Curso completo de Machine Learning: Data Science con RStudio

AulaGEO Academy

Training

Online

up to £ 100

The best Modelling courses

See all

See all

Description

  • Type

    Training

  • Methodology

    Online

  • Class hours

    51h

  • Start date

    Different dates available

"¿Te suenan las palabras Machine Learning o Data Scientist? ¿Te pica la curiosidad de para qué sirven estas técnicas o por qué empresas de todo el mundo pagan un sueldo de 120.000 hasta 200.000$ al año a un científico de datos? Este curso está pensado y diseñado por todo un profesional del mundo del Data Science como es Juan Gabriel Gomila, que compartirá su conocimiento y ayudaros a entender la teoría tan compleja sobre las matemáticas que tiene detrás, los algoritmos, y librerías de programación con R.Veremos paso a paso como empezar a trabajar con conceptos y algoritmos del mundo del Machine Learning. Con cada nueva clase y sección que completes tendrás unas nuevas habilidades que te ayudarán a entender este mundo tan completo y lucrativo que puede ser esta rama del Data Science.Este curso te mostrará cómo puedes poner sus habilidades de análisis de datos en R para uso práctico, con recetas que atienden las tareas básicas y avanzadas de análisis de datos. Desde la adquisición de los datos y su preparación previa para el análisis hasta las técnicas más complejas de análisis de datos, intentaremos llevar a cabo las implementaciones de cada técnica de la mejor manera posible. También visualizaremos los datos utilizando los paquetes más populares de R como ggplot2 y encontraremos información oculta en los mismos. Comenzando con la implementación de conceptos básicos del mundo del análisis de datos, manejar sus datos para crear gráficos básicos, dominar las técnicas de análisis de datos más avanzadas, realizar análisis de clúster o generar informes y visualizaciones de análisis efectivas. También trabajaremos con series temporales, regresión y estimación de datos, un sistema de recomendaciones o el análisis de mercados financieros o redes sociales entre otros.A lo largo del curso, conoceremos los problemas comunes y los obstáculos que se suelen encontrar, así como diferentes formas de superarlas. "

Facilities

Location

Start date

Online

Start date

Different dates availableEnrolment now open

About this course

"Adquirir, formatear y visualizar nuestros datos usando RUsar R para realizar un análisis exploratorios de los datosConocer algoritmos de machine learning tales como clasificación y regresiónSaber llevar acabo el análisis de redes socialesGenerar informes dinámicos con ShinyConocer y saber realizar el análisis geoespacialManejar datos grandes con R usando Spark y MongoDBConstruir un sistema de recomendaciones incluyendo el filtrado colaborativo, basado en contenido e híbridoConocer ejemplos del conjunto de datos del mundo real como la detección de fraude y reconocimiento de imágenesSer todo un master Jedi del Machine Learning con R StudioLlevar a cabo predicciones y toma de decisiones precisasElaborar modelos robustos de Machine LearningUtilizar las técnicas de Machine Learning para uso personal y para asesorar empresasTener una buena intuición de la mayoría de modelos de Machine LearningConstruir modelos diversos de Machine Learning y combinarlos para resolver cualquier problema que uno se planteeUtilizar técnicas avanzadas para reducir la dimensión del problema"

"Cualquiera que quiera iniciarse en el mundo de la estadística y el análisis de datosCualquiera interesado en aprender Machine LearningCualquiera que quiera aprender R y RStudioCualquiera con nociones básicas de R y estadística que busque conocer las técnicas avanzadas usadas por las grandes empresasEstudiantes que tienen un conocimiento de matemáticas que quieran aprender acerca del Machine Learning con RUsuarios intermedios que conocen los fundamentos de Machine learning como los algoritmos clásicos de regresión lineal o logística pero buscan aprender más y explorar otros campos del aprendizaje estadísticoProgramadores que les guste el código y que estén interesados en aprender Machine Learning para aplicar dichas técnicas a sus datasetsEstudiantes de universidad que busquen especializarse y aprender a ser Data ScientistsAnalistas de datos que quieran ir más allá gracias al Machine Learning con RStudioCualquier persona que no esté satisfecha con su propio trabajo y busque empezar a trabajar como un Data Scientist profesionalCualquier persona que quiera dar valor añadido a su propia empresa utilizando las potentes herramientas de Machine Learning"

"Saber usar un ordenador con fluidez, independientemente del sistema operativoTener conocimientos básicos de estadística o de R es recomendable pero no necesario para seguir el cursoSe necesitan conocimientos de matemáticas de bachillerato o conocimientos básicos de estadística"

"-100% online -Access to the course for life -30 days warranty money back -Available from desktop or mobile app -Can begin and finish the course any time -Can repeat the course any times"

Questions & Answers

Add your question

Our advisors and other users will be able to reply to you

Who would you like to address this question to?

