utilizar. Debido a que el curso es en formato virtual, usaremos la versión gratuita del software por 4 sesiones y finalizaremos ayudando a los estudiantes a integrar un reporte tentativo de resultados a partir de los datos generados en los grupos focales. Objetivo(s) de aprendizaje Enseñar los fundamentos teóricos y aplicaciones de los grupos focales. Proveer a los alumnos de las herramientas necesarias para diseñar guion de discusión y planear el diseño del grupo focal. Proveer a los alumnos de las habilidades prácticas moderar un grupo focal en diversos contextos 9investigación, evaluación de programas, mercadeo). Enseñar el uso y aplicaciones de Atlas-ti en la administración, análisis y presentación de datos cualitativos. Dirigido a Este curso está dirigido a estudiantes de educación superior, investigadores, funcionarios públicos, miembros de organizaciones civiles y en general a personas interesadas en conocer y practicar esta técnica de recolección de datos. El contenido del curso es eminentemente práctico. Las profesoras expondrán los fundamentos y propósitos de los grupos focales en ejercicios adaptados a sus propios temas de interés. En las sesiones se realizarán ejercicios, en grupo e individuales, con la finalidad de entender y aplicar los conceptos aprendidos. No es necesario experiencia previa con grupos focales, aunque conocimiento básico de la metodología cualitativa es deseable. Temario El curso está dividido en doce sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1. Introducción a la Metodología cualitativa (Mayo 4). Conceptos básicos ¿De qué trata la metodología cualitativa? ¿Cómo se insertan los Grupos Focales dentro de la metodología cualitativa? ¿Recolectar o generar datos? Sesión 2. Introducción a los Grupos Focales (Mayo 6) ¿Qué son y para qué sirven los Grupos Focales? Tipos de grupos focales Rol del moderador Sesión 3. Preparación para la práctica (Mayo 11) Elección de tema Tipos de preguntas Diseño de guía para el grupo focal Sesión 4. Preparación para la práctica (Mayo 13) Retroalimentación y ajuste de diseño de guía para el grupo focal Consideraciones prácticas y éticas: rol de observadores y escribanos; dónde realizar el grupo, cómo recibir a los participantes, grupos focales en condiciones poco usuales Sesión 5. Práctica de grupo focal tipo 1 (Mayo 18) Realización del grupo focal Debriefing: identificación de tendencias; retroalimentación de observadores, escribanos y participantes Sesión 6. Práctica de grupo focal tipo 2 (Mayo 20) Realización del grupo focal Debriefing: identificación de tendencias; retroalimentación de observadores, escribanos y participantes Sesión 7. Preparación para el análisis (Mayo 25) Lineamientos de transcripción Fundamentos de codificación Sesión 8 Análisis en Atlas-ti (Junio 1) Revisión de transcripciones Introducción a Atlas-Ti Abrir proyecto, cargar documentos Sesión 9 Análisis en Atlas-ti (Junio 3) Codificación automática Codificación manual Búsquedas de información: palabras, códigos, co-ocurrencias, etc. Sesión 10 Análisis en Atlas-ti (Junio 8) Creación de visualizaciones Análisis preliminar Sesión 11. Análisis en Atlas-ti (Junio 10) ¿Cómo integras tus insumos? Análisis por roles Sesión 12. Integración de reporte de resultado Profesor(a) Dra. Mónica L. Jacobo Suarez y Mtra. Itzel Cabrero Iriberri

Docente	Ricardo Massa Roldán
Sesiones	martes, 04 may 2021 jueves, 06 may 2021 martes, 11 may 2021 jueves, 13 may 2021 martes, 18 may 2021 jueves, 20 may 2021 martes, 25 may 2021 jueves, 27 may 2021 martes, 01 jun 2021 jueves, 03 jun 2021 martes, 08 jun 2021 jueves, 10 jun 2021
