Udemy

Platform

Español

Language

Databases

Category

Machine Learning con R. Data Analytics de básico a experto.

Modelado Predictivo con R. Aprende los algoritmos de Machine Learning con R para convertirte en un Data Science experto.

4.15 (33 reviews)

Students

34 hours

Content

Jul 2021

Last Update
Regular Price

Topics

SKILLSHARE
SkillShare
Unlimited access to 30 000 Premium SkillShare courses
30-DAY FREE TRIAL

What you will learn

Aplicar técnicas de análisis y visualización de datos en un conjunto de datos complejo para problemas de machine learning.

Aplicar técnicas de tratamiento de datos en un conjunto de datos para mejorar la robustez y métrica de salida de los diferentes algoritmos de machine learning.

Comprender los diferentes mecanismos y técnicas para aplicar analítica predictiva en problemas de machine learning e interpretar la salida obtenida por los modelos de predicción.

Comprender y analizar la fase del análisis de datos previos al modelado algorítmico en machine learning.

Realizar modelos algorítmicos robustos con una optimización de sus hiperparámetros para la fase de predicción

Desarrollar y analizar proyectos de machine learning, Aprendizaje Supervisado, como regresión, clasificación y multiclase.

Desarrollar y analizar proyectos de machine learning de Aprendizaje No Supervisado

Al acceder a este curso formarás parte de una comunidad educativa especializada en la materia, que te dará soporte, recursos y asesoramiento de por vida.


Description

Machine learning con R. Data Analytics de básico a experto.

Modelado Predictivo con R. Aprende los algoritmos de Machine Learning con R para convertirte en un Data Science experto.

Instructores: PhD. Manuel Castillo y Arquitecto Álvaro García. Contenido Actualizado: Julio 2021


Bienvenido al curso virtual de Modelado Predictivo con R. El objetivo principal de este curso es que el alumnado sea capaz desarrollar experimentos avanzados de analítica de datos de manera muy sencilla dentro del modelado predictivo y, es decir, el conocido área de machine learning.

En este curso se trabajará la análitica de datos para poder trabajar correctamente machine learning aplicado con R. Descubrirá el proceso paso a paso que puede utilizar para comenzar y ser bueno en el machine learning para el modelado predictivo en la plataforma R.

Antes de nada, vamos a enfocar el siguiente curso de “Data Analytics con R” dentro del campo Machine Learning y subcampo modelado predictivo (Aprendizaje Supervisado) y clustering (Aprendizaje No Supervisado). Dentro de este campo el curso “Data Analytics con R” se encuentra dentro del modelado predictivo muy utilizado en el ámbito de investigación e industrial. Por tanto, veremos como la plataforma R destaca de entre todas las opciones por facilitar enormemente nuestro trabajo con un amplio abanico de opciones dentro de la minería de datos.

Son ocho unidades temáticas, en las que contará con vídeos, actividades, temario, foros que le ayudarán a realizar el curso de manera eficiente y entretenida. Con esta amplia formación aprenderás el proceso completo y de forma profesional para llevar a cabos proyectos integrales. Una formación 100% practica que aumentará tu habilidades y competencias profesionales. Un curso paso a paso que te ahorra mucho tiempo y esfuerzo en tu trabajo diario.

El curso se desarrolla considerando actividades no presenciales a través de la plataforma virtual Udemy, para lo cual se utilizan las siguientes estrategias didácticas:

Actividad virtual

  • Sesiones de videoconferencias

  • Análisis de casos

  • Foros de discusión

  • Trabajos parciales de los módulos en foros

  • Examen tipo test.

  • Proyecto final del curso

  • Lecturas comentadas y

  • Búsquedas de información científica.

La formación te permitirá convertirte en un experto en la materia, y todo ello desde una formación principalmente práctica. A través de variadas actividades y proyectos completos podrás adquirir los conocimientos suficientes para ejercer profesionalmente de forma solvente. Además conocerás en detalle mi flujo de trabajo a la hora de afrontar un proyecto profesional. Para la realización de este curso no vas a necesitar el equipo informático más potente del mercado, ya que el software empleado durante formación online se encuentra perfectamente optimizado y su uso es muy fluido en todo tipo de equipos, tanto en PC como en Mac.

