FAMA: Curso de Fundamentos de Matlab para el Análisis Económico

La Fundación para el Avance de las Matemáticas (FAMA) presenta su Curso de Fundamentos de Matlab para el Análisis Económico

DESCRIPCIÓN 

El curso se divide en dos partes: una primera parte donde se realiza una introducción aplicada al uso de Matlab, en esta se desarrollan los conceptos básicos y se utilizan distintas herramientas para el análisis estadístico; en la segunda parte, que inicia en la quinta sección del curso, se desarrollan elementos de programación como las estructuras y bucles, continuado con la introducción al uso de funciones y paquetes especiales para el análisis de datos en Matlab.

El curso se impartirá en 7 clases de cuatro horas cada una.

HORARIO: sábados de 9 am a 1:00 pm.

INICIO: 28 de enero de 2017

OBJETIVOS

1.     Aprender los aspectos básicos del Software Matlab, orientado al análisis estadístico-económico.

2.     Entender el uso de bucles y funciones, orientado al análisis aplicado.

3.     Orientar la instalación y manejo de paquetes especiales y funciones de terceros, para el análisis económico avanzado.

CONTENIDO DEL CURSO

1. El ambiente Matlab

-        Interfaz

-        Directorio de trabajo

-        Sintaxis y comandos iniciales

-        Lectura de datos

-        Tipos de objeto

-        Expresiones: variables, números y operadores

-        Presentación de resultados

2. Matrices y operaciones

-        Generando vectores y matrices

-        Operaciones con matrices

-        Indexación

-        Operadores e indexación

-        Correlación y covarianza

-        Operaciones vectorizadas (Colom operador)

3. Introducción al análisis exploratorio

-        El histograma

-        Medidas de posición

-        Medidas de dispersión

-        Descripción conjunta de dos variables: varianza-covarianza y correlación

-        Percentiles y rango intercuartílico

-        Medidas de forma: asimetría y curtosis

4. Análisis gráfico

-        Gráficos básicos (barra, línea, box-plot, dispersión)

-        Elementos de un gráfico: leyenda, etiquetas, ejes…

-        Combinando gráficos (subplot)

-        Otros gráficos (qq-plot)

5.  Estructuras de control y de repetición (bucles)

-        Script

-        Condicionales, if

-        For

-        While

-        Contadores

-        loops whit conditionals

-        Bucles anidados

6. Funciones

-        Introducción teórica

-        Crear funciones

-        Guardar funciones

-        Argumentos de entrada y salida

-        Del directorio al path: cargar paquetes especiales (LaSage)

METODOLOGÍA 

El curso se desarrollará en 6 partes elementales y progresivas, en el sentido que cada parte requiere del conocimiento de las partes anteriores. El proceso de aprendizaje será aplicado, tras una breve explicación teórica y la presentación de ejemplos prácticos, se desarrollarán ejercicios aplicados en el aula. Dichos ejercicios, deberán ser complementados con otros ejercicios aplicados que serán desarrollados en la casa por los propios estudiantes, luego de cada clase. Cada tarea, buscará repasar y profundizar en los conocimientos adquiridos en el aula. (El curso requiere que los estudiantes tengan Matlab instalado).

TEXTOS DE REFERENCIA

·       Corcuera, Pedro. Gráficos en Matlab. Departamento de Matemática Aplicada y Ciencias de la Computación. Universidad de Cantabria.

·       Madoz, Agueda & Etxeberria, Paulina (2015). Notes on Matlab. University of the Basque Country, UPV/EHU.

·       MathWorks (2014).  Learning MATLAB. United States.

·       More, Holly. Matlab para ingenieros. Salt Lake Community College. Pearson, Prentice Hall.

·       Raúl, Exequiel (2011). Taller Matlab 1. Instituto de Economía. Pontificia Universidad Católica de Chile.

