Big Data para Comunicación Política
Extracción, limpieza y análisis de datos, algoritmos predictivos y APIs para la toma de decisiones estratégicas
Duración 8 semanas (32 hs.)
Inicio 12 de junio
Modalidad Asincrónica Aula virtual con tutoría personalizada
Profesores Bárbara Zeifer y Zacarias Abuchanab
Destinado a tomadores de decisión (consultores, funcionarias/os o investigadores) que busquen comprender los conceptos clave de la ciencia de datos aplicada a la comunicación política, pero puedan delegar la implementación de los procesos. No se requieren conocimientos previos de programación ni estadística.
Objetivos
-
Acercar el lenguaje de programación y los algoritmos clave de la ciencia de datos a los tomadores de decisiones en el ámbito de la comunicación política.
-
Dar a conocer los principales modos en los que el análisis de grandes volúmenes de datos puede ser aplicado de manera concreta a la toma de decisiones estratégica en cualquier campaña de marketing político o institucional.
Contenidos
Módulo 1: Datos y comunicación política
Las claves para hacer campaña política en el 2022. Comunicación, marketing y redes sociales. Las limitaciones de las metodologías tradicionales: sesgos e imprecisión. La ciencia de datos como oportunidad y desafío.
Módulo 2: Definición de objetivos e identificación de oportunidades
¿Qué puedo hacer con los datos? ¿Qué tipo de datos necesito? Definición de objetivos, variables e indicadores para cada proyecto con la metodología OKR. Posibilidades y oportunidades del análisis de datos en política: scrapping de redes sociales, clusterización de públicos, predicción de resultados.
Módulo 3: La preparación de los datos
Introducción a Python y lenguajes de programación. Entornos de desarrollo. Sintaxis básica y aplicaciones en data manipulation. Los procedimientos más comunes de extracción, exploración, limpieza y análisis estadístico de bases de datos de gran volumen. El paso a paso de cómo construir nuestro primer data set scrapeando datos, prepararlo y analizarlo de manera preliminar.
Módulo 4: Algoritmos para problemas políticos
Presentación de los principales algoritmos disponibles para predecir y tomar decisiones a partir de grandes volúmenes de datos. Introducción al mundo del Machine Learning y Deep Learning.
- Modelos predictivos: Introducción a técnicas de regresión lineal para variables cuantitativas.
- NLP: Técnicas básicas de análisis y clasificación de palabras.
- Modelos no supervisados: Introducción a clusterización y aplicaciones básica
Módulo 5: Introducción a las técnicas y herramientas de la ciencia de datos
Presentación de herramientas de análisis y visualización de datos: Power Bi & Tableau.
Metodología
Aula virtual Todos los miércoles se publicará el contenido de la semana en el campus virtual. Se puede ingresar con usuario y contraseña durante el tiempo de duración del curso.
Modalidad asincrónica Cada estudiante puede ver las clases, realizar los ejercicios y comunicarse con los profesores en los días y horarios que prefiera.
Tutoría personalizada Los profesores responderán consultas y darán devoluciones personalizadas de las actividades a lo largo del mes de duración del curso.
Diversidad de herramientas para el aprendizaje Cada semana la/el estudiante encontrará
-
documentos con los contenidos de la clase;
-
videos explicativos;
-
ejercicios aplicados a casos concretos de las ciencias sociales;
-
una pregunta de comprobación de participación al finalizar cada clase;
-
bases de datos para poner en práctica los conocimientos adquiridos;
-
bibliografía optativa para apoyar el aprendizaje.
Certificación
Para aprobar el curso se requiere la presentación de 7 de las 8 preguntas de comprobación de participación y la aprobación de un examen final de tipo multiple choice con un 60% o más preguntas correctas.
Los certificados son extendidos por TIBER Escuela de Estudios Políticos y Sociales.
Precio
moneda | monto |
---|---|
EUR | 200 |
USD | 215 |
MXN | 3700 |
BRL | 1100 |
ARS | 80000 |
Medios de pago
transferencia bancaria
tarjetas de crédito


.png)
billeteras electrónicas

