Desarrollar en el estudiante el pensamiento aleatorio, probabilístico y estadístico, así como las competencias necesarias para recolectar, organizar, analizar, visualizar e interpretar datos provenientes de contextos reales, científicos y tecnológicos, integrando el uso de R y Python como herramientas fundamentales para la manipulación de datos, el cálculo de medidas descriptivas, la modelación de la incertidumbre, la inferencia estadística, la simulación y la construcción de modelos predictivos.

 

A través de lenguajes y entornos como RStudio, Jupyter, pandas, NumPy, matplotlib, seaborn y scikit-learn, el estudiante podrá explorar patrones, formular hipótesis, validar supuestos, comunicar resultados y tomar decisiones basadas en evidencia, comprendiendo el papel de la probabilidad en la modelación de fenómenos inciertos y de la estadística en la extracción de conocimiento a partir de datos.

 

En este sentido, la materia busca formar un estudiante capaz de integrar la teoría estadística con la práctica computacional, desarrollar reproducibilidad, pensamiento crítico y habilidades de comunicación de resultados, y aplicar la ciencia de datos para resolver problemas en matemáticas, ciencias, ingeniería y otras áreas del conocimiento.