Horario	5pm - 7pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Curso orientado a la compresión y aplicación de los modelos de series de tiempo multivariados en el ámbito de las ciencias sociales. Requiere de conocimientos previos de modelos de series de tiempo univariados. Como resultado de aprendizaje, el participante comprenderá y aplicará los modelos de series de tiempo de dos o más variables (VAR, SVAR, VECM y de la familia GARCH multivariadas) para la estimación, pronóstico y simulación del comportamiento de un conjunto de variables a través del tiempo. Objetivo(s) de aprendizaje Al finalizar el curso el alumno será capaz de construir, diagnosticar, identificar, estimar, pronosticar y simular el comportamiento presentado por dos o más variables de series de tiempo. Dirigido a El curso está diseñado para personas con familiariedad en la construcción de bases de datos y/o programación en R. Para su mayor aprovechamiento, se espera que el participante cuente con bases de Estadística Descriptiva, Probabilidad, Estadística Inferencial y Series de Tiempo Univariadas. Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Introducción a las series de tiempo multivariadas Conceptos de correlación y causalidad en sentido Granger Raíces unitarias en panel Sesión 2 Introducción a las series de tiempo multivariadas Construcción y estructura de datos panel Raíces unitarias en panel Sesión 3 Modelos de vectores autoregresivos (VAR) Estimación Sesión 4 Modelos de vectores autoregresivos (VAR) Funciones impulso respuesta Descomposición de varianza Raíces unitarias Sesión 5 Modelos de vectores autoregresivos (VAR) y estructurales (SVAR) Pruebas de diagnóstico modelos VAR Sesión 6 Modelos de vectores autoregresivos (VAR) y estructurales (SVAR) Modelos estructurales de vectores autoregresivos SVAR Estimación y descomposición estructural Sesión 7 Modelos de vectores de corrección de error (VECM) Concepto de cointegración Pruebas de cointegración I Sesión 8 Modelos de vectores de corrección de error (VECM) Pruebas de cointegración II Sesión 9 Modelos de vectores de corrección de error (VECM) Estimación Pruebas de diagnóstico modelos VECM Sesión 10 Modelos multivariados de heteroscedasticidad condicional Modelo VECH y VECH daigonal Modelo BEKK y BEKK diagonal Modelo CCC Sesión 11 Modelos multivariados de heteroscedasticidad condicional Estimación Pruebas de diagnóstico Sesión 12 Pronósticos y simulación de de modelos de series de tiempo multivariadas Modelos en media -Modelos en media y varianza Profesor(a) Ricardo Massa Roldán Catedrático CONACYT y Profesor Investigador, Coordinador de la Unidad de Simulación Ver el perfil completo Ricardo Massa Roldán

Docente
Sesiones	martes, 04 may 2021 jueves, 06 may 2021 martes, 11 may 2021 jueves, 13 may 2021 martes, 18 may 2021 jueves, 20 may 2021 martes, 25 may 2021 jueves, 27 may 2021 martes, 01 jun 2021 jueves, 03 jun 2021 martes, 08 jun 2021 jueves, 10 jun 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción La librería {shiny} es un paquete de R que nos permite realizar aplicaciones web interactivas a partir de utilizar funciones construidas en el lenguaje R. Pero, a diferencia de otros paquetes de este lenguaje de programación, shiny nos proveé de un marco de trabajo complejo que debe estudiarse y revisarse de manera detallada para poder acceder a todo su potencial. Esta librería nos permite trabajar sin la necesidad de aprender programación web, aprovechando todos los conocimientos y recursos de análisis y visualización que ya hayamos aprendido con R y Rstudio, lo cual lo hace muy práctico para muchos perfiles de analistas que deseen publicar su trabajo, generar herramientas de análisis o explorar ideas y que no tienen los recursos para contratar un programador, o que, por el contrario, deseén hacer estas herramientas por su cuenta. El presente curso tiene como objetivo el proporcionar a aquellos alumnos que estén interesados las herramientas para poder iniciar en la construcción de aplicaciones web con dicha librería, así como proporcionar consejos y recomendaciones para hacer esta travesía de aprendizaje lo más eficiente