INSTRUCTOR: Nerys Ramírez Mordán

Formación Académica:

2015. Maestría en Banca y Finanzas Cuantitativas. Universidad del País Vasco.

2011. Licenciado en Economía. Universidad Autónoma de Santo Domingo (UASD)

Experiencia Laboral:

(2016-actual). Profesor de Método y Técnica de la Investigación, UASD

 (2015-actual). Analista de Estudios Especiales. Oficina Nacional de Estadística, ONE

 (2012-2013). Analista de Metodología económica. Oficina Nacional de Estadística, ONE

(2010-2012). Analista de datos. AAA Dominicana.

(2010) Analista de datos cuantitativos. MKT Consulting

INFORMACION ADICIONAL: Patricia Mota (809) 534-8074. Email: org.fama@yahoo.com

Reforma impositiva a favor del crecimiento

[Escrito el 23 de diciembre de 2016]

El presidente electo Donald Trump quiere acelerar el crecimiento económico de los Estados Unidos. La disminución de la tasa del impuesto sobre la renta de las empresas es una de las medidas que ejecutará para estimular el crecimiento de las actividades productivas.

Trump prometió reducir de 35% a 15% la tasa del impuesto que grava las rentas corporativas. Esa medida elevará el flujo libre de efectivo de los negocios, estimulando la inversión y la expansión de la capacidad de producción de la economía estadounidense.

La reforma del impuesto sobre la renta incluiría la eliminación de algunos gastos deducibles. En particular se ha señalado que se eliminará la deducción de los gastos por intereses de la renta generada por el negocio. Esto significa que las empresas ya no tendrán un incentivo tributario que le estimule a aumentar el apalancamiento de sus operaciones.

La propuesta de Trump también permitiría la deducción inmediata del gasto de capital que realice la empresa. Esto significa que, en vez de deducir esa suma durante varios períodos fiscales a través del gasto de depreciación anual, lo hará en el mismo año fiscal en que se ejecute la inversión. Esto estimulará el aumento de la capacidad productiva, elevando la demanda agregada.

A partir de enero se tendrá mayor información sobre la reforma tributaria de Trump. Si se ejecuta una que promueva el crecimiento económico, la República Dominicana se beneficiaría de ese mejor desempeño.   

Persiguiendo el delito financiero

[Escrito el 22 de diciembre de 2016]

La República Dominicana fortalece su capacidad de perseguir el delito financiero. El Superintendente de Bancos, Luis Armando Asunción, el Procurador General de la República, Jean Alain Rodríguez y la fiscal del Distrito Nacional, Jenny Berenice Reynoso, anunciaron la creación de un organismo especializado en perseguir el delito financiero.

La Unidad de Investigación de Delitos Financieros operará en la sede de la Fiscalía del Distrito Nacional. Su objetivo es perseguir y procesar a las personas, físicas y jurídicas, que violen la legislación monetaria y bancaria, en especial aquellas que realizan operaciones ilegales de intermediación bancaria.

El Superintendente de Bancos ha señalado en diversas ocasiones que el público sólo debe depositar sus recursos en las entidades aprobadas como intermediarios financieros y supervisadas por las autoridades monetarias. Esto asegura a los agentes económicos que la receptora de sus depósitos tiene la obligación de adoptar medidas que minimicen sus riesgos de crédito, de liquidez y de mercado. Y, en caso de que suceda una intervención y liquidación, se les asegura la devolución de hasta 500 mil pesos por cuenta de depósito.

El organismo contra el delito financiero recién creado también reducirá el riesgo operativo. Ese es el que se origina cuando directivos o empleados de una entidad de intermediación financiera llevan a cabo actividades fraudulentas que pongan en peligro su solvencia.

Pienso, al igual que la Asociación de Banco Comerciales, que esa Unidad de Investigación de Delitos Financieros fortalecerá aún más la credibilidad en el sistema financiero dominicano. 

Orientaciones de política del Banco Mundial

[Escrito el 21 de diciembre de 2016]

El Banco Mundial ha preparado unas Notas de Política para la República Dominicana, cuyo objetivo es promover acciones que se traduzcan en un mayor nivel de bienestar para toda la población.

