Curso completo de Machine Learning: Data Science con RStudio
- Description
- Curriculum
- FAQ
- Reviews
¿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.
- 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, como manejar sus datos para crear gráficos básicos, acabaremos dominaremos las técnicas de análisis de datos más avanzadas, como 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, por tanto ¡tienes muchos campos donde aplicar todo lo que aprendas aquí en el curso!
A lo largo del curso, conoceremos los problemas comunes y los obstáculos que se suelen encontrar al implementar cada una de las técnicas de análisis de datos en R, así como diferentes formas formas de superarlas de la manera más fácil posible.
Al final de este curso, tendrás todo el conocimiento que necesita para convertirte en un experto en análisis de datos con R, y poner sus habilidades a prueba en escenarios del mundo real.
-
6Descargando nuestra herramienta de trabajo: R y R Studio
-
7Ayuda con la instalación de R y Rstudio
-
8Si tienes problemas con Ubuntu...
-
9La organización es la clave
-
10Repositorio de los proyectos del curso de Data Science
-
11Un paseo por la interfaz de R Studio
-
12Comunidad de estudiantes del curso
Durante el curso es de esperar que te surjan dudas y quieras respuesta casi inmediata. Mientras que en el foro de Udemy pueden pasar entre 24 y 48 horas entre que escribes tu duda y yo tengo tiempo de responderlas, he creado para ti y todos los estudiantes una comunidad donde todos vosotros podéis (a mano o con mensaje de voz) poner vuestras dudas, sugerencias y resultados y que sean vuestros compañeros que están conectados los que os contesten.
Para unirte solamente debes hacer click en el siguiente enlace y registrarte si no tienes cuenta en Discord:
https://discord.gg/pRrGAfG
A partir de aquí, tendrás toda una red social de estudiantes que como tu buscan aprender y que te irán resolviendo las dudas del curso si están conectados. La idea es que crezcamos juntos y tu seas uno más, así que ¡apúntate y prepárate para convertirte en el siguiente desarrollador más famoso de toda la comunidad!
-
13Preparando los datos para su análisis
-
14¿En qué consiste esto del Data Science?
-
15El fichero CSV y la función read.csv
-
16Opciones adicionales de read.csv
-
17Los datos en CSV
Vamos a repasar todo lo que hemos visto acerca carga de datos en CSV en R
-
18Leyendo datos de un XML
-
19Leyendo tablas incrustadas en un HTML
-
20Problemas leyendo tablas en HTML
-
21Los datos en XML
Vamos a repasar todo lo que hemos visto acerca carga de datos en XML en R
-
22Leyendo datos desde un JSON
-
23Alternativa a la API de Yahoo finanzas
-
24Acceso a los datos con la sintaxis de $
-
25Los datos en un JSON
Vamos a repasar lo que hemos aprendido acerca de la carga de datos desde un fichero JSON en R
-
26Los ficheros de ancho fijo
-
27Los datos en un fichero de ancho fijo
Vamos a repasar cómo cargar y usar ficheros de ancho fijo
-
28Creando ficheros Rdata y rds
-
29Cargando ficheros Rdata y rds
-
30Los ficheros de datos de R
Vamos a repasar los ficheros de datos de R
-
31Eliminar datos sin valor con na.omit
-
32Limpieza selectiva de los datos sin valor
-
33Reemplazo de NA con la media o extracción aleatoria
-
34Evitando duplicaciones de entradas
-
35Reescalado lineal de datos
-
36Normalizando o estandarizando datos de un data frame
-
37Limpieza de datos
Vamos a repasar los conceptos sobre limpieza de datos vistos hasta el momento
-
38Categorizando información numérica
-
39Variables ficticias para categorizaciones
-
40Formas de eliminar la información que falta
-
41Formas de completar la información que falta
-
42Preparando nuestros datos iniciales
Vamos a repasar las diferentes formas que tenemos de preparar nuestros datos iniciales con las funciones pertinentes de R
-
43Combinando y separando los datos
-
44Uso de modelos predictivos para eliminar NAs
-
45Detección de outliers a través de box plots
-
46Enmascarando los outliers con transformaciones y cappings
-
47Corrección de los datos
Vamos a repasar las diferentes formas de corregir y preparar los datos iniciales
-
48Acerca del análisis exploratorio de los datos
-
49Resumiendo nuestros datos con summary y str
-
50Estadísticos y medidas básicas
-
51Análisis exploratorio inicial
Vamos a repasar los conceptos vistos hasta ahora sobre el análisis preliminar de los datos
-
52Subconjuntos de datos
-
53Divisiones con split
-
54Partición de data frames con variables numéricas
-
55Partición de data frames con variables categóricas
-
56División de los datos
Vamos a seguir con nuestro análisis inicial de los datos
-
57Histogramas, boxplots y scatterplots
-
58Personalizando nuestros gráficos
-
59Múltiples gráficos con la función par
-
60El paquete lattice
-
61Comparación a través de representaciones
-
62El gráfico de las judías
-
63Análisis de la causalidad
-
64Representación de los datos
Vamos a ver si hemos aprendido todo lo relacionado con la representación gráfica de los datos.
-
65La técnica de la validación cruzada
-
66Gráficos cuantil - cuantil
-
67Acerca de la clasificación en data science
-
68Cómo generar matrices de confusión
-
69Diagramas de mosaico
-
70Análisis de componentes principales
-
71Diagramas ROC
-
72Análisis y representaciones para clasificar correctamente
Vamos a repasar las técnicas de clasificación vistas hasta el momento
-
73Los árboles de clasificación
-
74La poda del árbol de clasificación
-
75Los bosques aleatorios
-
76Árboles y bosques de clasificación
Vamos a repasar lo que hemos aprendido en las últimas clases de clasificación
-
77Máquinas de soporte vectorial
-
78Naïve Bayes
-
79K Nearest Neighbors
-
80Eligiendo el mejor número de vecinos para la decisión
-
81Redes neuronales para clasificar
-
82Análisis del discriminante lineal
-
83La regresión logística
-
84Técnicas de clasificación
Vamos a repasar las técnicas de clasificación que hemos visto en esta última fase
-
85Conexión a la API de Twitter
-
86Limpiando los tweets descargados
-
87Clasificación de textos para análisis de sentimiento
Social Network