e indolora posible. Igualmente, este curso es un punto de partida hacia la programación web y a muchas de las tecnologías asociadas con esta, por lo que los conceptos acá aprendidos pueden ser de utilidad para aprender otro tipo de herramientas que fortalezcan su perfil laboral y también aumentar la cantidad de productos que puede realizar con su conocimiento del lenguaje de programación R. Objetivo(s) de aprendizaje Que los alumnos sepan qué es, para que sirve y por qué es importante shiny. Que los alumnos conozcan ejemplos de aplicaciones shiny y cómo ellos podrían construir sus propias aplicaciones. Introducir los conceptos de desarrollo web necesarios para poder construir una aplicación shiny. Que los alumnos aprendan visualización interactiva de datos. Que los alumnos entiendan todo el flujo de trabajo y las consideraciones que conlleva realizar una aplicación web desde cero. Introducir los conceptos de programación reactiva en R. 7.Que los alumnos tengan las herramientas para poder construir sus propias aplicaciones web en shiny. Introducir conceptos de programación reactiva en los estudiantes, para familiarizarlos con la literatura referente al tema y que les sea de utilidad al momento de trabajar con desarrolladores web. Dirigido a Estudiantes y profesionistas que tengan experiencia previa trabajando con el lenguaje de programación R y con Rstudio, que tengan interés en aumentar sus capacidades de visualización de datos. Profesionistas que trabajen en consultorías o en áreas de análisis de datos que deseén crear herramientas de análisis y visualización. Investigadores que deseén publicar los resultados de sus investigaciones de forma más dinámica e interactiva. Temario El curso está dividido en 12 sesiones, cada una de hora y media de duración. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 (4 de mayo, 2021). Introducción a shiny. ¿Qué es shiny? Concepto, importancia. Alternativas a la librería shiny en otros lenguajes de programación. Revisión de conceptos básicos Repaso del ejemplo base Revisión de la ruta de aprendizaje a seguir durante el curso. Sesión 2 (6 de mayo, 2021). Mi primera aplicación shiny. [Práctica] Sistema de archivos recomendado. Las partes de una aplicación shiny Preparación de la base de datos Análisis inicial Creación de la interfaz de usuario Introducción a la programación del Backend (server) de la aplicación. Sesión 3 (11 de mayo, 2021). Repaso de R y Rstudio. Repaso del tidyverse (manipulación de bases de datos). Archivos nativos de R (.r, .rds, .rproj y .rdata). Bucles y operadores de decisión Flujos de trabajo Git y Github Sesión 4 (13 de mayo, 2021). Layouts de la aplicación. Sidebar Layout Grid Layout FluidPage Sistema de 8 columnas Tabset Panels Navlists Navbar Pages Sesión 5 (18 de mayo, 2021). Programación reactiva El paradigma de la programación reactiva. La función server y sus componentes Definición de reactividad Contexto reactivo Gráficas de flujo Funciones render y output Sesión 6 (20 de mayo, 2021). Visualización de Datos Interactiva. ¿Qué es la visualización de datos interactiva? ¿Cuándo utilizar visualización interactiva y cuando visualización estática? Introducción al código HTML y CSS. Creación de gráficas con plotly. Creación de mapas con leaflet. Otras librerías para realizar visualización interactiva. [Ejercicio Práctico] Sesión 7 (25 de mayo, 2021). Diseño de la interfaz de usuario. Código HTML El framework Bootstrap Código CSS y el inspector HTML Tags HTML El texto dentro de Shiny Incorporando imágenes y video dentro de un shiny Incorporando video dentro de un shiny Incorporando código HTML dentro de un shiny Sesión 8 (27 de mayo, 2021). Controles. Repaso de los controles que se pueden utilizar en una aplicación shiny. Selectores Botones Sliders -Entradas de texto, numéricas y de fecha Sesión 9 (1 de junio, 2021). Flujo del trabajo de