Udemy

Platform

Español

Language

Math

Category

Curso completo de Estadística descriptiva - RStudio y Python

Vamos a ver las bases de R y Python, desde cero y sin experiencia previa aplicada al mundo del análisis y estadística

4.53 (1185 reviews)

Students

44 hours

Content

Mar 2021

Last Update
Regular Price

BLUE HOST
Blue Host
Fast, easy, and secure WordPress hosting in minutes + 1 free domain name
65%OFF : $2.95/month

What you will learn

Estadística descriptiva incluyendo el cálculo de estadísticos básicos o la elaboración de gráficos que ayudan a visualizar la información de los datos

A utilizar R como herramienta básica de estadística y operaciones numéricas

Técnicas del mundo de la estadística para luego seguir formándose con otros cursos de Big Data, Machine Learning, Data Science o Inteligencia Artificial

Complementar la herramienta RStudio con ejemplos de Python para ser todo un genio en el análisis de datos estadísticos


Description

Conoce toda la estadística descriptiva de la mano de Juan Gabriel Gomila y María Santos. Asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido del curso. En particular verás los mismos contenidos que explicamos en primero de carrera a matemáticos, ingenieros o informáticos como por ejemplo:

  • Logística e instalación de R y RStudio y de Anaconda Navigator para Python

  • Cómo usar R y Python como si fuese una calculadora científica (incluyendo un repaso de funciones, trigonometría y combinatoria)

  • Introducción a la programación funcional con R desde cero (ideal para seguir tomando a posteriori cursos de análisis de datos).

  • Uso de gráficos para representar datos estadísticos incluyendo plots de nubes de puntos, histogramas, diagramas circulares o diagramas de caja y bigotes entre otros. Además tendrás ejemplos tanto en R como con matplotlib de Python.

  • Introducción a las técnicas de machine learning como por ejemplo la regresión lineal.

  • Profundización en tipos de datos cualitativos, cuantitativos  y ordinales y el correcto análisis de cada uno de ellos.

  • Introducción a la probabilidad, empezando desde lo más básico, pasando por variables aleatorias hasta llegar a tratar las distribuciones de probabilidad más conocidas (tanto discretas como continuas)

  • Comprende los estadísticos más relevantes de una distribución, como por ejemplo la media, varianza así como sesgo y curtosis. Y aprende a calcularlos tanto con R como con Python.

  • Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial.

Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos publicados por Juan Gabriel Gomila como los cursos de Machine Learning o Inteligencia Artificial con Python o RStudio o el Curso de Data Science con Tidyverse y RStudio. Todo el material del curso está enfocado en resolver los problemas de falta de base que presentan los estudiantes de esos cursos avanzados y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.


Screenshots

Curso completo de Estadística descriptiva - RStudio y Python
Curso completo de Estadística descriptiva - RStudio y Python
Curso completo de Estadística descriptiva - RStudio y Python
Curso completo de Estadística descriptiva - RStudio y Python

Content

Introducción

Introducción

Conoce a Juan Gabriel Gomila, tu instructor en Udemy

La comunidad de Discord para aprender online

No valores el curso hasta no llevar más contenido visualizado

Cómo usar todo el potencial de Udemy y redactar preguntas en el foro

Trabajando con R

¿Qué vamos a aprender en esta sección?

¿Qué es R y RStudio?

Cómo instalar R y RStudio

Si tienes problemas con Ubuntu...