El organismo internacional afirma que una mayor inclusión productiva permitiría un mejor aprovechamiento del crecimiento económico. Para alcanzar ese objetivo es indispensable aumentar la oferta y calidad del capital humano. El resultado de la prueba PISA, en la que el país quedó en el último lugar en ciencias y matemáticas, revela la importancia de que mejore la oferta educativa.

El diseño de incentivos para aumentar la productividad y competencia es otra recomendación del Banco Mundial. La competencia estimula el uso eficiente del capital y la mano de obra, elevándose la productividad y la competitividad de las actividades económicas.

El aumento del nivel y calidad del gasto público, en particular el social y en infraestructura,  es clave para elevar la capacidad de la población para generar ingresos. Para alcanzar esto se requiere de una mayor presión tributaria, pues el 14% que actualmente se recauda no es suficiente para financiar el gasto sin que sea necesario aumentar sostenidamente la deuda pública.

Por último, pero no menos importante, el Banco Mundial afirma que es preciso adoptar medidas que se traduzcan en una mayor resiliencia y mejor manejo de los recursos naturales. Esto cobra una gran importancia si se toma en consideración que el país está sobre la trayectoria de los huracanes que se originan en el Océano Atlántico.

Para mí esas Notas de Política constituyen un gran aporte al debate nacional. Felicitaciones al Banco Mundial. 

Tasas impositivas y precios de transferencias

[Escrito el 20 de diciembre de 2016]

Irlanda y Apple se enfrentan a la Comisión Europea por una suma que puede llegar a los 13 mil millones de euros por concepto de impuestos dejados de pagar entre 2003 y 2013.

Irlanda tiene un sistema impositivo que atrae a su territorio a empresas extranjeras. Específicamente, la tasa del impuesto sobre la renta es de 12.5, nivel considerablemente más bajo que el resto de los países europeos o que los Estados Unidos, donde por lo general supera el 25%. La diferencia se agranda si se toma en consideración la existencia de incentivos estatales que llevan a empresas, como Apple, a pagar menos del 1% de impuesto sobre la renta en Irlanda.

La diferencia de tasas impositivas promueve la práctica de precios de transferencia. Esto consistente en establecer precios en cada país de manera que los beneficios de las multinacionales se queden en el territorio con menor tasa de impuesto sobre la renta.

El presidente electo Donald Trump ha señalado que reducirá la tasa de impuesto sobre la renta en los Estados Unidos de un 35% a un 15%. Esto estimulará que muchas empresas estadounidenses facturen a sus filiales en el extranjero a mayores precios con el objetivo de dejar la mayor parte de sus beneficios en los Estados Unidos.

El uso más activo de los precios de transferencia debe ser tomado en consideración por la Dirección General de Impuestos Internos para evitar que recursos que deberían recaudarse en el país se queden en los bolsillos de las multinacionales. 

La irracionalidad del ser humano

[Escrito el 19 de diciembre de 2016]

Los animales matan a otros animales para comer. Así se establece en la cadena alimenticia. Lamentablemente, el ser humano mata a otros seres humanos sin necesidad, provocando un deterioro del nivel de bienestar.

La ambición, el deseo ilimitado de poder y riquezas, son factores que provocan conflictos entre las personas. Las guerras, desde la antigüedad hasta el presente, se originan por el deseo enfermizo de acumular riquezas, agravado por la excitación que provoca dominar a otras personas.

Hoy, dos acontecimientos validan la irracionalidad del ser humano.

Un policía turco, de apenas 22 años, asesinó a tiros a Andrei Karlov, el embajador ruso en Turquía. Ese hombre se encontraba pronunciando un discurso que inauguraba una exposición fotográfica en Ankara. Justo después de cometer el asesinato, el terrorista turco gritó: “Alepo, venganza.” Esto demuestra que ese evento se desprende del atroz genocidio que se ha cometido contra la población de Alepo en Siria. Las fotos de niños ensangrentados, vivos y muertos, en esa ciudad hacen llorar.

