El análisis robusto de datos y la detección de atípicos (outliers) son cruciales en Estadística, Análisis de datos, Minería de datos, Aprendizaje automático, Inteligencia Artificial, Reconocimiento de patrones, Clasificación, Componentes Principales,Regresión, Big Data y cualquier campo relacionado con los datos.

Los investigadores, estudiantes, analistas de datos y, en su mayoría, cualquier persona que esté tratando con datos reales, deben ser conscientes del problema con los valores atípicos (o outliers) y deben saber cómo tratar este problema y qué métodos robustos se deben utilizar. Y es que la gran mayoría de algoritmos de Machine Learning son capaces de detectar características comunes a la gran mayoría de los datos, pero muchas veces se ven confundidos o incluso ignoran esos datos atípicos, que no deben ser ignorados en condiciones donde peligra la seguridad de las personas, como es el caso de análisis de datos médicos, el mundo de internet de las cosas, o la seguridad en las empresas.

• ¿Qué ocurriría si por ignorar un dato anómalo se propagara un virus por todo el mundo? Tendríamos una pandemia, como la del COVID19, la cual si no se hubieran ignorado las señales de outliers que detectaban las redes neuronales, se podría haber actuado ante ella con antelación.

• ¿Qué ocurriría si ignoráramos alguna señal de un sistema de una ciudad inteligente?Se nos podría pasar por alto una fuga de gas

• ¿Qué ocurriría si por ignorar una alarma, se nos pasara un meteorito que viene hacia la tierra?Tendríamos que llamar a Bruce Willis, para salvarnos del Armageddon

Con este curso serás experto en análisis robusto de datos, en la detección y el tratamiento de los datos atípicos, tanto aprendiendo los conceptos teóricos, cómo teniendo a tu disposición los algoritmos implementados de manera práctica con dos lenguajes diferentes para que elijas el que más te conviene: R-Studio y Matlab.

Además tendrás acceso a una comunidad para dudas, donde están todos los estudiantes y puedes preguntar lo que quieras acerca del análisis de datos atípicos.

Los códigos de implementación de los ejemplos están disponibles para ti en el repositorio abierto de Github para que los puedas descargar y usar.

Además, tenemos dos secciones de conceptos básicos que te servirán de ayuda para recordar algunas nociones necesarias para entender los métodos de detección de atípicos.

Con este curso podrás entender y saber tratar con uno de los temas más importantes de hoy en día tanto académicamente, como en la industria y en el análisis de datos o el machine learning. Los ejemplos te servirán para visualizar esta importancia del análisis de datos atípicos y outliers así como también de guía para poder llevar a cabo luego estos análisis por ti mismo.