Diplomado en Análisis Espacial de Datos

Descripción del Diplomado.

El Diplomado en Análisis Espacial de Datos es un programa académico innovador de la Facultad de Arquitectura y Urbanismo de la Universidad de Chile. Su objetivo es proporcionar conocimientos y técnicas avanzadas de la Ciencia de Datos Espaciales para abordar problemáticas contemporáneas en diversas escalas espacio-temporales y de magnitudes variadas, tanto en instituciones públicas como privadas. Este enfoque promueve la comprensión de los fenómenos espaciales y la visualización de sus causas y efectos.

A nivel mundial, el análisis de datos espaciales se ha convertido en un tema de discusión masiva debido a sus profundas implicancias en la sociedad y su aplicación en diversos fenómenos. Sin embargo, el informe "The State of Spatial Data Science 2023" indica que solo el 30% de los equipos profesionales tienen experiencia en ciencia de datos espaciales. Además, el 57% de las organizaciones encuentran dificultades para contratar especialistas en este campo.

Para abordar estos desafíos, el Diplomado en Análisis de Datos Espaciales ofrece una especialización que aprovecha las nuevas fuentes de información masiva de datos geolocalizados. Se enfoca en el uso de tecnologías de código abierto, herramientas de programación y conceptos avanzados de estadística y econometría espacial para analizar datos geoespaciales con diferentes niveles de detalle y resolución temporal. Esto permite generar insights profundos que apoyen la toma de decisiones.

El programa cuenta con una estructura curricular basada en módulos y objetivos de aprendizaje. Su metodología completamente en línea brinda una formación uniforme en programación y manejo de tecnologías de código abierto como R, Python, QGIS y GeoDa. Además, se centra en conceptos, procedimientos y herramientas fundamentales para el análisis estadístico y económico en el ámbito espacial.

Objetivo general del programa.

Actualizar a profesionales en los últimos avances en conceptos, programas de código abierto y herramientas derivadas de la estadística y la econometría espacial. Esto les permitirá describir, comprender, analizar y visualizar fenómenos en diversas escalas espacio-temporales, haciendo uso de datos geolocalizados y fuentes de información emergentes

Objetivos específicos

• Desarrollar competencias de programación a nivel intermedio en R y Python.

• Comprender la visualización y medición de efectos espaciales.

• Utilizar software especializados para Análisis Visual y Descriptivo Espacial (AVDE).

• Conocer y aplicar los conceptos y modelos centrales de Estadística y Econometría Espacial problemas urbanos.

• Aplicar los conocimientos adquiridos en casos prácticos y proyectos de análisis de datos espaciales

Dirigido a

Profesionales y Licenciados provenientes desde distintas áreas del conocimiento como Ingeniería, Geografía, Arquitectura, Urbanismo, Geología, Economía, Estadística, Ciencias Básicas, u otras áreas disciplinares a fines a la Ciencia de Datos Espacial, quienes requieran en aprender, ampliar y profundizar en los conocimientos sobre el tratamiento de datos geolocalizados.

Contenidos.

Los contenidos se organizan en cuatro módulos de aprendizaje, con objetivos independientes.

MÓDULO 0: NIVELACIÓN EN R Y PYTHON. (30 HORAS)
Objetivo del módulo: Nivelar a los participantes en leguajes de programación: R y Python.

1. Introducción al análisis espacial cuantitativo (6,0 horas)
1.1. Diferencia entre los cualitativo y lo cuantitativo.
1.2. Flujo de la investigación basado en datos (diferencias entre R / Python y Excel). Ventajas:Replicabilidad, Trazabilidad, Orden.
1.3. Estructura de un proyecto: Pregunta / motivación. ¿Cuándo mi hipótesis es válida?
1.4. Presentación de la información: Comparabilidad.
1.5. Importancia del espacio para el análisis de datos
1.6. Casos de usos. 

2. Nivelación en R. (12 horas)
2.1 Introducción al lenguaje R y su IDE RStudio.
2.2 Objetos, tipo de datos y dataframe en R.
2.3 Instalación de paquetes y ejecución de librerías en R.
2.4 Importar y exportar bases de datos en distintos formatos. CSV, EXCEL, SAV, DAT, TXT.
2.5 Ordenar y depurar bases de datos. Librería DPLYR.
2.6 Visualización en R: librería GGPLOT2.
2.7 Estadísticas descriptivas en R.

3. Nivelación en Python. (12,0 horas)
3.1 Introducción a la programación con Python: IDE, Colab, Jupyter notebook.
3.2 Conceptos básicos utilizados en Python.
3.3 librerías NumPy, Matplotlib, y Pandas.
3.4 Importar y exportar bases de datos en distintos formatos. CSV, EXCEL, SAV, DAT, TXT.
3.5 Estadísticas descriptivas. Librería Pandas.
3.6 Visualización de resultados.