El segundo acontecimiento que demuestra la irracionalidad del ser humano ocurrió en Alemania. Un chofer de un camión con matrícula polaca arrolló a los visitantes de un mercado navideño en Berlín. El resultado de esa terrible acción es el fallecimiento de nueve personas y más de cincuenta heridos. Las autoridades alemanas piensan que ese hecho puede ser un acto terrorista, pues el conductor se fugó.

No cabe duda de que el ser humano es irracional. Es una pena que no utilice su inteligencia, el 100% del tiempo, para crear bienestar. 

Regulación, supervisión y seguridad financiera

[Escrito el 16 de diciembre de 2016]

La Superintendencia de Bancos es el organismo encargado de supervisar el sistema financiero dominicano. De acuerdo al Fondo Monetario Internacional, la supervisión basada en riesgos financieros se ha traducido en una banca solvente, líquida y rentable.

Lamentablemente, hay personas que se dejan engañar por entidades que no son intermediarios financieros y que captan recursos directamente del público. Los agentes económicos deben entender que si esas entidades no han sido autorizadas a operar por la Junta Monetaria no son supervisadas por la Superintendencia de Bancos. Y deben tener en cuenta que sus ahorros no son protegidos por la legislación vigente.

Luis Armando Asunción, Superintendente de Bancos, ha señalado que su trabajo es el de proteger los recursos de los depositantes de las instituciones financieras reguladas. Esto me lleva a recomendar a todos los depositantes que solo coloquen sus recursos en las entidades financieras que están registradas en la Superintendencia. Para saber cuáles son basta con entrar a la página web de esa entidad supervisora. (www.sb.gob.do)

A través de Prousuario de la Superintendencia de Bancos se protege a los usuarios de los servicios financieros. Cada año se logra que los intermediarios financieros devuelvan recursos a los clientes, lo cual eleva su bienestar.

Además, la Superintendencia ha logrado liquidar activos de instituciones quebradas en los años ochenta y noventa, lo cual ha permitido a numerosos depositantes recobrar cuantiosos recursos. Una acción que fortalece la confianza en el sistema financiero dominicano. 

Reacción al apriete monetario

[Escrito el 15 de diciembre de 2016]

La Reserva Federal apretó la llave monetaria. Janet Yellen, la presidenta del organismo emisor de los Estados Unidos, anunció ayer que la tasa de interés de los fondos federales se incrementó en 25 puntos porcentuales, colocándose entre 0.5% y 0.75%. Además, se insinuó que en 2017 la tasa de interés subiría más rápidamente, dado el buen desempeño del mercado laboral y el comportamiento ascendente de la tasa de inflación.

La reacción inmediata al apriete monetario fue el descenso de los indicadores bursátiles. El Dow Jones se redujo el miércoles 14 de diciembre en 119 puntos, equivalente a un 0.6%, tan pronto se supo la noticia del incremento de la tasa de interés.

Ese mal desempeño fue efímero. Hoy jueves el mercado rebotó, pues los agentes económicos interpretaron que la decisión de la Reserva Federal refleja una mejoría en la economía estadounidense, lo cual favorece el aumento del precio de las acciones. El Dow Jones avanzó en 68 puntos, equivalente a un 0.3%. Las acciones de los bancos fueron las que mayores ganancias registraron.

El aumento de las tasas de interés también provocó la apreciación del dólar. El nivel alcanzado por esa moneda es el más alto en los últimos 14 años, lo cual se traduce en una pérdida de competitividad frente a China y Europa.

Por otra parte, los precios de los bonos siguen cayendo debido a la relación inversa entre la tasa de interés y el valor presente del flujo de efectivo que producirán esos bonos en un plazo determinado. Eso tenderá a elevar las tasas de interés que deberán pagar los países emergentes cuando emitan bonos soberanos. La República Dominicana debe estar muy atenta a la política monetaria de los Estados Unidos. 

