Diplomatura de Estudios Avanzados en Procesamiento, Análisis y Visualización de Datos Agronómicos

Objetivo general:
Formar profesionales capaces de aplicar métodos estadísticos y herramientas computacionales en el diseño, análisis e interpretación de datos agronómicos, para optimizar la toma de decisiones en sistemas agropecuarios.

Objetivos específicos:

La diplomatura se compone por ocho módulos y un trabajo final integrador.

Módulo 1: Introducción. Tipos de variables. Estudios experimentales y observacionales. Tipos de datos. Relevamientos transversales y longitudinales. Construcción de una base de datos.
Módulo 2: Herramientas en R para el análisis de datos. Descripción y exploración de un conjunto de datos.
Módulo 3: Inferencia estadística. Generalidades. Comparación de dos medias. Test chi cuadrado.
Módulo 4: Diseño de experimentos agronómicos. Principios básicos: réplica, aleatorización, control local. Diseños completamente aleatorizados. Diseños en bloques completos aleatorizados. Diseño factorial. Diseños en parcelas divididas. ANOVA.
Módulo 5: Series de tiempo. Introducción. Visualización. Modelización. Suavizado. Aplicaciones en R.
Módulo 6: Aprendizaje de máquina: Técnicas de aprendizaje supervisado. Problemas de regresión (Regresión lineal, técnicas basadas en árboles para regresión). Problemas de clasificación (Regresión logística, técnicas basadas en árboles para clasificación). Evaluación de modelos.
Módulo 7: Aprendizaje de máquina: técnicas de aprendizaje no supervisado. Reducción de dimensionalidad (componentes principales). Agrupamiento (técnicas de clustering).
Módulo 8: Modelos de regresión lineal simple y múltiple. Modelo para medidas repetidas y datos longitudinales.

Trabajo final integrador: En este trabajo, las y los estudiantes deberán aplicar alguna de las técnicas abordadas en el curso sobre un conjunto de datos propio o bien un conjunto de datos extraído de un repositorio digital de acceso abierto. (10 horas)

El modelo de educación a distancia de la diplomatura está diseñado para ofrecer una experiencia de aprendizaje flexible y accesible, centrada en la o el estudiante y alineada con los principios del constructivismo. Este enfoque permite a las y los cursantes gestionar su propio tiempo y espacio de aprendizaje, adaptándose a sus circunstancias personales y profesionales. La modalidad a distancia elimina barreras geográficas y temporales, facilitando el acceso a la educación y ampliando oportunidades. Al adoptar un enfoque constructivista, la propuesta académica va más allá de la simple transmisión de información; también promueve el desarrollo de habilidades críticas y reflexivas, preparando a las y los estudiantes para enfrentar los desafíos del entorno profesional actual. Este modelo representa un avance hacia una educación más inclusiva y personalizada, donde cada estudiante se convierte en protagonista activo en su proceso de aprendizaje.

La implementación de la diplomatura se llevará a cabo en el marco del Sistema Institucional de Educación a Distancia (SIED), utilizando la plataforma Carreras y Cursos del Campus Virtual de la UNR. A través de esta plataforma (Moodle), se fomentará un entorno de aprendizaje colaborativo donde las y los estudiantes podrán interactuar, compartir experiencias y construir conocimiento de manera conjunta. La propuesta académica se estructurará en un aula virtual organizada por tópicos, cada uno correspondiente a un módulo específico. Al inicio, se ofrecerá un espacio de presentación general que incluirá el programa del curso, un video introductorio del equipo docente, acceso a los encuentros sincrónicos y un cronograma. También se habilitará un foro para consultas generales y anuncios, facilitando así la comunicación y el intercambio de información entre las y los participantes.

En cada módulo, se realizará una presentación en formato multimedia, lo que permitirá a las y los cursantes acceder a una variedad de recursos que enriquecerán su experiencia de aprendizaje. Además, se proporcionarán textos base que servirán como guías fundamentales, orientando a cada participante a lo largo de su proceso. Las clases teóricas expositivas estarán disponibles en formato de video en el aula virtual, lo que facilitará el acceso a la información en cualquier momento.

Para llevar a cabo las prácticas relacionadas con los contenidos teóricos de estadística, se utilizará el programa R, un software de código abierto ampliamente reconocido en el ámbito de la estadística, el análisis de datos y la ciencia. R permite realizar análisis estadísticos complejos, modelado y visualización de datos, y cuenta con una extensa colección de funciones y paquetes que facilitan tareas como pruebas estadísticas, análisis de regresión y análisis de series temporales, entre otros. Se proporcionará toda la información necesaria para la instalación y uso del software, garantizando que las y los estudiantes dispongan de las herramientas adecuadas para aplicar lo aprendido. Las prácticas se complementarán con actividades disponibles en la plataforma Moodle, enriqueciendo así la experiencia de aprendizaje.

