Curso Completo De Machine Learning: Data Science con RStudio

Course

Online

£ 13 VAT inc.

Description

  • Type

    Course

  • Methodology

    Online

  • 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? Pues este curso está pensado y diseñado por todo un profesional del mundo del Data Science como es Juan Gabriel Gomila, de modo que os va a compartir todo su conocimiento y ayudaros a entender la teoría tan compleja sobre las matemáticas que tiene detrás, los algoritmos y librerías de programación con R Studio para convertiros en todo unos expertos a pesar de que no tengáis experiencia previa. 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.También decirte que este curso es muy divertido, en la línea de Juan Gabriel Gomila y que aprenderás y te divertirás mientras vas aprendiendo acerca de técnicas de Machine Learning con R Studio. El análisis de datos y el machine learning con R ha surgido como un enfoque muy importante para empresas de todo tipo, desde el mundo de las finanzas al de los videojuegos pasando por tiendas online o incluso los deportes. R permite que incluso aquellos que tienen comprensión intuitiva de los conceptos subyacentes, sin un trasfondo matemático profundo, den rienda suelta a análisis potentes y detallados de sus datos.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. 
universidad...

Facilities

Location

Start date

Online

Start date

Different dates availableEnrolment now open

About this course

Adquirir, formatear y visualizar nuestros datos usando R
Usar R para realizar un análisis exploratorios de los datos
Conocer algoritmos de machine learning tales como clasificación y regresión
Saber llevar acabo el análisis de redes sociales
Generar informes dinámicos con Shiny
Conocer y saber realizar el análisis geoespacial
Manejar datos grandes con R usando Spark y MongoDB
Construir un sistema de recomendaciones incluyendo el filtrado colaborativo, basado en contenido e híbrido
Conocer ejemplos del conjunto de datos del mundo real como la detección de fraude y reconocimiento de imágenes
Ser todo un master Jedi del Machine Learning con R Studio
Llevar a cabo predicciones y toma de decisiones precisas
Elaborar modelos robustos de Machine Learning
Utilizar las técnicas de Machine Learning para uso personal y para asesorar empresas
Tener una buena intuición de la mayoría de modelos de Machine Learning
Construir modelos diversos de Machine Learning y combinarlos para resolver cualquier problema que uno se plantee
Utilizar técnicas avanzadas para reducir la dimensión del problema

Cualquiera que quiera iniciarse en el mundo de la estadística y el análisis de datos
Cualquiera interesado en aprender Machine Learning
Cualquiera que quiera aprender R y RStudio
Cualquiera con nociones básicas de R y estadística que busque conocer las técnicas avanzadas usadas por las grandes empresas
Estudiantes que tienen un conocimiento de matemáticas que quieran aprender acerca del Machine Learning con R
Usuarios 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 estadístico
Programadores que les guste el código y que estén interesados en aprender Machine Learning para aplicar dichas técnicas a sus datasets
Estudiantes de universidad que busquen especializarse y aprender a ser Data Scientists
Analistas de datos que quieran ir más allá gracias al Machine Learning con RStudio
Cualquier persona que no esté satisfecha con su propio trabajo y busque empezar a trabajar como un Data Scientist profesional
Cualquier persona que quiera dar valor añadido a su propia empresa utilizando las potentes herramientas de Machine Learning

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

Emagister S.L. (data controller) will process your data to carry out promotional activities (via email and/or phone), publish reviews, or manage incidents. You can learn about your rights and manage your preferences in the privacy policy.