shiny. Captación de la información Análisis inicial Generación de los objetos a utilizar. Repartición y delegación del trabajo Publicación de la aplicación Correcciones de errores en el servidor Modificaciones y retroalimentación Mantenimiento Sesión 10 (3 de junio, 2021). Shinydashboard Componentes de la interfaz de usuario de un shinydashboard Header Sidebar Body Introducción de logos e imágenes En el título En la barra de encabezados [Práctica: Armado de una aplicación hecha en ShinyDashboard] Sesión 11 (8 de junio, 2021) y Sesión 12 (10 de junio, 2021). Práctica final sumativa. Elaboración de una aplicación shiny para visualizar información de indicadores a nivel municipal. Conformación de las bases de datos Diseño de la aplicación Análisis inicial Armado de la interfaz de usuario Creación del código que correrá en el servidor. Publicación de la aplicación. Conceptos a aprender después del presente curso. Profesor Juvenal Campos Ferreira Ver el perfil completo

Docente
Sesiones	martes, 01 jun 2021 jueves, 03 jun 2021 martes, 08 jun 2021 jueves, 10 jun 2021 martes, 15 jun 2021 jueves, 17 jun 2021 martes, 22 jun 2021 jueves, 24 jun 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción La comprensión de las experiencias de las personas y los contextos de los fenómenos sociales nos permite valorar si los objetivos de las intervenciones se están cumpliendo o, si al menos, están en el camino de cumplirse. Los desafíos al intentar solucionar los problemas sociales son muchos. Por un lado, es necesario saber si la solución de un problema se traduce de la forma prevista. Por otro lado, resulta relevante conocer y entender el fenómeno social en el que estamos tratando de incidir. Así, la observación estructurada se utiliza, cada vez más, como una estrategia de investigación que, desde los métodos mixtos, permite acceder e indagar a profundidad sobre la experiencia vivencial y los contextos en donde los fenómenos ocurren. Como método de obtención de información, la observación estructurada aporta datos detallados y rigurosos sobre el fenómeno que se explora, sobre todo en contextos, relaciones o experiencias complejas en donde el proxy de una entrevista o cuestionario necesita fortalecerse con datos de lo que realmente sucede. En este curso introductorio se busca interesar en el uso de observación estructurada como estrategia para contribuir al entendimiento de los fenómenos sociales y la resolución de los problemas públicos. Mediante el análisis y la reflexión del proceso de observación, pero también de la exploración rigurosa de los elementos fundamentales, este curso quiere ampliar el uso nacional de esta técnica en las distintas esferas de las ciencias sociales. Objetivo(s) de aprendizaje En este curso queremos involucrar a las y los participantes para: Desarrollar habilidades para diseñar y llevar a cabo observación estructurada pertinente y metodológicamente rigurosa. Construir y analizar herramientas prácticas para la obtención de datos con observación estructurada. Fortalecer el análisis de la compleja naturaleza de los problemas públicos desde su propio contexto y cómo la observación estructurada es una estrategia fundamental para entenderlos. Argumentar y defender sus análisis y sus hallazgos sobre los aspectos teóricos, metodológicos y empíricos de la observación. Dirigido a Este es un curso introductorio que busca interesar a todas las personas, con o sin experiencia en observación, en el diseño, análisis y uso de esta estrategia para el entendimiento de los desafíos sociales. Temario El curso está dividido en ocho sesiones, cada una de tres horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Observación y el método científico: ¿qué tienen que ver? Introducción: observación como método de investigación. La observación estructurada como herramienta de análisis Tipos de observación para