Lecciones para mejorar la calidad educativa

[Escrito el 13 de diciembre de 2016]

A partir de los resultados de la prueba PISA se pueden obtener lecciones para mejorar la calidad del sistema educativo de la República Dominicana.

En los países más pobres hay que aumentar la inversión en educación por estudiante. Entre los países evaluados en la prueba PISA, la República Dominicana se encuentra entre los que tienen menor inversión por estudiante. Esa situación se agrava si se toma en consideración que, de acuerdo a una gráfica publicada en la revista The Economist que relaciona el puntaje PISA con la inversión en educación, República Dominicana pudo haber obtenido un mejor resultado en esa evaluación,  dado el nivel de inversión en educación por estudiante.

La desventaja económica del hogar influye sobre el desempeño de los estudiantes. Los estudiantes de hogares pobres obtienen calificaciones más bajas. Pero esa realidad se puede amortiguar con programas sociales que ayuden a los estudiantes pobres.

Mejorar la calidad del maestro y un buen currículo son elementos indispensables para elevar el desempeño de los estudiantes. Maestros que enseñen mejor matemática y ciencias lograrán estudiantes con mejor preparación para ser más exitosos académicamente y con mayor capacidad de obtener ingresos más elevados en su vida adulta. Esto reducirá la pobreza.

La disciplina en el aula ayuda a mejorar el aprendizaje. Asimismo, la mayor cantidad de tiempo de enseñanza eleva el nivel de absorción de conocimientos.

Los maestros deben enfocarse en ayudar a los estudiantes que se están quedando rezagados. Esto ayudará a que mejore la sociedad en su conjunto y disminuya la desigualdad de ingresos. 

Singapur y Dominicana en la prueba PISA

[Escrito el 12 de diciembre de 2016]

La República Dominicana registró un mal desempeño en el Programa Internacional para la Evaluación de Estudiantes (PISA, por sus siglas en inglés). Esa prueba estandarizada, que se aplica cada tres años a estudiantes de 15 años, evalúa la competencia en ciencias, lectura comprensiva y matemáticas. 

El promedio de los países de la OCDE para cada materia es de 490 puntos.  Si un país obtiene 30 puntos por encima del promedio se dice que completa un año adicional de escolaridad. Singapur logró alcanzar la primera posición en las tres materias. En matemáticas los estudiantes de esa ciudad-estado lograron un promedio de 564, equivalente a 2.5 años de escolaridad por encima del promedio de los países desarrollados.

La República Dominicana quedó en el último lugar en matemáticas y ciencias, y en la quinta peor posición en lectura comprensiva. El puntaje promedio de matemáticas de los estudiantes dominicanos fue de 328, equivalente a 5.4 años de escolaridad por debajo del promedio de los países desarrollados. En ciencias, el resultado nacional fue de 332 puntos y en lectura comprensiva se alcanzó un promedio de 358 puntos.

Esos resultados constituyen un reto para las autoridades dominicanas. De otros países se puede aprender cuál es el conjunto de políticas educativas que mejor resultado tienen.

Singapur es un buen ejemplo. En 1960 la diferencia de ingresos per cápita a favor de Singapur con relación a la República Dominicana era de 2,112 dólares, expresados en dólares de 2010. En 2015, la diferencia del ingreso per cápita fue de 45,361 dólares. La distancia entre esos ingresos es un reflejo de la diferencia de la calidad del sistema educativo. Aprendamos de Singapur. 

FAMA: Diplomado en Ciencia de los Datos con R

La Fundación para el Avance de las Matemáticas (FAMA) presenta su Diplomado en Ciencia de los Datos con R

DESCRIPCION 

La ciencia de los datos (Data Science por su nombre en inglés) se refiere al conjunto de técnicas estadísticas a utilizar para el entendimiento y posterior modelaje de sets de datos complejos. Es un área de estudio relativamente nueva en el área de Estadísticas, junto con el desarrollo de la computación, en particular, el aprendizaje automático (machine learning en inglés). Con la nueva tendencia de problemas con “Big Data”, la ciencia de los datos se ha vuelto un área importante en la toma de decisiones en ciencias como el mercadeo, finanzas, entre otros. Por esta razón, profesionales con conocimientos de estas herramientas son cada vez más demandados en el ámbito laboral.

