Programación Estadística para Tesis & Papers - Quimioinformática en Farmacia
De no saber programar, a producir reportes estadísticos con gráficas de datos en solo 2 días.
This course is no longer available.
Explore other coursesHosted by
Jesús López
Instructor @LinkedIn Learning // Consultor @datons | He enseñado +100 PhDs
Previously at
Course overview
Cuando no consigues las conclusiones que validen tu hipótesis inicial...
¿Tú también programas los reportes estadísticos tras haber elegido el tema, revisado otros papers y redactado parte del trabajo?
El colmo sería haber trabajado los tres pasos anteriores sin siquiera tener la base de datos con la que validar tu hipótesis inicial.
Conozco casos…
¿Por qué no revertimos la situación?
Primero buscamos los datos, programamos los análisis y después formulamos las hipótesis.
Ya sé que te cuesta programar porque pierdes mucho tiempo solucionando errores que no entiendes.
Lo solucionamos rápido aplicando la Metodología imLEX.
Programarás a base de práctica sobre un caso, desde cero, hasta producir reportes estadísticos en piloto automático.
Entonces, identificarás la conclusión sobre la que profundizar en tu trabajo. No al revés; que genera estrés y pérdida de tiempo.
Sácale el máximo partido a tu tiempo
01
Te frustras repetidamente al preguntar a Google y ChatGPT las mismas preguntas y confundirte sobre lo que sabes y no sabes.
02
Careces de la intuición estadística para interpretar los resultados y las habilidades de programación para crear visualizaciones atractivas.
03
Tener muchos scripts, y duplicados, sin estructura, te hace perder un tiempo que podrías tenerlo libre para dedicárselo a lo que necesitas.
Remata tus reportes estadísticos de una vez
Script único (plantilla) para simular informes estadísticos basados en múltiples condiciones
Crea una plantilla de script versátil para generar informes bajo diferentes condiciones, permitiendo una evaluación comparativa y replicación precisa.
Visualizaciones de datos personalizadas para la presentación de trabajos académicos
Añadirás la información relevante en la parte concreta de la gráfica para demostrar tus conclusiones estadísticas de manera práctica y visual.
Intuición para determinar los mejores algoritmos para lograr las conclusiones necesarias
Domina la selección y aplicación de los mejores algoritmos estadísticos para obtener conclusiones robustas y confiables.
Disciplina de programación para razonar el código en lugar de copiar y pegar por memorización
Entiende los principios de codificación y las mejores prácticas para escribir código claro, eficiente y mantenible, reduciendo la dependencia de soluciones ad hoc.
Confianza en tus conocimientos estadísticos para discutir con compañeros de profesión
Gana la seguridad para comunicarte y defender tus propuestas de análisis estadísticos en discusiones académicas y revisiones por pares.
What’s included
Live sessions
Learn directly from Jesús López in a real-time, interactive format.
Lifetime access
Go back to course content and recordings whenever you need to.
Community of peers
Stay accountable and share insights with like-minded professionals.
Certificate of completion
Share your new skills with your employer or on LinkedIn.
Maven Guarantee
This course is backed by the Maven Guarantee. Students are eligible for a full refund up until the halfway point of the course.
Course syllabus
4 live sessions • 25 lessons
Week 1
- 📄
Visualización Interactiva en 3D
- 📄
Bases de Datos Moleculares
- 📄
Descriptores de Propiedades Moleculares
- 📄
Contraste de Hipótesis
- 📄
Modelos Lineales
- 📄
Modelos Lineales Mixtos
- 📄
Análisis de Clúster
- 📄
Análisis de Componentes Principales (PCA)
- 📄
Análisis Factorial
- 📄
Plotly: Gráficas interactivas
- 📄
Streamlit: Aplicación web de datos
- 📄
Matplotlib: Gráficas personalizadas al detalle
- 📄
GGplot: Gráficas modulares
- 📄
¿Cuándo es mejor R?¿Y Python?
- 📄
Librerías para manipular tablas
- 📄
Librerías para visualizar datos
- 📄
Simular múltiples análisis a la vez
- 📄
Exportar script a PDF/Word/HTML
- 📄
Stargazer
- 📄
KableExtra
- 📄
TableOne
- 📄
Linealidad vs No-Linealidad
- 📄
EDA Retrospectivo
- 📄
Machine Learning vs Deep Learning
- 📄
Explicabilidad Modelos: SHAP
Oct
25
Opcional: Sesión Preparatoria Python Thinking
Oct
25
Sesión 1
Oct
26
Sesión 2
Oct
26
Sesión 3
py3Dmol: Visualizar datos moleculares
Crea visualizaciones interactivas de cualquier molécula en pocos pasos https://3dmol.csb.pitt.edu/
RDKit: Software Quimio-Informática
Colección de funciones para automatizar procesos. Visita el blog para ver casos prácticos: https://greglandrum.github.io/rdkit-blog/