diferentes propósitos y en contextos diversos. Ventajas y desventajas de observar. Sesión 2 Observación estructurada y la ética de observar a otros ¿Qué es la observación estructurada? ¿Cuándo es pertinente usarla?: valoración de la factibilidad. Fortalezas y limitaciones de observar sistemáticamente Consideraciones éticas relacionadas con observar a otros (procedimientos previos a observar) Sesión 3 ¿Qué voy a observar?: De los conceptos a los elementos observables Entender qué se quiere medir/observar (revisión de literatura e informantes clave) Desarrollar conceptos y dimensiones del objetivo de medición. Caracterizar la conducta: seleccionar y definir la conducta observable Identificar a quién observar, cuándo, en dónde y durante cuánto tiempo. Definir los ciclos de observación. Sesión 4 La pauta de observación como herramienta fundamental ¿Para qué un protocolo de observación? Elementos del protocolo Cómo se “califica” la conducta: intensidad, frecuencia, etc. Implicaciones de la escala Traducir lo cualitativo en cuantitativo, y de regreso. Sesión 5 Haciendo observación Programación de la observación Construyendo escalas de valoración Considerar reactividad: ¿qué puede salir mal? Ética en la observación Sesión 6 Entrenamiento de observadores y toma de notas Capacitar a un equipo de observación Acuerdo inter-observador Piloteo de los instrumentos Toma de notas ¿por qué es importante? Agotamiento quien observa Sesión 7 Ejercicios prácticos de observación Sesión 8 La observación para influir en las políticas públicas: Interpretación y presentación de resultados Del número a la historia: gráficas, “testimonios” visuales. Mensaje, audiencia y medios Ética en los resultados Profesoras Dra. Ana Razo (ana.razo@cide.edu) Mtra. Itzel Cabrero (itzel.cabrero@gmail.com)

Docente
Sesiones	martes, 01 jun 2021 jueves, 03 jun 2021 martes, 08 jun 2021 jueves, 10 jun 2021 martes, 15 jun 2021 jueves, 17 jun 2021 martes, 22 jun 2021 jueves, 24 jun 2021 martes, 29 jun 2021 jueves, 01 jul 2021 martes, 06 jul 2021 jueves, 08 jul 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción En este curso se estudiarán los conceptos básicos del machine learning y de su aplicación exitosa. Se estudiarán fundamentos de técnicas probadas como regresión, redes neuronales, árboles de decisión y técnicas de agregación de árboles como bosques aleatorios y boosting. Objetivo(s) de aprendizaje Se entenderán las ideas básicas para análisis predictivo desde el punto de vista de machine learning, incluyendo la construcción de modelos y su validación predictiva. Se entenderán los conceptos que hay detrás de técnicas probadas de machine learning, en qué casos funcionan, y cuáles son los elementos básicos necesarios para implementar exitosamente proyectos de machine learning. Dirigido a Personas que buscan una introducción a machine learning desde un punto de vista de principios básicos, que hayan tomado al menos un curso de probabilidad, y preferentemente tengan alguna experiencia en análisis de datos y regresión. Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Introducción a machine learning Aprendizaje supervisado y no supervisado Sesión 2 La tarea predictiva fundamental y su evaluación Desempeño de modelos predictivos en el contexto de un problema de decisión Sesión 3 Métodos basados en regresión vs métodos locales Sesión 4 Subajuste y sobreajuste Sesión 5 Ingeniería de entradas para modelos predictivos Sesión 6 Problemas de clasificación Tipos de error y evaluación Sesión 7 Probabilidad en problemas de clasificación Sesión 8 Introducción a redes neuronales Sesión 9 Ideas básicas para redes neuronales profundas Sesión 9 Árboles de decisión Sesión 10 Bosques aleatorios Sesión 11 Métodos de boosting para árboles Sesión 12 Discusión de otros métodos Implementación exitosa de proyectos de machine learning Profesor(a) Luis Felipe González Pérez