Fill in your details to get a reply

We will only publish your name and question

Reviews

This centre's achievements

2020

All courses are up to date

The average rating is higher than 3.7

More than 50 reviews in the last 12 months

This centre has featured on Emagister for 3 years

Subjects

  • Technolgy
  • Machine Learning
  • Data science
  • R Studio
  • Algorithms
  • Programming
  • R Data skills
  • Spark
  • MongoDB
  • Ggplot2
  • Statistics
  • CSV
  • HTML
  • JSON
  • Diagrams
  • R Projects
  • Analysis
  • XML
  • Categorization
  • Datanalysis

Course programme

"Introducción
Introducción
Pre requisitos del curso
Contenidos del curso
Conoce a Juan Gabriel Gomila, tu profesor de Data Science
Acerca de la valoración prematura del curso en Udemy
Conoce R y RStudio
Descargando nuestra herramienta de trabajo: R y R Studio
Ayuda con la instalación de R y Rstudio
Si tienes problemas con Ubuntu...
La organización es la clave
Repositorio de los proyectos del curso de Data Science
Un paseo por la interfaz de R Studio
Comunidad de estudiantes del curso
Adquirir y preparar nuestros ingredientes - Los datos
Preparando los datos para su análisis
¿En qué consiste esto del Data Science?
El fichero CSV y la función read.csv
Opciones adicionales de read.csv
Los datos en CSV
Leyendo datos de un XML
Leyendo tablas incrustadas en un HTML
Problemas leyendo tablas en HTML
Los datos en XML
Leyendo datos desde un JSON
Alternativa a la API de Yahoo finanzas
Acceso a los datos con la sintaxis de $
Los datos en un JSON
Los ficheros de ancho fijo
Los datos en un fichero de ancho fijo
Creando ficheros Rdata y rds
Cargando ficheros Rdata y rds
Los ficheros de datos de R
Eliminar datos sin valor con na.omit
Limpieza selectiva de los datos sin valor
Reemplazo de NA con la media o extracción aleatoria
Evitando duplicaciones de entradas
Reescalado lineal de datos
Normalizando o estandarizando datos de un data frame
Limpieza de datos
Categorizando información numérica
Variables ficticias para categorizaciones
Formas de eliminar la información que falta
Formas de completar la información que falta
Preparando nuestros datos iniciales
Combinando y separando los datos
Uso de modelos predictivos para eliminar NAs
Detección de outliers a través de box plots
Enmascarando los outliers con transformaciones y cappings
Corrección de los datos
¿Qué tenemos aquí? - El análisis exploratorio datos
Acerca del análisis exploratorio de los datos
Resumiendo nuestros datos con summary y str
Estadísticos y medidas básicas
Análisis exploratorio inicial
Subconjuntos de datos
Divisiones con split
Partición de data frames con variables numéricas
Partición de data frames con variables categóricas
División de los datos
Histogramas, boxplots y scatterplots
Personalizando nuestros gráficos
Múltiples gráficos con la función par
El paquete lattice
Comparación a través de representaciones
El gráfico de las judías
Análisis de la causalidad
Representación de los datos
La técnica de la validación cruzada
Gráficos cuantil - cuantil
¿Donde pongo esto? - El proceso de clasificación
Acerca de la clasificación en data science
Cómo generar matrices de confusión
Diagramas de mosaico
Análisis de componentes principales
Diagramas ROC
Análisis y representaciones para clasificar correctamente
Los árboles de clasificación
La poda del árbol de clasificación
Los bosques aleatorios
Árboles y bosques de clasificación
Máquinas de soporte vectorial
Naïve Bayes
K Nearest Neighbors
Eligiendo el mejor número de vecinos para la decisión
Redes neuronales para clasificar
Análisis del discriminante lineal
La regresión logística
Técnicas de clasificación
Conexión a la API de Twitter
Limpiando los tweets descargados
Clasificación de textos para análisis de sentimiento
¿Cuanto voy a vender? - Regresión
La regresión para predecir valores
La raíz del error cuadrático medio
K nearest neighbors
K Nearest Neighbors sin partición de validación
Regresión Lineal
Entendiendo los gráficos de los residuos en un modelo lineal
Opciones para las fórmulas de un modelo lineal"

See related categories

Curso completo de Machine Learning: Data Science con RStudio

up to £ 100

The best Modelling courses

See all

See all