El repositorio del curso

Ficheros, Scripts y RMarkDowns

Problemas con la generación del PDF

La ayuda de R

Cómo instalar y cargar librerías en R

R como calculadora

Funciones y Combinatoria con RStudio

Funciones trigonométricas

Redondeo y decimales en R

Cómo crear variables en R

Cómo crear funciones en R

Ejercicio: Creando la función de Operaciones Básicas

Trabajar con números complejos

Utilizando R como calculadora

Trabajando con Python

Aplicar la estadística descriptiva en Python

Cómo instalar Python con Anaconda Navigator

Constantes en Python

Operaciones aritméticas y de redondeo

Operaciones de entrada y salida

Operadores de decisión

Funciones matemáticas

Cómo definir funciones con Python

Argumentos variables y lambdas

Recursos adicionales de Python

Documentación con R Markdown

Introducción a RMarkdown

Truco: qué hacer si markdown no me genera ficheros en PDF

LaTeX y RMarkdown

Guía rápida de LaTeX

Cómo documentar matrices y sistemas en LaTeX

Chunks en RMarkdown

Los parámetros de las chunks

Chunk con variables en medio del texto

Documentación de textos utilizando Markdown

La librería reticulate para combinar R y Python

Documentación de textos científicos

Estructuras de datos en R

Vectores y tipos de datos en R

Progresiones aritméticas y secuencias

Funciones y orden de vectores

Ejercicio: el binomio de Newton

Subvectores y filtros

Los valores NA

Factores

Listas

Matrices

Un repaso de álgebra lineal

Repasando estructuras de datos

Estructuras de datos en Python

Las listas en Python

Bucles para recorrer listas

Las tuplas de Python

Los diccionarios en Python

La librería Numpy y los arrays

Propiedades y manipulación de arrays

Copias y vistas de arrays

Todo el potencial de Numpy

Un poco de álgebra Lineal con Python

Más ejercicios para acabar la sección

Introducción a la representación gráfica

Representación gráfica con plot

Parámetros de la función plot

Más parámetros de la representación gráfica

Añadir puntos y rectas a un gráfico

Cómo añadir texto y curvas a un gráfico

Las leyendas de los gráficos

Segmentos, flechas, símbolos y polígonos

Introducción a matplotlib para Python

Múltiples gráficos en una misma figura

Figuras y ejes

Añadir texto a los gráficos

Cambios de ejes y escalas

Ejercicio: un ejemplo de gráfico detallado en Python

Data frames

El formato de los datos en el siglo XXI

¿Qué es un Data Frame?

Estructura y filtrado de data frames

Cómo cargar data frames en R

Guardar y cargar datos en varios formatos

Como construir data frames

Filter y subset de data frames

Sapply, Aggregate y Attach/Detach de data frames

Cargar Data Frames con Python

Crear Data Frames con Python

Agregados de Data Frames con Python

Parámetros de la función groupby en Python

Exportar gráficos a ficheros png

Estadística descriptiva con datos cualitativos

Estadística descriptiva vs estadística inferencial

Estudio de datos cualitativos

Frecuencias absolutas y relativas

La función table

La función prop.table

Tablas de frecuencias bidimensionales

La función Cross Table

Un ejemplo de estadística multidimensional

El conjunto de datos HairEyeColor

Tablas a partir de data frames de variables cualitativas

Diagramas de barras

Diagramas circulares

Diagramas de mosaico

Un ejercicio completo de datos cualitativos

Los supervivientes del Titanic con Python

Estadística multidimensional con Python

Estadística descriptiva con datos ordinales

Estudio de datos ordinales

Frecuencias acumuladas en datos ordinales

Frecuencias acumuladas en R

El ejemplo de los cuellos de las jirafas

Análisis de datos ordinales por factor

Convertir datos cuantitativos en factores ordinales

Estadística descriptiva con datos cuantitativos

Estudio de datos cuantitativos

El estudio de las frecuencias

Un ejemplo con notación matemática

Medidas de centralización

Las diferentes medias en matemáticas

Medidas de posición

Medidas de dispersión

Demostración: fórmula alternativa de la varianza

Cómo calcular medidas de dispersion en R

Agregar datos cuantitativos por factor

El diagrama de caja y bigotes

Configuración de los diagramas de caja y bigotes

Ejercicio: ¿Qué insecticida funciona mejor?

Análisis de planetas con Python

Diagramas de caja con Python

Eestadística descriptiva de datos cuantitativos

Análisis de datos cuantitativos agrupados

La necesidad de agrupar datos cuantitativos

El proceso de agrupación de datos cuantitativos

Implementando las reglas de agrupación

La función cut de R

La función cut en Python

Ejercicio: un script para calcular la tabla de frecuencias con datos agrupados

El ejemplo de las anchuras de los cangrejos

Ejercicio: las notas de bachillerato

Estadísticos para datos agrupados

Ejercicio: calcular estadísticos de datos agrupados

Los histogramas de frecuencias

Representar histogramas con R

Densidades y funciones de distribución

Ejercicio: histogramas de la distribución de los cangrejos

Ejercicio: los nacimientos en Estados Unidos

Histogramas en Python a mano

Histogramas con NumPy

Histogramas con Matplotlib y Pandas

Funciones de densidad en Python

Otras alternativas para representar histogramas

Análisis de datos cuantitativos agrupados

Introducción a la regresión lineal

La regresión lineal

Cómo calcular una recta de regresión lineal

El coeficiente de determinación

Transformaciones logarítmicas de los datos

Ejercicio: relaciones exponenciales

Ejercicio: relaciones potenciales

Regresion lineal en Python

Entrenamiento y validación de un modelo lineal

Distribuciones de probabilidad

El concepto de probabilidad

Variables aleatorias y funciones de distribución

Variables aleatorias discretas

El sesgo de una distribución de probabilidad

Introducción a las distribuciones de probabilidad

La distribución de Bernoulli

La distribución Binomial

La distribución geométrica

La distribución hipergeométrica

La distribución de Poisson

La distribución binomial negativa

Variables aleatorias contínuas

La distribución Uniforme

La distribución Exponencial

La distribución Normal

Cómo usar las tablas de la distribución Normal

Cómo estandarizar variables aleatorias normales

Otras distribuciones conocidas

Ejemplos de análisis completos

Análisis de los diamantes en Python

La cache de los R Markdown

Más sobre cómo juntar R y Python

Ejercicio: los vuelos del aeropuerto de Nueva York

Medidas de centralización en Python

Medidas de dispersión en Python

Medidas de forma en Python

Análisis de El Señor de los Anillos

BONUS - Un regalo para ti

Enhorabuena por completar el curso

BONUS - Todos los cursos de Juan Gabriel


Reviews

A
Agustín9 October 2020

Estuvo bien, aunque para Windows hay algunos detallitos que varían con respecto a Mac y las versiones nuevas de anaconda varían un poco con las del curso y ocasiones leves inconvenientes, de ahí en fuera, excelente!