El diplomado estará divido en tres módulos: Introducción a la utilización del software R, Métodos de Aprendizaje sin Supervisión y Métodos de Aprendizaje Estadístico con Supervisión.

Cada módulo será de 7 clases de tres horas cada una. 

HORARIO: Martes de 7:00 a 10:00 pm. 

INICIO: 17 de enero de 2017

OBJETIVOS

1.     Conocer los distintos tipos de datos existentes y cómo analizar cada tipo.

2.     Conocer distintos métodos de procesar datos antes de analizarlos.

3.     Aprender técnicas de división de datos y muestreo útiles para modelaje.

4.     Entender diferentes técnicas de regresión utilizadas para predecir.

5.     Aprender métodos de modelaje para clasificación.

6.     Aprender a modelar utilizando el software R.

CONTENIDOS

Módulo I: Programación en R.

I.                 Introducción a R.

a.      ¿Qué es R?

b.      Instalación de R y RStudio.

c.      Lenguaje de Programación de R.

d.      Importancia de los Paquetes.

e.      Tipos de Objetos.

f.       Tipos de Formatos.

II.                Ingreso, Manejo y Exportación de Datos.

a.      Lectura de Datos.

b.      Limpieza de Datos.

c.      Funciones Condicionales.

d.      Acceso a variables dentro de un data frame.

e.      Acceso y creación de submuestras de datos.

f.       Combinación de dos data frames con identificador común.

g.      ¿Cómo exportar datos?

h.      Formato para variables categóricas.

III.              Funciones Simples.

a.      La función apply y sus variaciones.

b.      La función summary.

c.      La función table.

IV.              Introducción a Herramientas Básicas de Gráficos.

a.      La función plot.

b.      Símbolos, Colores y Tamaños dentro de los gráficos.

c.      Múltiples objetos en un mismo gráfico.

d.      Diagramas de Pastel (Pie Charts).

e.      Gráficos de Barras (Bar Charts).

f.       Gráficos de Puntos (Boxplots y Dotplots).

V.               Análisis Exploratorio de los Datos.

a.      Ordenar variables y observaciones.

b.      Estadísticas Descriptivas.

c.      Distribución de Probabilidad de los Datos.

d.      Detección de Observaciones Influenciales.

e.      Detección de Observaciones Atípicas.

VI.              Tópicos Avanzados.

a.      Repetición Códigos automáticamente (Loops).

b.      Introducción a Funciones.

c.      La Covarianza.

d.      El Coeficiente de Correlación.

e.      El Coeficiente de Determinación.

Módulo II: Aprendizaje Estadístico Supervisado.

VII.            Introducción al Aprendizaje Estadístico.

a.      ¿Qué es el aprendizaje estadístico?

b.      Trade-Off entre Precisión de la Predicción e Interpretabilidad.

c.      Precisión de Modelos de Regresión.

d.      Precisión de Modelos de Clasificación.

VIII.           Métodos de Remuestreo.

a.      Validación Curzada (Cross Validation) y su importancia.

b.      Bootstrapping.

IX.              Regresión Lineal.

a.      Regresión Lineal Simple.

b.      Regresión Lineal Múltiple.

c.      Información Cualitativa en Modelos de Regresión Lineal.

d.      Extensiones del Modelo de Regresión Lineal.

e.      Problemas Potenciales del Modelo de Regresión Lineal.

X.                Selección de Modelos Lineales y Regularización.

a.      Métodos de selección de variables explicativas.

b.      Técnicas de Regularización.

c.      Consideraciones en Análisis con Alta Dimensionalidad.