Puedes elegir ver todas las lecciones de forma secuencial (lineal) y aprovecharlas al máximo la formación. Pero también puedes decidir ver este curso como una guía de referencia. Las clases están claramente organizadas en secciones lógicas y puedes decidir visualizar solo las clases que te resulten más importantes según tus necesidades formativas. A excepción de las lecciones PRO, la mayoría de las lecciones son independientes para que puedas comprender los conceptos de cada lección sin tener que ver las lecciones anteriores del curso.

Es excepcional el aumento en la demanda de profesionales en este ámbito por parte de las empresas de todo el mundo actualmente. Para desarrollar el programa formativo propuesto no ser requieren grandes conocimientos previos, ya que la formación se acomete desde un nivel de usuario 0. El curso está orientado a aquellos creativos que quieran ampliar sus skills (habilidades) y conocer múltiples trucos, consejos, recursos y recomendaciones, de la mano de los instructores Manuel Castillo y Álvaro García. Además todas las formaciones de Udemy disponen acceso automático al curso, sin limitación de tiempo, disponibilidad 24/7 (24 horas al día los 7 días de la semana), sin caducidad y con garantía de devolución.

Contenidos

Módulo 1: Introducción
1. Conceptos básicos de machine learning.
2. La plataforma R como nuestro entorno de machine learning.
3. Conclusiones

Módulo 2: Programación con R
1. Primeros pasos con la plataforma R.
2. Lenguaje de programación R.
3. Conjunto de datos Estándar.

Módulo 3: Análisis de datos
1. Cargar un conjunto de datos.
2. Estadística descriptiva.
3. Visualización de datos.
4. Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
5. Examen tipo test sobre los contenidos del módulo.

Unidad 4: Tratamiento de datos

1. Preprocesamiento de datos para machine learning.
2. Métodos de remuestreo para estimar la precisión del modelo.
3. Evaluación de las métricas.
4. Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas.
5. Examen tipo test sobre los contenidos del módulo.

Unidad 5: Fase de modelado

1. Feature Selection en machine learning
2. Algoritmos de Machine Learning.
3. Comparar el rendimiento de los algoritmos.
4. Taller: Aplicación de diferentes algoritmos de machine learning en un conjunto de datos e interpretar la salida obtenida, así mismo, verificar el algoritmo que tenga mejor comportamiento.
5. Examen tipo test sobre los contenidos del módulo.

Unidad 6: Fase de optimización y forecasting

1. Configuración de hiperparámetros.
2. Combinar predicciones desde múltiples algoritmos.
3. Guardado e integración del modelo.
4. Plantilla para el modelado predictivo.
5. Taller: Una vez seleccionados los algoritmos candidatos a modelo realizar una optimización de estos a través de la configuración de sus hiperparámetros.
6. Examen tipo test sobre los contenidos del módulo.

Unidad 7: Proyectos de Machine Learning

1. Proyecto de clasificación multiclase.
2. Proyecto de regresión.
3. Proyecto de clasificación binaria.
4. Proyecto: Realizar un proyecto completo analizando todas las fases estudiadas en los diferentes módulos.

Unidad 8. Aprendizaje No Supervisado

1. Aprendizaje No supervisado.
2. Algoritmos de Aprendizaje No Supervisado.
3. Determinar el número óptimo de clústers.
4. Proyecto de Aprendizaje No Supervisado.


La modalidad de este curso te permite que empieces y acabes cuando tú quieras, marcando el ritmo de la clase según tu disponibilidad. Puedes volver a visualizar lo que te interese, saltar el contenido que ya domines, hacer preguntas, resolver dudas, compartir tus proyectos...

Recuerda que esta formación incluye lecciones en vídeo fullHD con audio de estudio (compatible con TV, PC, Mac, tablet y smartphone), artículos didácticos, actividades, proyectos paso a paso, recursos descargables, links de interés, acceso de por vida, certificado de finalización, tutorización online, y una exclusiva comunidad de aprendizaje privada que nos ayudamos aportando nuestras experiencias en el foro de comunicación del curso.

