Este curso tiene como objetivo proporcionar una introducción accesible al análisis multivariado de datos experimentales, con un enfoque particular en datos químicos. Se presentará una visión general de los conocimientos teóricos básicos de matemática y estadística necesarios para la construcción e interpretación de modelos multivariados de regresión y clasificación en diferentes áreas de las ciencias químicas.
En ese sentido se abordarán principios fundamentales de la investigación de datos, exploración, aprendizaje supervisado y no supervisado, y las estrategias para convertir grandes conjuntos de datos en conocimientos prácticos. Además, se ofrecerá una descripción de los métodos más utilizados en la actualidad, con el objetivo de proporcionar una visión completa de las etapas del análisis de datos en general y de ejemplos prácticos de aplicación en datos químicos de diversa naturaleza.
Sivana Mariela Azcárate (Facultad de Ciencias Exactas y Naturales, Incitap/Conicet) es Licenciada (UNLPam) y Doctora en Química (UNSL). Se especializa en análisis de muestras agroalimentarias, aplicación y estudios de algoritmos de clasificación y calibración, y análisis de datos. Es Miembro de la Asociación Argentina de Química Analítica (AAQA) desde el año 2013.
Daniela Alejandra Ortiz es Doctora en Agronomía (Facultad de Agronomía, Universidad Nacional del Sur Bahía Blanca. Licenciada en Química con Orientación en Alimentos. Facultad de Ciencias Exactas y Naturales de la Universidad Nacional de La Pampa (UNLPam). Participa de proyectos relacionados a la evaluación de calidad de materias primas y el desarrollo, validación y aplicación nuevas tecnologías para el análisis de diferentes forrajes y alimentos para consumo humano con enfoque al uso de tecnología NIRS y aplicación de herramientas quimiometricas.
El curso está destinado a investigadores/as y estudiantes de posgrado de las carreras relacionadas a las Ciencias Químicas, Biológicas, Biotecnológicas, Agronómicas, Ambientales, de los Alimentos y afines que quieran iniciarse en técnicas de análisis multivariado para poder aplicarlas en su rutina de trabajo.
Son requisitos de formación previa para los/as interesados/as: titulación universitaria o de nivel superior de carreras de 4 años o más de duración obtenida en el país o en el extranjero. Excepcionalmente serán admitidos/as como estudiantes aquellos/as quienes no cuenten con la titulación requerida, estudiantes avanzados de nivel de grado y ostenten conocimientos suficientes y/o trayectoria y antecedentes profesionales que les permita desarrollar con éxito el Curso, a juicio de las responsables del Curso.
El curso es arancelado, con una carga horaria total de 40 (cuarenta) horas, distribuidas en clases teóricas y prácticas.
El dictado se desarrollará mediante presentaciones teóricas que proporcionarán una base sólida sobre los conceptos fundamentales del curso. Por otra parte, se realizarán sesiones prácticas que permitirán la aplicación de los conceptos teóricos a problemas reales, facilitando el aprendizaje activo y la discusión en grupo. Estas sesiones se realizarán principalmente mediante la práctica con herramientas y softwares relevantes para el campo de estudio, proporcionando habilidades técnicas aplicables en la práctica profesional. Adicionalmente, se implementará el uso de entornos virtuales para la entrega de material, foros de discusión y colaboración en línea.
Para inscribirse, acceder a este formulario.