XI.              Árboles de Regresión y Modelos Basados en Reglas.

a.      Árboles de Regresión y Clasificación (Regression and Classification Trees).

b.      Métodos de Agregación de Árboles de Regresión (Bagging and Boosting).

c.      Bosques Aleatorios (Random Forests).

d.      Análisis Discriminantes Lineal y Cuadrático.

XII.             Modelos de Regresión No Lineales.

a.      KNN (K-Nearest Neighbor).

b.      Máquinas de Vectores de Soporte (Support Vector Machine).

Módulo III: Aprendizaje Estadístico No Supervisado.

XIII.           Análisis de Componentes Principales (Principal Component Analysis).

a.      El reto del Aprendizaje Estadístico No Supervisado.

b.      Introducción a Componentes Principales.

c.      Matriz de Covarianzas vs. Matriz de Correlaciones.

d.      Número Óptimo de componentes.

e.      Cálculo valores componentes.

f.       Gráfico de dos componentes.

XIV.           Análisis de Agregación (Cluster Analysis).

a.      Introducción.

b.      Agregación por Jerarquías.

c.      Agregación por K-Means.

d.      Agregación basado en Modelos.

e.      Visualización Gráfica Resultados Clustering.

XV.            Redes Neuronales.

a.      Introducción.

b.      Ajuste de las Redes Neuronales.

c.      Problemas Comunes en Redes Neuronales.

XVI.           Introducción a Minería de Textos (Text Mining).

a.      Introducción.

b.      Tareas Comunes de Preprocesamiento de Datos para Minería de Textos.

c.      Palabras Relevantes vs. Acompañantes.

d.      Derivados de Palabras.

e.      Aplicaciones de la Minería de Textos.

METODOLOGÍA 

De manera de que los estudiantes adquieran las herramientas necesarias, la clase será lo más aplicada posible. El instructor iniciará explicando teóricamente el tema a tratar y luego trabajará en clases con los estudiantes a través de códigos pre-escritos en R para que, de esta manera, luego de la culminación del diplomado, el estudiante pueda aplicar todo lo visto de manera inmediata. Por esta razón, es imprescindible que los estudiantes asistan a cada clase con su computador portátil.

TEXTOS DE REFERENCIA

·        James, Gareth et al. An Introduction to Statistical Learning with Applications in R. Springer, 2013.

·        Hastie, Trevor et al. The Elements of Statistical Learning – Data Mining, Inference and Prediction. Springer, 2009.

·        Clarke, Bertrand et al. Principles and Theory for Data Mining and Machine Learning. Springer. 2009.

·        Kuhn, Max y Johnson, Kjell. Applied Predictive Modeling. Springer. 2013.

·        Kleiber, Christian y Zeileis, Achim. Applied Econometrics using R. Springer. 2008.

·     Griffiths, W. E., Hill, C., y Lim, G. C. Principles of Econometrics. 4^th Edition. United States of America: John Wiley & Sons, 2011.

·        Pathak, Manas. Beginning Data Science with R. 1^st Edition. Springer. 2014.

·        Zuur, Alain et al. A Beginner’s Guide to R. 1^st Edition. Springer. 2009.

INSTRUCTOR: JOSÉ TAMBURINI

Formación Académica:

En 2012 obtuvo su título de Licenciado en Economía (Summa Cum Laude) en la Pontificia Universidad Católica Madre y Maestra (PUCMM).

En 2014 se gradúo del Instituto Tecnológico de Rochester (RIT) obteniendo un Master of Science en Estadísticas Aplicadas con Concentración en Data Mining and Machine Learning.

Experiencia Laboral:

Entre 2012 y 2013 ocupó el cargo de analista de Planificación Financiera en Grupo Ramos. Actualmente, se desempeña como Técnico Asesor de Negociaciones de las Reservas Internacionales en el Banco Central de la República Dominicana.

Desde 2015, se ha desempeñado como profesor de Econometría, Estadísticas y Métodos Cuantitativos en PUCMM.


INFORMACION ADICIONAL: Patricia Mota, (809) 534-8074. email, org.fama@yahoo.com