MÓDULO 1. HERRAMIENTAS DE PROGRAMACIÓN PARA EL ANÁLISIS ESPACIAL. (39 HORAS)
Objetivo del módulo: Entregar herramientas de programación en los distintos programas orientados al manejo de base de datos espacial. Al mismo tiempo permitir su integración con los Sistemas de Información Geográfica.

1. R para el Análisis de datos Espaciales. (12 horas)
1.1 Elementos cartográficos: Sistemas de referencias, capas vectoriales y raster, Usos y Datum.
1.2 Importar y exportar archivos en formatos: Shape, JSON. Librerías SF, SP, LEFLEAT.
1.3 Obtención de datos geo – posicionados.
1.4 Manipulación de datos geo – posicionados.
1.5 Cálculo de zonas de influencias.
1.6 Unión de otros datos espaciales.
1.7 Análisis avanzados de mapas.
1.8 Obteniendo datos desde Open Street Map.

2. Python para el análisis de datos Espaciales. (12 horas)
2.1 Importar y exportar archivos en formatos: Shape, JSON. Librería geopandas.
2.2 Obtención de datos geo – posicionados.
2.3 Manipulación de datos geo – posicionados.
2.4 Visualización de datos espaciales.
2.5 Obteniendo datos desde otras fuentes de información.

3. Integración QGIS con Python y RStudio para análisis espacial. (15 horas)
3.1 Análisis espacial con PyQGIS.
3.2 Introducción, Python en el entorno, carga de capas en Qgis.
3.3 Manejo de cartografía vectorial y raster.
3.4 Análisis espacial y geoprocesamientos en Qgis.
3.5 Composición y salidas gráficas.
3.6 Análisis espacial con R.
3.7 Introducción, R en el entorno, carga de capas en Qgis.
3.8 Manejo de cartografía vectorial y raster.
3.9 Análisis espacial y geoprocesamientos en Qgis.
3.10 Creación de cartografías web en R (Lefleat). 

MÓDULO 2. CONCEPTOS Y PROCEDIMIENTOS EN EL ANÁLISIS ESPACIAL (36 HORAS)
Objetivo del módulo: Entregar conceptos, procedimientos e indicadores para el análisis y el desarrollo de modelos espaciales.

1. Estadística Espacial. (18 horas)
1.1 ¿Qué es la Estadística Espacial? y ¿Cuáles son sus ventajas, alcances y limitaciones?
1.2 Análisis exploratorio de datos espaciales AEDE
1.3 Introducción al análisis exploratorio de datos espaciales
1.4 Gráficos y técnicas para el AEDE.
1.5 Estadística espacial en el análisis de patrones.
1.6 Medidas de distribución centrográficas.
1.7 Autocorrelación espacial.
1.8 Análisis de conglomerados y conglomerados espaciales
1.9 Relaciones entre variables geográficas.
1.10 Introducción al análisis de regresión
1.11 Regresión Múltiple Ordinaria. Multiple Ordinary less square.
1.12 Regresión Múltiple con componente espacial
1.13 Regresión Geográficamente Ponderada
1.14 Análisis cartográfico de clúster espacio – temporales
1.15 Creación y visualización de datos geolocalizados mediante cubos
1.16 Análisis de puntos calientes emergentes (emerging hot)
1.17 Conglomerados Espacio - temporales
1.18 Autocorrelación espacial y kriging
1.19 Autocorrelación espacial: el semivariograma
1.20 Cálculo de superficies de interpolación: Kriging 

2. Econometría espacial. (18 horas)
2.1 ¿Qué es la econometría espacial? ¿cuáles son sus alcances y limitaciones?
2.2 El análisis de regresión como punto de partida.
2.3 La asimetría en las relaciones espaciales
2.4 Modelización explicita del espacio
2.5 Efecto espacial: Autocorrelación y heterogeneidad espacial.
2.6 Problemas en la estimación por MCO
2.7 Expresión formal de los efectos espaciales: operadores de desfase espacial, matrices de contigüidad espacial, matrices de ponderadores espaciales.
2.8 Estimaciones de los modelos.
2.9 Casos de estudios: preguntas y problemas. 

MÓDULO 3. APLICACIONES DE LAS CIENCIAS DE DATOS ESPACIALES EN ESTUDIOS URBANOS. (24 HORAS)
Objetivo: Aplicar conceptos y procedimientos de la ciencia de datos espacial a fenómenos que se producen en el ambiente urbano.

