Rasca la imagen para llevarte un descuento en tu curso. Podrás aplicar el cupón en el momento de pago.
237
Bienvenidos al Mundo del Análisis de Datos con R
Contenidos del Curso
Cómo Sacarle el Máximo Partido al Curso
La Comunidad de Discord para Aprender con Amigos
El Repositorio GitHub del Curso
Tu cuaderno para tomar notas online sobre el curso
Cómo Obtener una Versión Anterior de R Estable (R 3.6.3)
Cómo Instalar R y RStudio
¿Problemas con la Instalación en Ubuntu?
La Organización es la Clave
Un Tour por la Interfaz de RStudio
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
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
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
La Librería SentimentR
Clasificación de Textos para el Análisis de Sentimiento
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
La Función step para Simplificar el Modelo Lineal
Predicción de Valores
Árboles de Regresión
Las Técnicas de Bagging and Boosting
Bosques Aleatorios para Regresión
Redes Neuronales para Regresión
Implementando una K-Fold Cross Validation en R
Implementando una LOOCV en R
Técnicas Avanzadas de Regresión
Reduciendo los Datos con Clustering y ACP
Clustering Jerárquicos y Dendogramas
Las Distancias y el Método de Generación del Cluster
Clusterings Divisitivos y Cortes en el Dendograma
Clustering Partitivos con K-Means
Mini Batch K-Means para Segmentación de Imágenes
Técnicas de Reducción de Datos
Particiones alrededor de los K Medoides
Clustering Large Application (CLARA)
Validando los Resultados de un Clustering
Clusterings Basados en Densidad de Puntos
Clusterings Basados en Modelos
Reducir Dimensiones con ACP
Técnicas de Clustering Avanzadas
Series Temporales y su Utilidad
Trabajando con Información Financiera
Datos en Tiempo Real con quantmod
El Formato de Fecha en R
Operaciones y Secuencias de Fechas
Análisis Preliminar de una Serie Temporal
El Objeto Serie Temporal de R
La Descomposición de una Serie Temporal
El Filtrado de Series Temporales para Localizar Tendencias
Suavizado y Predicción con el Método de Holt-Winters
Creando un Modelo Autorregresivo Integrado de Media Móvil
Las Series Temporales
El Paquete ggplot2
Gráficos de Dispersión
Gráficos de Líneas
Gráficos de Barras
Gráficos de Distribuciones
Gráficos de Mosaicos
Treemaps
Graficos con Matrices de Correlación
Agregando Tonalidades a las Matrices de Color
Mapas de Calor
Representaciones en Forma de Grafo
Etiquetas y Leyendas
Colores y Temas
Gráficos Multivariantes
Gráficos Multivariantes con GGalli
Gráficos 3D y Animaciones
Textos e Histogramas en 3D
Exportando los Gráficos a Varios Formatos de Salida
Gráficos con ggplot
Ofrecer una Buena Recomendación
El Dataset de Movie Lens
Los Datos de las Películas y las Matrices Sparsed
Sistemas de Filtrado Colaborativo Basado en Ítems
Sistemas de Filtrado Colaborativo Basado en Usuarios
Representando la Matriz de Valoraciones
Filtrado Colaborativo para Datos Binarios
Sistemas Basados en Contenido
Haciendo una Clasificación de Películas con Clustering
Los Sistemas de Recomendaciones Híbridos
Medidas de Semejanza
Dando Recomendaciones
Introducción a Machine Leerning
Añadiendo Repositorios de Terceros, GitHub y Fuentes Externas
Una Aplicación de ML - Sistema de Reconocimiento de Imágenes
Validando nuestras Recomendaciones con Validación Cruzada
Evaluación de las Valoraciones
Evaluación de las Recomendaciones
Eficacia y Precisión
Identificar el Modelo Adecuado
Optimización de Parámetros
Definiciones en el Contexto de Clasificación y Recomendación
Cómo Funciona el Sistema de Detección de Fraudes
Una Introducción al Machine Learning
El Papel de las Redes Sociales en el Análisis de Datos
La Red Social de Meetup y su API
Generar Llamadas Parametrizadas a las API
El Problema del Exceso de Datos y el Uso de data.table
La Red Social de Meetup
Las Matrices de Adyacencia y Listas de Aristas de un Grafo
El Paquete igraph para Representar Grafos
Más Opciones del Paquete igraph
Nomenclatura y Métricas de Grafos
Calculando Métricas en Grafos