Se utilizará la plataforma de videollamadas institucional para llevar a cabo encuentros sincrónicos. Estos encuentros tendrán una duración máxima de 2 horas. Su finalidad será práctica y de intercambio, donde las y los estudiantes podrán interactuar directamente con las y los docentes y entre sí. La carga horaria sincrónica total estará sujeta a la especificada en cada módulo (ver en apartado estructura). Los días y horarios de cursado sincrónicos serán informados en el período de inscripción y al inicio del cursado en un cronograma. Asimismo, los encuentros sincrónicos serán grabados y publicados en el aula virtual. Esto permitirá que quienes no puedan asistir en tiempo real tengan la oportunidad de visualizarlos posteriormente. Para asegurar la participación activa y el cumplimiento de los objetivos de aprendizaje, se requerirá que acrediten su asistencia mediante la realización de una actividad adicional. Se habilitará un foro de consultas específico para cada módulo. Este espacio permitirá organizar las consultas y respuestas, promoviendo un ambiente colaborativo donde se puedan compartir dudas y conocimientos relacionados con el contenido abordado de forma asincrónica.

La aprobación de cada módulo requerirá un 75% de asistencia a las actividades sincrónicas y asincrónicas realizadas a través del aula virtual de la diplomatura. Esto facilitará el registro de las actividades y permitirá un seguimiento efectivo del avance de cada estudiante. Para obtener la aprobación de la diplomatura, será necesario realizar un trabajo integrador final. Durante el período de desarrollo de este trabajo, se programará un encuentro sincrónico específico para consultas, asegurando así que las y los estudiantes cuenten con el apoyo necesario para completar con éxito esta actividad final. Este deberá ser entregado a través del aula virtual dentro del plazo establecido e informado por la o el docente.

Para obtener la certificación correspondiente a la diplomatura, las y los estudiantes deberán:

El tiempo para la entrega del trabajo final integrador es de 2 meses después de finalizado el cursado de la diplomatura.

Coordinadora Académica y Docente:
Celina Beltrán
Licenciada en Estadística por la Facultad de Ciencias Económicas y Estadística de la Universidad Nacional de Rosario (UNR). Completó su formación de posgrado con una Maestría en Estadística Aplicada en la Facultad de Ciencias Económicas y Estadística (2004), un Doctorado en Humanidades y Artes con mención en Lingüística en la Facultad de Humanidades y Artes (2008) y un Posdoctorado (2015), todos en la UNR. Además, posee una Diplomatura en Estudios Avanzados en Entornos Virtuales de Enseñanza y Aprendizaje por la Facultad de Ciencia Política y Relaciones Internacionales de la UNR (2022).
Su trayectoria en la investigación se ha desarrollado principalmente en la Facultad de Ciencias Agrarias de la UNR, donde se ha desempeñado como directora de múltiples proyectos acreditados por la SECyT-UNR, enfocados en la aplicación de técnicas estadísticas multivariadas y machine learning para la clasificación automática de textos y el análisis de datos. Actualmente es directora del proyecto “Utilización de Machine Learning para Clasificación, Predicción y Tareas del Procesamiento del Lenguaje Natural”, acreditado por la SECyT de la Facultad de Ciencias Agrarias de la UNR. Desde enero 2024 a diciembre 2027.
Es autora y coautora de numerosas publicaciones, incluyendo libros, capítulos de libros y artículos en revistas especializadas, que abarcan temas de estadística aplicada, lingüística computacional y modelización de datos.
En el ámbito docente, es profesora adjunta con dedicación exclusiva en la cátedra de Estadística de la Facultad de Ciencias Agrarias (UNR). Posee una extensa experiencia en la enseñanza de grado y posgrado, dirigiendo y codirigiendo tesis de maestría y doctorado en diversas disciplinas, y ha impartido cursos de estadística y metodología de la investigación en múltiples programas de posgrado de la UNR.