Docente	Salvador Vázquez Del Mercado
Sesiones	martes, 01 jun 2021 jueves, 03 jun 2021 martes, 08 jun 2021 jueves, 10 jun 2021 martes, 15 jun 2021 jueves, 17 jun 2021 martes, 22 jun 2021 jueves, 24 jun 2021 martes, 29 jun 2021 jueves, 01 jul 2021 martes, 06 jul 2021 jueves, 08 jul 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción El análisis de resultados de encuestas requiere de tomar en consideración la naturaleza probabilística de sus estimaciones, que depende a su vez del diseño de la muestra. En este curso, revisaremos varios métodos de diseño y análisis de encuestas que incorporan la información del diseño de la muestra. Además, revisaremos métodos para trabajar con muestras que no son probabilísticas y formas para trabajar con datos de encuestas que faciliten el uso de las etiquetas de preguntas y valores. Objetivo(s) de aprendizaje Este curso proveerá conocimientos sobre las técnicas de análisis de resultados de encuestas aplicados en R. Entre ellas, está el manejo y manipulación de datos etiquetados, la selección de muestras complejas, el cálculo de ponderadores y su uso para estimar las propiedades probabilísticas de los estimados. Dirigido a Estudiantes, investigadores, servidores públicos u otras personas interesadas en hacer investigación social. Importante: este curso requiere de conocimientos intermedios de manejo de datos con R. Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Encuestas y manejo de datos etiquetados Sesión 2 Probabilidad e incertidumbre en las encuestas Sesión 3 Pruebas de hipótesis Sesión 4 Muestreo 1 Sesión 5 Muestreo 2 Sesión 6 Ponderación Sesión 7 Posestratificación Sesión 8 Calibración Sesión 9 Modelos de datos con encuestas Sesión 10 Diseño y análisis de experimentos en encuestas Sesión 11 Encuestas no probabilísticas 1 Sesión 12 Encuestas no probabilísticas 2 Profesor(a) Salvador Vázquez Del Mercado Catedrático CONACYT y profesor investigador Ver el perfil completo Salvador Vázquez Del Mercado

Docente	Sebastián Garrido de Sierra
Sesiones	miércoles, 02 jun 2021 lunes, 07 jun 2021 miércoles, 09 jun 2021 lunes, 14 jun 2021 miércoles, 16 jun 2021 lunes, 21 jun 2021 miércoles, 23 jun 2021 lunes, 28 jun 2021 miércoles, 30 jun 2021 lunes, 05 jul 2021 miércoles, 07 jul 2021 lunes, 12 jul 2021
Horario	5:30 pm - 7:30 pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción Este curso está diseñado para toda persona que, sin importar su experiencia programando, quiera: Entender qué es y cómo usar R y RStudio Aprovechar el poder de R para manejar, transformar y extraer conocimiento de sus bases de datos usando los paquetes que integran el {tidyverse} Construir bases sólidas para continuar la secuencia de más de 15 cursos en R que ofrece la Escuela de Métodos del LNPP - CIDE. Al terminar este curso: Tendrás clara las características de R y RStudio, así como la lógica básica para programar en este lenguaje Conocerás cuáles son los tipos de variable y estructuras de datos más comunes en R Sabrás importar bases de datos desde diversas fuentes (e.g., disco duro local, servidor) y en diferentes formatos (e.g., .csv, .xlsx) Aprenderás a analizar tus datos usando los cinco verbos fundamentales de {dplyr}: filter( ) , select( ) , arrange( ), mutate( ) y summarise( ) Podrás unir bases de datos y transformar su estructura Contarás con las herramientas para lidiar con dos tipos de variables particularmente complejas: cadenas de texto y fechas Dirigido a Todo aquel interesado en introducirse al lenguaje de programación R. Uno de los lenguajes más utilizados para hacer ciencia de datos. Temario El curso está dividido en 12 sesiones, cada una de dos horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Introducción a R y Rstudio Las bases para usar R y Rstudio Sesión 2 Objetos, funciones y paquetes Sesión 3 Tipos de variables y tipos de estructuras de datos en R