Añadir y Quitar Nodos y Aristas en un Grafo
Análisis de Tweets y el Grafo de Retweets
Layouts Basados en Fuerzas de Atracción y Repulsión
Gephi y más Layouts
La Red Social de Twitter
La Documentación y Presentación de los Hallazgos
R Markdown
Truco: Qué Hacer si Markdown No me Genera el Fichero en PDF
Combinando HTML y R
Plots y más Opciones de Configuración en Markdown
Tablas con HTML y Kable
Shiny
Distribuyendo el Reporte en Pestañas
Selecciones Dinámicas del Usuario
Incrustando Shiny en un Markdown
Presentaciones en PDF
Generación Dinámica de Reportes
R no es un Lenguaje de Programación Convencional
Operaciones Vectorizadas
El Uso de la Función apply
Las Funciones lapply y sapply
Aplicando Funciones a Subconjuntos con tapply y by
La Técnica de Dividir - Aplicar - Combinar
Trabajar con Grandes Datos con dplyr
Grandes Datos y Data Table
Slice and Dice con Data Table
Optimización de Código
Acerca de los Datos Geoespaciales
El Uso de Mapas del Paquete RGoogleMaps
Nota: la API de Google Maps ha Cambiado
Representando Puntos sobre un Mapa
Representar un Mapa de Calor con los Crímenes de Chicago
Cargar Ficheros ESRI
Representar Datos de un Fichero ESRI
El Paquete maps de RStudio
Conversión de Data Frame a Objetos Espaciales
Combinar Data Frames, Mapas y Objetos Espaciales
Añadir una Nueva Columna de Datos con spCbind
Análisis de Información Geoespacial
Trabajando con Otros Lenguajes de Programación
Instalando rJava desde Fuentes Externas
Objetos de Java en R
La Sintaxis de Java en los Métodos de R Explicada
Integración con Microsoft Excel
El Mundo de las Bases de Datos Relacionales y Paquetes de R para Conectarse
Instalando MySQL y MySQL Workbench
Cargando Datos en MySQL a partir de un CSV
La Librería RODBC
La Librería de RMySQL
La Librería RJDBC
Instalando MongoDB
El Poder de las Bases de Datos no Relacionales con R y MongoDB
El Uso de Spark en RStudio
Conectando Spark, MySQL y Análisis de Datos Distribuidos con RStudio
Hemos Terminado una Aventura Juntos, ¡pero Vamos a por la Siguiente!
(15)
PLANES PARA ACCEDER SEGÚN TUS OBJETIVOS Y NECESIDADES
Compra el curso individual, obtén toda la ruta de aprendizaje o accede a toda la plataforma
Elige la forma de pago que mejor se adapte a tus necesidades y a tu bolsillo con pago único por curso, acceso mensual o anual a la ruta de aprendizaje o incluso a toda la plataforma.
Pago Único
Compra el curso una vez y accede de por vida
€ 79.99
- Un único pago
- Acceso instantáneo al curso de por vida
- Accede a la comunidad del curso
El Más
Popular
Popular
Rana de Bronce
Accede a todos los cursos, comunidades y extras de Frogames
€ 39 /mes
- Pago único de 39€ al mes
- Acceso instantáneo a todos los cursos
- Accede a la plataforma y las comunidades 24 / 7, dónde y cuándo quieras
- Cancela en cualquier momento sin perder tu progreso
Ruta de Análisis de Datos
Accede a todos los cursos de la Ruta de Análisis de Datos
€ 19.99 /mes
- Pago único de 19.99€ al mes
- Acceso instantáneo a los +10 cursos de la ruta
- Accede a la ruta 24 / 7, dónde y cuándo quieras
- Cancela en cualquier momento sin perder tu progreso
Pago único
Compra el curso una vez y accede de por vida
€ 79.99
- Un único pago
- Acceso instantáneo al curso de por vida
- Accede a la comunidad del curso
El Más
Valorado
Valorado
Rana de Oro
Accede a todos los cursos, comunidades y extras de Frogames
€ 349 /año
- Pago único de 349€ al año
- 3 meses de descuento
- Acceso instantáneo a todos los cursos
- Accede a la plataforma y las comunidades 24 / 7, dónde y cuándo quieras
- Cancela en cualquier momento sin perder tu progreso
- Biblioteca de Recursos
- Directos mensuales de Q&A
- Soporte premium
Ruta de Análisis de Datos
Accede a todos los cursos de la Ruta de Análisis de Datos
€ 199 /año
- Pago único de 199€ al año
- 4 meses de descuento
- Acceso instantáneo a los +10 cursos de la ruta
- Accede a la ruta 24 / 7, dónde y cuándo quieras
- Cancela en cualquier momento sin perder tu progreso
- Soporte premium
* Todos los precios llevan impuestos incluidos.
