top of page
Estructura abstracta

Escuela AME IV
Estadística, Ciencia de Datos y Problemas Ambientales

10 y 11 de diciembre de 2026

Sede: IIMAS, Ciudad Universitaria, UNAM

Evento híbrido

La Asociación Mexicana de Estadística (AME) tiene el gusto de organizar la Escuela AME en su cuarta edición; en esta ocasión junto con la Universidad Nacional Autónoma de México (UNAM) y las sociedades internacionales

  • Latin American Regional Section of the International Association for Statistical Computing (IASC-LARS)

  • International Environmetrics Society (TIES)

  • Section on Environmental Sciences of the International Society for Bayesian Analysis (EnviBayes ISBA)

  • Section on Statistics and the Environment of the American Statistical Association (ENVR ASA).

 

 

El objetivo general de la Escuela es divulgar temas que constituyen vertientes actuales de aplicación e investigación de la Estadística y la Ciencia de Datos. La Escuela está dirigida a profesionistas practicantes de la estadística, estudiantes avanzados de licenciatura y estudiantes de posgrado en matemáticas, estadística, actuaría, o disciplinas afines.

​

Cursos cortos:

 

Fairness Assessment and Bias Mitigation in Machine Learning (4 hours)

Prof. Eufrasio de Andrade Lima Neto (Federal University of Paraíba, Brazil)

Temario

​

Dynamic Space-Time Modelling (full day)

Prof. Likun Zhang (University of Missouri-Columbia, USA)

Prof. Joshua North (Lawrence Berkeley National Laboratory, USA)

Temario

 

Google Earth Engine for environmental and climate data analysis (4 hours)

Prof. Aman Bhullar (Agriculture and Agri-Food Canada -Government of Canada- and University of Guelph, Canada)

Temario

 

Análisis de Escenarios Climáticos (2 days)

Rodrigo Muñoz (UNAM, Mexico)

Edna López Estrada (Banxico, Mexico)

Temario​​​​

​​​

Generative AI (day)

Helena Gómez Adorno (IIMAS, UNAM, Mexico)

Temario

​

Dependence models via hierarchical structures (4 hours)

Luis Enrique Nieto Barajas (ITAM, Mexico)

Temario

​

Introducción a la inferencia causal y estimación de efectos causales (4 hours)

Jorge Francisco de la Vega Góngora (ITAM, Mexico)

Temario

​

Pyrichlet: a Python package for density estimation and clustering using Gaussian mixture models (half day)

Fidel Selva (UNAM, Mexico)

Temario

​

STATA course (half day)

STATA (Mexico)

Temario

 

Uso de imágenes satelitales para estimar efectos de cambio climático y/o deforestación (half day) - free course (sin costo para asistentes)

Ranyart Rodrigo Suárez Ponce de León (INEGI, Mexico)

Temario

​

Otros cursos y horarios se anunciarán pronto.

​​Nota: algunos cursos cortos serán grabados para disposición de los inscritos a la escuela.

Algunos cursos se impartirán en inglés y otros en español.​

 

​

Costos de inscripción Escuela AME IV: 
Costos3.jpg
Se otorgará constancia de inscripción.
​
Registro: ​

 

       â€‹

  • ​Si sólo participas en la Escuela AME IV o si ya hiciste tu registro al Congreso y te quieres registrar adicionalmente a la Escuela AME, para realizar el registro, envía un correo a la cuenta: amestad@amestad.mx​ con el asunto: Registro y pago Escuela AME IV

Incluye la siguiente información.

 

  • Nombre

  • Profesión

  • Comprobante de pago

  • Si asistirás de forma presencial o tomarás los cursos en línea

  • Sólo para estudiantes: comprobante de estudios

  • Sólo para becados: comprobante de asignación de la beca (correo)

  • Sólo para los asistentes al Congreso: comprobante de pago del Congreso.

​​

Pago:

Asociación Mexicana de Estadística, A.C.

BBVA

Cuenta No. 044-2647087

CLABE 012180004426470872​​​

​

Nota importante: No se podrá realizar ningún pago en las instalaciones del IIMAS

​

Becas:​

Habrá un número limitado de becas para estudiantes. Para solicitar una beca deberás tener una carta de recomendación y comprobar que eres estudiante.

Para participar favor de llenar el siguiente formulario antes del 31 de agosto de 2026:  https://forms.gle/VmHjwW8mxo3euXKC7

Comparte en redes:

© 2003-2019 Asociación Mexicana de Estadística |  Derechos reservados  

bottom of page