Descripción del Curso

En las dos últimas décadas, la generación masiva de información ha incorporado progresivamente atributos geográficos. Desde compras y redes sociales hasta sensores climáticos o denuncias delictivas, la mayoría de los eventos generan coordenadas de latitud y longitud. La información georreferenciada se ha consolidado como una herramienta clave para la toma de decisiones en sectores como finanzas, agricultura, ecología, salud y criminología.

En este curso aprenderás desde la importación, tratamiento, manipulación y visualización de datos espaciales (puntos y mapas), hasta el desarrollo de un Análisis Exploratorio de Datos Espaciales (ESDA) y análisis de autocorrelación espacial.

REQUISITO PREVIO: Tener conocimientos básicos en el manejo y manipulación de datos en R.

Contenido del Curso

  • 1. Visión general de datos espaciales en R
    • ¿Por qué utilizar R para datos espaciales?
    • Objetos especiales en R
  • 2. Fundamentos de Información Geográfica
    • Modelo vectorial: puntos, líneas y polígonos
    • Sistemas de coordenadas geográficas y planas (proyecciones)
    • Lattice data y Point patterns
    • Manejo de datos geográficos
  • 3. Manipulación, tratamiento y presentación de datos espaciales
    • Operaciones vectoriales y álgebra de mapas
    • Filosofía Tidyverse aplicada a datos espaciales (manipulación, agregación y ggplot)
    • Gráfico de mapas y point patterns
    • Unión e intersección vectorial / Importación y exportación
    • Widgets HTML e interactivos para informes gerenciales
  • 4. Estructuras de control y funciones avanzadas para casos aplicados
    • Técnicas de procesamiento para datos espaciales
    • Expresiones regulares sobre point patterns
    • Similaridad de texto aplicada a direcciones
    • Georreferenciación de direcciones con la API de Google Maps
  • 5. Análisis Exploratorio de Datos Espaciales (ESDA)
    • Conceptos clave: Escala, Autocorrelación espacial, Aleatoriedad, Tendencia y Estacionariedad
    • Autocorrelación global y local: Índice de Moran
    • Funciones de dependencia espacial: Variograma y Semivariograma

Capacitador

RR

Ricardo Robayo Martínez, MSc.

Cuenta con 3 años de experiencia como científico de datos y 4 años en investigación. Ha trabajado como asistente de investigación en la Escuela Politécnica Nacional, analista de riesgos de sistemas de pago en el Banco Central del Ecuador, analista de calidad de data en Produbanco y consultor en proyectos de estadística espacial, ciencia de datos e inteligencia artificial.