Por tu seguridad, todos los pedidos se procesarán en un servidor seguro.
Ruta de Análisis de Datos
El pack definitivo con todos nuestros cursos de Análisis de Datos con R y Python para convertirte en todo un Data Scientist bien pagado. Incluye los cursos que están por venir y las actualizaciones y mejoras de los actuales
Carlos
Ideal para iniciarse en ML con R
Nunca había trabajado con RStudio antes, pero este curso me dio todas las herramientas necesarias para analizar datos y aplicar Machine Learning con este potente lenguaje. Las explicaciones son detalladas, los ejemplos son reales y los trucos del instructor hacen que todo sea mucho más fácil.
Marc
Un curso muy completo
Me encato este curso por lo completo que esta
Samuel
Ahora me siento mucho mas seguro al trabajar con modelos de prediccion
Este curso es justo lo que necesitaba para darle un boost a mis habilidades de data science. el enfoque practico me hizo entender todo mucho mejor.
Caty
completo y detallado
De verdad que desde el principio cuando empieza Juan Gabriel dando la explicacion, puede uno darse cuenta que si vamos a aprender toda la explicacion que tiene para nosotros sobre el data science
Yvonne
Un curso completo y bien estructurado
Excelente calidad tanto en el contenido como en las herramientas de audio y video. Recomendado
ivan sergio
Excelente Curso!!!!
Muy buen Curso... Felicidades.
Nicolas
Buen nivel!
Me encanto la secuencia logica del curso, una muy buena la explicacion de cada tema con sus ejercicios.
Gustavo
Domina el Machine Learning con RStudio: Un curso que marca la diferencia
El Curso completo de Machine Learning: Data Science con RStudio es una experiencia formativa que logra combinar profundidad técnica con accesibilidad, ideal para quienes desean adentrarse en el mundo del aprendizaje automático utilizando R como herramienta principal.
María
¡Siempre quise aprender data science y este curso me lo hizo tan fácil!
Las explicaciones son claras y las prácticas me ayudaron a consolidar todo lo aprendido. ahora me siento lista para practicar con mis propios datos
Gabriela
Ahora RStudio es mi aliado en el ML
Recomiendo este curso, no dejo de sentir como cada conocimiento me hace una mejor analista de datos. Aprendí a implementar modelos, evaluar resultados y aplicar técnicas de Data Science.
Silvana
RStudio y Machine Learning en perfecta combinación
Nunca había trabajado tan cómoda con RStudio hasta ahora. Este curso no solo me enseñó Machine Learning, sino que me mostró cómo aprovechar al máximo este entorno. Me encantó lo práctico y la cantidad de ejemplos reales.
Joiser
un curso de machine learning muy completo
Me encanta la calidad del curso y el nivel de los profesores
BORJA
Excelente
Estupendo, todo bien explicado.
Eulogio
Buenos trucos
Con los trucos de este curso he aprendido muchas cosas interesantes para el Machine Learning. Muy recomendado para los que queremos trabajar en este mundo de la informática.
Jesús
Excelente curso
Curso imprescindible que extiende los conocimientos aprendidos de R para Data Science del curso Machine Learning de la A a la Z. Explicaciones claras en cada uno de los temas. Muy completo y útil. 10/10.