Sesión 4 Importar bases de datos a R usando {readr} y {readxl} Proyectos en RStudio Sesión 5 Manejar, transformar y analizar datos con {dplyr}, parte 1 Sesión 6 Manejar, transformar y analizar datos con {dplyr}, parte 2 Sesión 7 Manejar, transformar y analizar datos con {dplyr}, parte 3 Sesión 8 Manejar, transformar y analizar datos con {dplyr}, parte 4 Sesión 9 Unión de bases de datos con {dplyr} Sesión 10 Transformar la estructura de una base de datos con {tidyr} Sesión 11 Cadenas de texto con {stringr} Sesión 12 Fechas y fechas-tiempo con {lubridate}w Pofesor(a) Sebastián Garrido De Sierra Catedrático CONACYT y Profesor Investigador, Coordinador de la Unidad Ciencia de Datos Ver el perfil completo Sebastián Garrido De Sierra

Docente
Sesiones	martes, 15 jun 2021 jueves, 17 jun 2021 martes, 22 jun 2021 jueves, 24 jun 2021 martes, 29 jun 2021 jueves, 01 jul 2021 martes, 06 jul 2021 jueves, 08 jul 2021 martes, 13 jul 2021 jueves, 15 jul 2021 martes, 20 jul 2021 jueves, 22 jul 2021
Horario	6pm - 8pm
Sede	Online
Precio regular	5000.00 MXN
Temario	Introducción La comprensión de las problemáticas sociales enfrenta la paradoja de una mayor complejidad en sus temáticas y una mayor especialización en quienes la buscan entender. La inteligencia colectiva se ha dedicado a estudiar diversas estrategias para aprovechar la información que poseen diversos individuos respecto a un tema en común, favoreciendo el intercambio de conocimiento y maximizando los recursos en su interacción. Este curso busca introducir a los alumnos a diversas técnicas para diseñar estrategias de investigación e interacción en grupos de personas para ganar comprensión de temáticas complejas. El curso presentará los aspectos teóricos y prácticos fundamentales para el diseño de ejercicios de grupo que permitan obtener los mayores beneficios de la inteligencia colectiva. Las alumnas y los alumnos aprenderán: el paso a paso de diversas técnicas metodológicas, así como cuáles son los principales sesgos de comportamiento en las dinámicas grupales y cómo evitarlos. Objetivo(s) de aprendizaje El objetivo general del curso es ofrecer una panorámica de diversas técnicas participativas y de inteligencia colectiva para utilizarse con grupos de personas, con la intención de que los alumnos conozcan distintos métodos, su alcance y los principales usos que han tenido. De forma específica se busca que aprendan: ¿Cuándo es conveniente emplear cada técnica? ¿Qué características deben tener las dinámicas participativas de acuerdo con el método seleccionado y con los sesgos de grupo? ¿Qué productos se obtienen de ellas? Así como los distintos requisitos y roles asociados a su implementación. Dirigido a El curso está diseñado para personas interesadas en utilizar técnicas grupales para el análisis de situaciones complejas y que deseen aprender herramientas que dan rigor a las estrategias de inteligencia colectiva en la investigación y para la toma de decisiones. Este curso no cuenta con ningún prerrequisito. Temario El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión: Sesión 1 Introducción a los principios de la inteligencia colectiva y la administración interactiva. Sesión 2 Avances en el estudio del comportamiento de grupos Sesgos del comportamiento grupal Sesión 3 Elementos relevantes del diseño de investigación. Sesión 4 Identificación de participantes Análisis de actores Sesión 5 Consulta a expertos. Panorama de enfoques cualitativos y cuantitativos. Sesión 6 Diseño de talleres participativos (Parte 1) Sesión 7 Diseño de talleres participativos (Parte 2) Sesión 8 Cartografía social. Sesión 9 Método Q. Sesión 10 Modelación colaborativa. Sesión 11 Herramientas, diseño y conducción de ejercicios en línea. Sesión 12 Aspectos fundamentales de la facilitación. Profesor(a) Alejandra Núñez Aguilar Investigadora Ver el perfil completo Alejandra Núñez Aguilar