R
Rodrigo8 October 2020

Es un curso muy completo, los profesores son muy capacitados y combinan R y Python de excelente manera. La cantidad de información es grande, por ello lo ideal sería repasar los conceptos y practicar seguido. Espero reforzar y ejercitar los conocimientos aprendidos en los siguientes cursos! Gracias profesores Juan Gabriel y María!

G
Gloria5 October 2020

Todavía me quedan un par de temas para acabar el curso pero estoy encantada. Soy física y he aprendido a aplicar conocimientos estadísticos en Python de una manera sencilla y comprensible. La manera de enfocar el curso me parece estupenda y las explicaciones son muy amenas, aunque no tengas conocimientos de estadística descriptiva considero que es posible seguir el curso porque todo el contenido está explicado. Personalmente tenía muchas ganas de aprender algo de Python y este curso me ha motivado mucho a continuar con ello. ¡Gracias!

A
Alfonso30 September 2020

La elección es correcta, toma tiempo manejar R pero hasta el momento las explicaciones son correctas, pero hay que dedicar tiempo a practicar

C
Cecilia16 September 2020

Muy buena elección. Calidad/precio es increíble. Estoy aprendiendo mucho sobre R y Python, seguro cuando acabe continuaré con los cursos de Juan Gabriel. Muy recomendables!!

A
Ariel25 February 2020

Muy bueno el curso. Sin conocer R ni Python me mareo un poco tener que pasar de uno a otro lenguaje, me imagino que sera cuestión de acostumbrarse.

M
Maribel23 February 2020

Los vídeos son muy didácticos y se me hace bastante sencillo escuchar sin despistarme. De momento me está dando muy buena impresión.

O
Oscar18 February 2020

Excelente, enseña desde lo básico y con ejercicios que ayudan a reforzar el aprendizaje. Muy recomendado.

R
Rene6 February 2020

Un excelente curso cuya cualidad principal es su estructura de contenido e hilo conductor (desde lo básico a avanzado).

S
Sergio4 February 2020

Hasta el momento se está perdiendo mucho tiempo en parafernalia que nada tiene que ver con el título del curso: Github, Markdown, Latex... pero nada de lo que realmete parecía que iba a ser el contenido del curso.

S
Sergio4 February 2020

El curso explica todo con detalle y contiene mucho contenido adicional a lo que yo podría haber esperado. Guías para instalar el software, cheat sheets, definiciones y bueno, qué puedo decir, todo excelente con relación a la docencia y contenido. Solamente, una tontería... en algunos videos el audio era muy bajo y un poco raro, no podía escucharse del todo, lo repetí varias veces y puedo darme cuenta que por default hay subtítulos, que vienen bien cuando no entiendes algo pero he notado que la mayoría de veces están mal, no sé si es por alguna razón en particular pero bueno, como dije, una tontería y no quita de mi cabeza que el curso haya superado mis expectativas pero si algo hay para mejorar es eso, el audio y la calidad de video que a veces algo raro pasaba y pensaba que era mi conexión a internet pero me di cuenta que el video está editado así.

J
Joel4 February 2020

Excelente¡¡ resuelven las dudas de forma rápida, el curso es muy didáctico, tiene teoría y a su vez practica, los ejercicios están completos, brinda información para ampliar tus conocimientos, también hacen buen indice matemático para aprender de donde provienen las funciones. Gracias por todo el material brindado¡¡ muy buena explicación.

J
Johnny1 February 2020

Si estudias ing infomática te servirá de repaso para la asignatura de segundo Probabilidad y estadística. Por lo que las primeras partes las puede obviar ya que es programación muy básica cosa que das en la universidad, aunque está muy bien explicado para quien empieza de 0! También sirve para reforzar los conceptos o funciones que te hacen la vida más fácil programando.

M
María23 January 2020

Es genial, sobre todo la forma de explicar. Estoy haciendo el curso desde cero, nunca he visto nada de programación y Juan Gabriel está haciendo que me resulte súper interesante!

L
Luís16 January 2020

Un curso completo del tema o al menos el mas completo de la Internet, sobre estadística con herramientas r, phyton, markdown.


Coupons

DateDiscountStatus
1/24/202093% OFFExpired
3/25/202190% OFFExpired
6/27/202190% OFFExpired
7/9/202190% OFFValid

2066697

Udemy ID

12/4/2018

Course created date

11/3/2019

Course Indexed date
Bot
Course Submitted by