Docentes:
Ivana Gabriela Barbona
Licenciada en Estadística por la Facultad de Ciencias Económicas y Estadística de la UNR (2009). Cursó la Especialización en Bioinformática en la Facultad de Ciencias Agrarias de la UNR y obtuvo una Diplomatura en Estudios Avanzados en Entornos Virtuales de Enseñanza y Aprendizaje (UNR, 2022). Actualmente realiza el Doctorado en Ciencias Agrarias en la Facultad de Ciencias Agrarias de la UNR.
Ha desarrollado su trayectoria profesional en el ámbito académico y científico, en el campo de estadística aplicada a las ciencias agrarias y biológicas. Participa activamente en proyectos de investigación vinculados al análisis multivariado, machine learning y deep learning, orientados al estudio de temas dentro del área de las ciencias agrarias. Ha integrado numerosos proyectos I+D financiados por la UNR.
Es autora y coautora de artículos en revistas científicas nacionales e internacionales, libros y capítulos dedicados a la estadística aplicada y la investigación interdisciplinaria. Entre sus publicaciones se destacan trabajos sobre clasificación supervisada, regresión logística, bioinformática y modelización estadística. Ha presentado comunicaciones en congresos nacionales e internacionales, como el Congreso Argentino de Estadística y la Reunión Argentina de Agrometeorología.
En el ámbito docente, se desempeña como jefa de trabajos prácticos con dedicación exclusiva en la Facultad de Ciencias Agrarias de la Universidad Nacional de Rosario, donde dicta las asignaturas: Estadística I y II; Introducción a la Programación; y Machine Learning en R. Dicta cursos de posgrado y capacitación en estadística y programación en R, tanto en la UNR como en otras instituciones académicas del ámbito público y privado.

Lucía Andreozzi
Docente en la Licenciatura en Estadística (UNR), en las materias: Prácticas Sociales Educativas y Métodos Estadísticos aplicados a la Demografía; y en el Doctorado en Demografía (UNC) en la asignatura: Poblaciones Teóricas y en el Seminario Proyecciones Probabilísticas.
Es licenciada en Estadística, magíster en Estadística Aplicada por la UNR y doctora en Demografía por la UNC. Es investigadora adjunta en CONICET y su tema de investigación son las Proyecciones Probabilísticas en Demografía. Anteriormente dictó materias tales como Econometría, Estadísticas Oficiales y Análisis de Series Temporales. Tiene numerosas publicaciones en revistas indexadas, además de libros, manuales, capítulos de libros e informes técnicos. Entre sus últimas publicaciones se encuentran: “Subnational probabilistic projections fertility: rethinking form Latin America”. Journal of Demography. College of Population Studies at Chulalongkorn University, 2024; “Modelo de Doble Brecha para la proyección de la esperanza de vida en Argentina”. Revista Médica del Instituto Mexicano del Seguro Social - IMSS, 2024; y “Estimaciones y proyecciones probabilísticas de la esperanza de vida para Argentina. Período 2000-2095”. Población y Desarrollo. San Lorenzo: UNA - Facultad de Ciencias Económicas, 2023.
Integra varios proyectos de investigación: “Proyecciones y estimaciones de población”, con sede en el CIECS-CONICET-UNC; “Fuentes de datos socio-demográficos, estimaciones y proyecciones de población” perteneciente al Área de investigación de Población del CEA (UNC); y “Series de Tiempo en las estadísticas oficiales” radicado en el IITAEE-FCEYE-UNR. Es Coordinadora Estadística de la Usina de Datos de la UNR e integrante del Grupo de Estudios de Economía y Género. Además, se ha desempeñado como tutora y directora en tesis y trabajos finales, jurado de tesis, evaluadora de artículos en revistas locales e internacionales, evaluadora de proyectos y becas CIN. Editora de la Revista Saberes de la FCEyE- UNR.

Asesoría Tecnopedagógica:
Silvina A. García
Ingeniera en Sistemas Informáticos por la UAI (2002) y Especialista en Entornos Virtuales para el Aprendizaje por la OEI (2012). Posee una Diplomatura en Estudios Avanzados en Entornos Virtuales de Enseñanza y Aprendizaje por la UNR (2022). Actualmente, cursa una Maestría en Educación en Entornos Virtuales. Desde 2003, se desempeña como docente en la cátedra de Informática de la Facultad de Ciencias Agrarias (FCA) de la Universidad Nacional de Rosario (UNR), donde también brinda asesoramiento tecnopedagógico en carreras de grado y posgrado. Administra plataformas virtuales institucionales y asesora a docentes y estudiantes en el uso de tecnologías educativas. Es la representante institucional FCA, en la Comisión Asesora de Coordinación, Seguimiento y Evaluación de Proyectos de Educación a Distancia de la Universidad Nacional de Rosario (SIED, UNR). Participa en proyectos de investigación centrados en el uso de plataformas virtuales y en congresos nacionales e internacionales donde ha presentado trabajos sobre temas relacionados con la enseñanza y aprendizaje a distancia y las tecnologías educativas.