Buscador
Diplomado
Diplomado en Análisis Espacial de Datos
Informaciones
- Educación Profesional FAU - DEXVM
- +56 9 52213790
- educacionprofesional@uchilefau.cl
Fecha y hora
1/08/23 al 4/01/24 - martes , jueves - 19:00 hrs.Lugar
Facultad de Arquitectura y Urbanismo - U. de Chile (Modalidad Online vía streaming)Dirigido a
Dirigido a Profesionales provenientes desde distintas áreas del conocimiento como Arquitectura, Ingeniería, Geografía, Geología, Economía, Estadística, Diseño u otras áreas afinesOrganiza
Educación Profesional FAU - DEXVMValor
Valor$1.955.800.-129 horas .15% descuento por matrícula anticipada.Descripción del Diplomado.
El Diplomado en Análisis Espacial de Datos, es un nuevo programa académico de Educación Profesional de la Facultad de Arquitectura y Urbanismo de la Universidad de Chile, el cual busca aportar conocimientos y técnicas avanzadas de la Ciencia de Datos Espacial, para su aplicación en la solución a problemáticas contemporáneas que se presentan en distintas escalas espacio – temporales, y de diversa magnitud, tanto en instituciones públicas como privadas, promoviendo la comprensión, el por qué ocurren en esos lugares; y la visualización de los fenómenos espaciales.
A nivel mundial, el área el análisis de datos espacial se ha convertido en el corto tiempo en tema de discusión masiva por sus profundas implicancias en la sociedad, pero también de sus análisis en múltiples fenómenos, lo que se traduce en un creciente interés de los profesionales por aprender tecnologías y herramientas geoespaciales. Sin embargo, en el último reporte “The State of Spatial Data Science 2023” se señala que tan solo el 30% de los equipos profesionales tienen conocimientos y experiencias en ciencia de datos espaciales, y un importante 57% de las organizaciones comentan sobre la dificultad de encontrar y contratar especialistas en análisis de datos espaciales.
En este sentido, el Diplomado en Análisis Espacial de Datos, es un programa de especialización que responde a los actuales y dinámicos desafíos de la ciencia de datos, pero que aprovecha toda la riqueza de las nuevas fuentes de información masivas de datos geolocalizados, a partir del uso adecuado de potentes tecnologías (software) de código libre, herramientas de programación, conceptos de estadísticas y econometría espacial más avanzadas que permitan realizar adecuados análisis sobre los datos geoespaciales con distinta granularidad espacial y resolución temporal, y así generar insight profundos que aporten a la toma de decisión.
El programa ofrece una estructura curricular sustentada en módulos y objetivos de aprendizajes, cuya metodología 100% on line permite entregar una base uniforme en temas de programación y manejo de tecnologías open source más requeridas en el ámbito profesional como R, Python, Qgis y GeoDa, además de conceptos, procedimientos y herramientas sustentadas en el análisis estadístico y econométrico.
Objetivo general del programa.
Actualizar a profesionales en conceptos, programas open source y herramientas provenientes de la estadísticas y econometría espacial que permitan describir, entender, analizar y visualizar fenómenos a distintas escalas espacio – temporal, a través del uso de datos geolocalizados y nuevas fuentes de información.
Objetivos específicos:
• Desarrollar competencias de programación a nivel intermedio en R y Python.
• Comprender la visualización y medición de efectos espaciales.
• Utilización de software especializados para AVDE.
• Conocer y aplicar los conceptos y modelos centrales de Estadística y Econometría Espacial a problemas urbanos.
Población Objetivo
Profesionales y Licenciados provenientes desde distintas áreas del conocimiento como Ingeniería, Geografía, 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.
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.
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. Nivelación en R.
1.1. Introducción al lenguaje R y su IDE RStudio.
1.2. Objetos, tipo de datos y dataframe en R.
1.3. Instalación de paquetes y ejecución de librerías en R.
1.4. Importar y exportar bases de datos en distintos formatos. CSV, EXCEL, SAV, DAT, TXT.
1.5. Ordenar y depurar bases de datos. Librería DPLYR.
1.6. Visualización en R: librería GGPLOT2.
1.7. Estadísticas descriptivas en R.
2. Nivelación en Python.
2.1 Introducción a la programación con Python: IDE, Colab, Jupyter notebook.
2.2 Conceptos básicos utilizados en Python.
2.3 Librerías NumPy, Matplotlib, y Pandas.
2.4 Importar y exportar bases de datos en distintos formatos. CSV, EXCEL, SAV, DAT, TXT.
2.5 Estadísticas descriptivas. Librería Pandas.
2.6 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.
3. R para el Análisis de datos Espaciales.
3.1. Elementos cartográficos: Sistemas de referencias, capas vectoriales y raster, Usos y Datum.
3.2. Importar y exportar archivos en formatos: Shape, JSON. Librerías SF, SP, LEFLEAT.
3.3. Obtención de datos geo – posicionados.
3.4. Manipulación de datos geo – posicionados.
3.5. Cálculo de zonas de influencias.
3.6. Unión de otros datos espaciales.
3.7. Análisis avanzados de mapas.
3.8. Obteniendo datos desde Open Street Map.
4. Python para el análisis de datos Espaciales.
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.
5. Integración QGIS con Python y RStudio para análisis espacial.
5.1. Análisis espacial con PyQGIS.
5.1.1 Introducción, Python en el entorno, carga de capas en Qgis.
5.1.2 Manejo de cartografía vectorial y raster.
3.1.3 Análisis espacial y geoprocesamientos en Qgis.
3.1.4 Composición y salidas gráficas.
3.2 Análisis espacial con R.
3.2.1 Introducción, R en el entorno, carga de capas en Qgis.
3.2.2 Manejo de cartografía vectorial y raster.
3.2.3 Análisis espacial y geoprocesamientos en Qgis.
3.2.4 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.
1.1 ¿Qué es la Estadística Espacial? y ¿Cuáles son sus ventajas, alcances y limitaciones?
2. Análisis exploratorio de datos espaciales AEDE
2.1 Introducción al análisis exploratorio de datos espaciales
2.2 Gráficos y técnicas para el AEDE.
3. Estadística espacial en el análisis de patrones.
3.1 Medidas de distribución centrográficas.
3.2 Autocorrelación espacial.
3.3 Análisis de conglomerados y conglomerados espaciales
4. Relaciones entre variables geográficas.
4.1 Introducción al análisis de regresión
4.2 Regresión Múltiple Ordinaria. Multiple Ordinary less square.
4.3 Regresión Múltiple con componente espacial
4.4 Regresión Geográficamente Ponderada
5. Análisis cartográfico de clúster espacio – temporales
5.1 Creación y visualización de datos geolocalizados mediante cubos
5.2 Análisis de puntos calientes emergentes (emerging hot)
5.3 Conglomerados Espacio - temporales
6. Autocorrelación espacial y kriging
6.1 Autocorrelación espacial: el semivariograma
6.2 Cálculo de superficies de interpolación: Kriging
2. Econometría espacial.
1. ¿Qué es la econometría espacial? ¿cuáles son sus alcances y limitaciones?
2. El análisis de regresión como punto de partida.
3. La asimetría en las relaciones espaciales
4. Modelización explicita del espacio
5. Efecto espacial: Autocorrelación y heterogeneidad espacial.
6. Problemas en la estimación por MCO
7. Expresión formal de los efectos espaciales: operadores de desfase espacial, matrices de contigüidad espacial, matrices de ponderadores espaciales.
8. Estimaciones de los modelos.
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.
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
(2) Asistencia mínima del 75%.
Duración:
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.