Udemy

Platform

Español

Language

Data Science

Category

Curso completo de Machine Learning: Data Science con RStudio

Aprende a analizar datos estadísticos con los trucos de Juan Gabriel Gomila, prof. de Universidad de las Islas Baleares

4.66 (2261 reviews)

Students

51 hours

Content

Sep 2020

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

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


Description

¿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.


Screenshots

Curso completo de Machine Learning: Data Science con RStudio
Curso completo de Machine Learning: Data Science con RStudio
Curso completo de Machine Learning: Data Science con RStudio
Curso completo de Machine Learning: Data Science con RStudio

Content

Introducción

Introducción

Pre requisitos del curso

Contenidos del curso

Conoce a Juan Gabriel Gomila, tu profesor de Data Science

Acerca de la valoración prematura del curso en Udemy

Conoce R y RStudio

Descargando nuestra herramienta de trabajo: R y R Studio

Ayuda con la instalación de R y Rstudio

Si tienes problemas con Ubuntu...

La organización es la clave

Repositorio de los proyectos del curso de Data Science

Un paseo por la interfaz de R Studio

Comunidad de estudiantes del curso

Adquirir y preparar nuestros ingredientes - Los datos

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

¿Qué tenemos aquí? - El análisis exploratorio 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

¿Donde pongo esto? - El proceso de clasificación

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

Clasificación de textos para análisis de sentimiento

¿Cuanto voy a vender? - Regresión

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

Simplifiquemos los datos - Técnicas de reducción de datos

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

Aprendiendo del pasado para pronosticar el futuro - Las Series Temporales

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

Un cambio de look - Visualización de datos avanzada

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 ggplot2

¡Creo que esto podría gustarte! - Sistemas de recomendación

Ofrecer una buena recomendación

El dataset de Movie Lens

Los datos de las peliculas 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, Githubs 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 a Machine Learning

Conexiones por doquier - Análisis de Redes Sociales

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

Un data scientist vale lo que sus informes

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

Soluciones elegantes y eficientes en R

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

Análisis de datos geoespaciales (GIS)

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

Un regalo final: otros lenguajes de programación y software con R

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

Bonus: Un regalo para ti

Espero verte en el próximo curso!

Bonus: Un regalo final para ti


Reviews

C
Carmen2 October 2020

Me gustaría que hubiese un pdf con los comandos tal cómo los teclea, pues son largo en algunos casos, como los gráficos y no pueden visualizarse ocopiarse completos.

C
Carlos28 August 2020

Muy buen curso, muy completo y bien explicado en general. Lo recomiendo. Aspectos por mejorar: - Varios videos con imagen y audio desincronizado. - Dar al inicio un bosquejo general cuando se van a crear funciones "más complejas" o "elaboradas", para saber qué es lo que se quiere lograr y poder estar sincronizado con lo que va haciendo el profesor.

E
Esteban4 August 2020

No me arrepiento de la inversión hasta el momento. Han aumentado mis expectativas del curso. Me parece bien que el profesor te guíe a lo largo del curso. Aún así creo que se puede mejorar en cuanto a diseño de los videos. Hay imágenes muy planas y las transiciones son a veces muy sencillas. Cuando aparece Juan Gabriel en pantalla debería observarse un espacio blanco sin distracciones por detrás. El estudiante no debería de enfocarse en ver el cuadro de atrás u otros artículos de casa. Ese tipo de elementos juegan en nuestra contra como distractores.

P
Paulino20 July 2020

Fue una buena elección. ME ha enseñado un abanico de técnicas, funciones y herramientas que me dan una visión mayor.

A
Alejandro10 July 2020

Tengo muchas expectativas por aprender R, los profesores me dan buena impresión de que saben explicar.

J
Jose19 February 2020

Me ha gustado mucho este curso. Le veo de gran utilidad en el mundo empresarial con un gran futuro. El profesor es todo un experto en la materia y me ha ayudado a aprender y profundizar en el mundo del Big Data, que apenas conocía y ahora tengo una buena base para poder desenvolverme mejor en el mundo profesional.

R
Ricardo18 February 2020

Perfecta elección, los módulos están bien explicados y son claros. JG tiene buena modulación de voz y hace los cursos entretenidos. Aun no acabo el curso estoy por la mitad. Sería muy bueno tener un curso CON CASOS REALES para ver todo en acción a la vez y con data sets de la vida real. Asimismo buscar quizás una especie de maestria o diplomado de Data science cuyo certificado pese en el mercado. Pero no sea tan caro como el de las unicersidades.

M
Mauricio23 January 2020

De los mejores cursos que he tomado. El maestro es muy claro en las explicaciones, los ejemplos son variados y siempre está al pendiente de las dudas.

C
Carlos30 November 2019

La transición entre los conceptos teóricos básicos y ejercitación de nivel medio es precaria. No lo recomiendo.

D
Diego29 November 2019

Me permitió conocer otras tecnologías y fortalecer los conceptos relacionados desde otra perspectiva con R.

W
William22 November 2019

Una experiencia muy gratificante ya que se presentan todas las formas posibles de aprovechar el potencial del R.

E
Erik4 November 2019

Todavía no puedo decidir si fue buena elección, parece que el profesor es alguien a quien se le puede aprender mucho y eso es bueno

J
Jose28 October 2019

Me parece un buen profesor, serio y muy abundante en conocimientos y específico para explicar. Mucho muy recomendable.

N
Nicolas16 October 2019

Muy pedagógico, todo claro, aunque siento que hubo contenidos que se pudieron profundizar más. De todos modos una excelente experiencia!

C
Carlos23 September 2019

Me ha gustado mucho. Pensé que iba a ser algo muy somero, y la verdad, toca todos los palos, sin profundizar al detalle, pero dándote las herramientas para que tú mismo tires de la cuerda. A los que tenemos formación matemática, nos deja con las ganas en muchas de las clases de profundizar en algunas áreas. Lo hace muy sencillo y ameno, y su tono de voz y la cadencia te permiten seguir las clases a 1,5x o a 2x. Depende de lo denso que sea el vídeo. Juan Gabriel, estoy encantado con el curso.


Coupons

DateDiscountStatus
6/23/202189% OFFExpired
7/9/202189% OFFValid

1483710

Udemy ID

12/27/2017

Course created date

11/1/2019

Course Indexed date
Bot
Course Submitted by