¿Por qué estudiar este curso?

Este curso se centra en la integración de técnicas de machine learning con herramientas de inferencia causal aplicadas a las ciencias sociales. Los participantes adquirirán habilidades para implementar métodos avanzados de machine learning, abordando tareas de predicción, clasificación y estimación de efectos causales. A lo largo del curso, se estudiarán conceptos fundamentales en ambos campos, explorando aplicaciones prácticas en problemas reales de ciencias sociales y políticas públicas. Mediante ejemplos concretos y ejercicios prácticos, los participantes desarrollarán las competencias necesarias para realizar investigaciones rigurosas y avanzadas en este campo en evolución. Se utilizará el lenguaje de programación R como herramienta principal para explorar y aplicar estas técnicas, proporcionando a los participantes una experiencia práctica y aplicada en el análisis de datos en ciencias sociales.

¿Qué lograré con este curso?

  • Aplicarás técnicas avanzadas de machine learning y herramientas de inferencia causal en el análisis de datos en ciencias sociales utilizando el lenguaje de programación R en el contexto de problemas reales.
  • Implementarás modelos de machine learning para predicción, clasificación y estimación de efectos causales en situaciones prácticas de ciencias sociales y políticas públicas.
  • Desarrollarás competencias avanzadas en machine learning e inferencia causal mediante la implementación de ejemplos concretos y ejercicios prácticos utilizando R en el contexto de investigaciones en ciencias sociales.
  • Analizarás datos utilizando métodos de machine learning para identificar patrones y relaciones causales en estudios aplicados a las ciencias sociales, con un enfoque práctico y aplicado.
  • De preferencia estudiantes de 9° y 10° ciclo del pregrado de la Facultad de Ciencias Sociales.
  • Alumnos y egresados de la Diplomatura de Especialización en Ciencia de Datos para las Ciencias Sociales y la Gestión Pública QLAB.
  • Alumnos y egresados de las maestrías de Economía, Regulación de Servicios Públicos y de la Escuela de Gobierno y Políticas Públicas.
  1. Fundamentos de Machine Learning y Causalidad.
    • Introducción a Machine Learning y su relevancia en las ciencias sociales.
    • Conceptos básicos de inferencia causal. -Integración de técnicas de machine learning con herramientas de inferencia causal.
    • Fundamentos del lenguaje de programación R para machine learning y causalidad.
    • Aplicaciones Prácticas en Ciencias Sociales.
  2. Predicción en ciencias sociales: métodos y aplicaciones.
    • Clasificación en ciencias sociales: técnicas y casos de estudio.
    • Estimación de efectos causales: métodos avanzados y aplicaciones prácticas.
    • Análisis de datos utilizando R (o Stata) en problemas reales de ciencias sociales.
  • Primera fecha: lunes 05 de agosto del 2024 de 9:00 am a 1:00 pm
  • Segunda fecha: martes 06 de agosto del 2024 de 12:00 pm a 5:00 pm

Tomás Rau

Chair of the Departamento of Economics at PUC of Chile

Es Ph.D. in Economics. Actualmente se desempeña como profesor titular y director del Departamento de Economía, de la Pontificia Universidad Católica de Chile. Brinda clases de Econometría y Economía del Trabajo a nivel de posgrado (MA, MBA, Ph.D.) y pregrado.

Ha impartido cursos en la Universidad de California-Berkeley, PUC-Perú, U, de Concepción y U. de Chile. Asimismo, ha realizado trabajos de consultoría para organismos internacionales como el Banco Mundial (BM), el Banco Interamericano de Desarrollo (BID), la Organización Internacional del Trabajo (OIT) y las Naciones Unidas (PNUD).

Se considerará la asistencia a todas las clases magistrales y participación continua para que el participante pueda acceder a la Constancia de participación.

Las becas se concederán en función de los méritos, y las decisiones del Comité de Admisión. Este Comité estará encargado de revisar la información facilitada por los candidatos en sus documentos de solicitud.

Karen Irurita