1. Aplicaciones a la movilidad.
2. Aplicaciones al transporte.
3. Aplicaciones a la criminalidad.
4. Aplicaciones a los accidentes.
5. Aplicaciones en la localización óptima.

Requisitos de postulación

• Estar en posesión del grado académico de licenciado o título profesional equivalente.
• Carta dirigida al coordinador del programa, donde se señale la(s) motivación(es) para cursar el diplomado y la proyección en el desarrollo profesional futuro.
• Si bien el programa considera un módulo de nivelación, se recomienda tener algunos conocimientos en manejo de bases de datos, programación y estadísticas.

Metodología.

Clases teóricas y prácticas 100 % on line a través de la plataforma Zoom, en donde se entregarán los fundamentos que permitan la conceptualización de los diferentes contenidos mostrados, con apoyo de recursos de aprendizaje audiovisual y guías de trabajo individual y grupal, elaborado por los docentes. Además, se incentivará la discusión y reflexión de los participantes sobre los temas tratados en las sesiones.

Evaluaciones.

Cada profesor realizará evaluaciones sumativas de acuerdo con el estado de avance de sus respectivos contenidos. De todos modos, la nota mínima de aprobación de cada curso, así como de su respectivo módulo es 4.0 en una escala de 1.0 a 7,0. Por su parte, se consideran dos requisitos para obtener la certificación del diplomado:

(1) Tener aprobado todos los cursos y módulos respectivos, y (2) Asistencia mínima del 75%.

Duración:

Aproximadamente cinco meses, 129 horas cronológicas.

Coordinador Académico
Cristian Escobedo Catalán.
Profesor full time en Facultad de Arquitectura y Urbanismo, U de Chile.

Cuerpo Académico.

Cristián Escobedo Catalán
Geógrafo, U de Chile. Magíster en Política Pública, U de Chile. Ph. D© en Geografía, Universidad Complutense de Madrid, España. Profesor full time en Facultad de Arquitectura y Urbanismo, Universidad de Chile. Investigador en Laboratorio tGIS, Departamento de Geografía, Universidad Complutense de Madrid, España. Especializado en movilidad, análisis espacial, estadística y econometría espacial, y Tecnología de la Información Geográfica.

Valeria Ulloa Escandor
Geógrafa, Universidad de Chile. MSc en Ciudades Inteligentes y Sostenibles, Smart Cities, Universidad Complutense de Madrid. Data Scientist en Entel Ocean. Experta en Tecnología de la Información Geográfica, movilidad urbana y análisis espacial.

Pablo Olivares Castillo
Geógrafo, Pontificia Universidad Católica de Chile. Diplomado en Gestión para la Reducción del Riesgo de Desastre, Universidad de Chile. Profesor Externo en Escuela de Diseño, Universidad Adolfo Ibáñez. Digital Developer Senior en Entel Ocean Anteriormente se desempeñó como Geógrafo, Investigador, Coordinador de Proyectos y encargado de plataforma digital en el Centro de Inteligencia Territorial de la Universidad Adolfo Ibáñez.

Christian Belmar Castro
Académico Facultad de Economía & Negocios, Universidad de Chile. Ph.D en Economía, FEN – U. de Chile. Especialista en Análisis Económico y Evaluación Social. Magíster © Desarrollo Económico y Comercio Internacional. Evaluador y medición de Rentabilidad social en Centros de Excelencia. Consultor Externo, División de Competitividad e Innovación. Banco Interamericano de Desarrollo. Investigador Asociado Centro de Microdatos, U. de Chile / CIETIV – Argentina. Asesor en Sostenibilidad, Planificación estratégica y Desarrollo de Comunidades. Docente a nivel de postgrado y pregrado en cátedras afines.

Tomas Cox Oettinger
Arquitecto U. de Chile. Diplomado en Tasaciones Inmobiliarias, U. de Chile. Magíster en Geografía y Geomática, U. Católica de Chile. Doctor en Ingeniería en Transporte y Logística, U. Católica de Chile. Su área de interés académica se centra en la experimentación con modelos y herramientas digitales para el análisis cuantitativo de fenómenos urbanos (accesibilidad, mercado inmobiliario), aplicados en docencia e investigación. Su tesis doctoral se enfoca en el modelamiento matemático de comportamientos heterogéneos en las decisiones de localización urbana. En la FAU enseña en sus cursos sobre el uso de Sistemas de Información Geográfica, aplicados a datos urbanos (Censo, Catastro SII), como una forma de analizar barrios a escala de manzana en sus dimensiones demográficas y construidas. Ha centrado su práctica profesional en la consultoría sobre valor de suelo y mercado inmobiliario.