¿A qué esperas?, este curso es ideal para ti, atrévete a convertirte en un experto. Adelante, nos vemos dentro de la formación ;)


Screenshots

Machine Learning con R. Data Analytics de básico a experto.
Machine Learning con R. Data Analytics de básico a experto.
Machine Learning con R. Data Analytics de básico a experto.
Machine Learning con R. Data Analytics de básico a experto.

Content

Introducción Machine learning con R.

Data Analytics con R.

Conceptos básicos de machine learning.

Introducción del Curso de Machine Learning.

Uso de la Plataforma Udemy. Consejos para sacar el máximo partido a la web.

Estructura del Curso que vas a Comenzar.

La plataforma R como nuestro entorno de machine learning.

Para saber más.

¡Preséntate!

Programación con el lenguaje R.

Primeros pasos con la plataforma R.

Asignaciones con R.

Estructura de datos.

Estructuras de Control.

Uso de Funciones.

Paquetes.

Conjunto de datos Estándar.

Conjunto de Datos mlbench.

Para saber más.

Análisis de datos

Cargar un conjunto de datos.

Estadística descriptiva.

Funciones head(), dim() y sapply ()

Funciones cbind(), summary() y sd()

Funciones skewness() y cor()

Visualización de datos.

Gráficos univarible: Histograma y Densidad.

Gráficos univariable: Boxplot, Barplot.

Gráficos Multivariable: Correlación y Despersión.

Gráficos Multivariables: Densidad y Boxplot.

Para saber más.

Fase de tratamiento de datos.

Preprocesamiento de datos para machine learning

Escalamiento y Centrado de Datos.

Estandarización y Normalización.

Transformación de Box-Cox y Yeo-Jhonson.

Transformación PCA e ICA.

Métodos de Remuestreo.

Métodos de Remuestreo: Porcentaje y Boostrap.

Validación Cruzada y Derivados.

Métricas para Clasificación y Regresión.

Métricas ROC y LogLoss.

Para saber más.

Fase de modelado

Feature Selection en machine learning

Feature selection basada en correlacion

Feature selection basada en conocimiento.

Algoritmos de machine learning.

Algoritmos LiR y LoR.

Algoritmos LDA y ReR.

Algoritmos k-NN y NB.

Algoritmos SVM y CART.

Rendimiento de los Algoritmos.

Summary(), Box y Density Plots.

Dot y Parallel Plots.

Gráficos de Correlación.

Para saber más.

Fase de optimización y forecasting

Fase de Optimización y Forecasting.

Configuracion inicial.

Búsqueda Random y GridSearch.

Tunning Manual y Caret extendido.

Algoritmos de conjunto.

Algoritmos Boosting y Bagging.

Algoritmos Stacking.

Fase forecasting.

Crear un modelo independiente.

Guardar y carga un modelo.

Para saber más.

Consultas de los Alumnos.

Videoconferencia Consultas Alumnos 1

Videoconferencia Consultas Alumnos 2

Videoconferencia Consultas Alumnos 3

Videoconferencia Consultas Alumnos 4

Videoconferencia Consultas Alumnos 5

Videoconferencia Consultas Alumnos 6

Videoconferencia Consultas Alumnos 7

Videoconferencia Consultas Alumnos 8

Videoconferencia Consultas Alumnos 9

Videoconferencia Consultas Alumnos 10

Videoconferencia Consultas Alumnos 11

Videoconferencia Consultas Alumnos 12

Videoconferencia Consultas Alumnos 13

Videoconferencia Consultas Alumnos 14

Videoconferencia Consultas Alumnos 15

Videoconferencia Consultas Alumnos 16

Videoconferencia Consultas Alumnos 17

Resolución de las principales consultas de los alumnos del curso.

Ayuda Extra con tus Proyectos.

Tiempo para practicar.

...

Clase Extra.

Solicitud del Certificado de Finalización del Curso.

Certificado de Finalización del Curso.


Reviews

R
Rodrigo13 October 2020

Buen contenido, mala calidad de audio. Además, existe contenido innecesario como conversaciones de horarios y temas puntuales de ese curso. Se puede mejorar editando el video y eliminando minutos innecesarios


Coupons

DateDiscountStatus
1/8/2020100% OFFExpired

2737090

Udemy ID

1/3/2020

Course created date

1/8/2020

Course Indexed date
Lee Jia Cheng
Course Submitted by