Reviews

This centre's achievements

2021

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 6 years

Subjects

  • XML training
  • XML
  • HTML

Course programme

Introducción 2 lectures 10:09 Introducción Contenidos del curso Introducción 2 lectures 10:09 Introducción Contenidos del curso Introducción Introducción Introducción Introducción Contenidos del curso Contenidos del curso Contenidos del curso Contenidos del curso Conoce R y RStudio 3 lectures 34:01 Descargando nuestra herramienta de trabajo: R y R Studio La organización es la clave Un paseo por la interfaz de R Studio Conoce R y RStudio 3 lectures 34:01 Descargando nuestra herramienta de trabajo: R y R Studio La organización es la clave Un paseo por la interfaz de R Studio Descargando nuestra herramienta de trabajo: R y R Studio Descargando nuestra herramienta de trabajo: R y R Studio Descargando nuestra herramienta de trabajo: R y R Studio Descargando nuestra herramienta de trabajo: R y R Studio La organización es la clave La organización es la clave La organización es la clave La organización es la clave Un paseo por la interfaz de R Studio Un paseo por la interfaz de R Studio Un paseo por la interfaz de R Studio Un paseo por la interfaz de R Studio Adquirir y preparar nuestros ingredientes - Los datos 25 lectures 06:10:18 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 Leyendo datos de un XML Leyendo tablas incrustadas en un HTML Leyendo datos desde un JSON Acceso a los datos con la sintaxis de $ Los ficheros de ancho fijo Creando ficheros Rdata y rds Cargando ficheros Rdata y rds 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 Categorizando información numérica Variables ficticias para categorizaciones Formas de eliminar la información que falta Formas de completar la información que falta 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 Adquirir y preparar nuestros ingredientes - Los datos. 25 lectures 06:10:18 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 Leyendo datos de un XML Leyendo tablas incrustadas en un HTML Leyendo datos desde un JSON Acceso a los datos con la sintaxis de $ Los ficheros de ancho fijo Creando ficheros Rdata y rds Cargando ficheros Rdata y rds 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 Categorizando información numérica Variables ficticias para categorizaciones Formas de eliminar la información que falta Formas de completar la información que falta 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 Preparando los datos para su análisis Preparando los datos para su análisis Preparando los datos para su análisis Preparando los datos para su análisis ¿En qué consiste esto del Data Science? ¿En qué consiste esto del Data Science? ¿En qué consiste esto del Data Science? ¿En qué consiste esto del Data Science? El fichero CSV y la función read.csv El fichero CSV y la función read.csv El fichero CSV y la función read.csv El fichero CSV y la función read.csv Opciones adicionales de read.csv Opciones adicionales de read.csv Opciones adicionales de read.csv Opciones adicionales de read.csv Leyendo datos de un XML Leyendo datos de un XML Leyendo datos de un XML Leyendo datos de un XML Leyendo tablas incrustadas en un HTML Leyendo tablas incrustadas en un HTML Leyendo tablas incrustadas en un HTML Leyendo tablas incrustadas en un HTML Leyendo datos desde un JSON Leyendo datos desde un JSON Leyendo datos desde un JSON Leyendo datos desde un JSON Acceso a los datos con la sintaxis de $ Acceso a los datos con la sintaxis de $ Acceso a los datos con la sintaxis de $ Acceso a los datos con la sintaxis de $ Los ficheros de ancho fijo Los ficheros de ancho fijo Los ficheros de ancho fijo Los ficheros de ancho fijo Creando ficheros Rdata y rds Creando ficheros Rdata y rds Creando ficheros Rdata y rds Creando ficheros Rdata y rds Cargando ficheros Rdata y rds Cargando ficheros Rdata y rds Cargando ficheros Rdata y rds Cargando ficheros Rdata y rds Eliminar datos sin valor con na.omit Eliminar datos sin valor con na.omit Eliminar datos sin valor con na.omit Eliminar datos sin valor con na on variables numéricas Partición de data frames con variables categóricas 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 La técnica de la validación cruzada Gráficos cuantil - cuantil ¿Qué tenemos aquí? - El análisis exploratorio datos 16 lectures 04:09:37 Acerca del análisis exploratorio de los datos Resumiendo nuestros datos con summary y str Estadísticos y medidas básicas Subconjuntos de datos ...

Additional information

Saber usar un ordenador con fluidez, independientemente del sistema operativo Tener conocimientos básicos de estadística o de R es recomendable pero no necesario para seguir el curso Se necesitan conocimientos de matemáticas de bachillerato o conocimientos básicos de estadística

Curso Completo De Machine Learning: Data Science con RStudio

£ 13 VAT inc.