
En esta lección aprenderás los más importante sobre el uso correcto y óptimo del portal formativo Udemy. Recuerda que si aún sigues tienes algún problema o dificultad durante la formación puedes contactar conmigo.
Comenzamos nuestro curso de Data Analytics con R realizando una introducción del proceso paso a paso que se debe de utilizar en el mundo del modelado predictivo el la plataforma R. Veremos como la plataforma R es un potente lenguaje de programación que nos permitirá analizar y tomar decisiones sobre cualquier conjunto de datos de manera muy sencilla con los conocimientos ya adquiridos de programación que ya deberemos de poseer.
Finalmente, recordarle que la estructura del curso está diseñada de manera que cada unidad está compuesta por una parte de teoría y otra de práctica. Cada una de las unidades dispondrá del PDF de lectura (y presentación) que tendrá todos los conceptos teóricos y varios vídeos que tendrá los conceptos prácticos que deberás reproducir usted en su estudio. Por tanto, es importante, antes de ver la parte de práctica, se entienda y estudie la parte de teoría.
Mis Cursos en Udemy.
Te invito a conocer el resto de mis formaciones disponibles en la plataforma Udemy.
Y por ser alumno y haber finalizado este curso, te ofrezco un gran descuento en mis cursos online como agradecimiento por tu apoyo y confianza prestada en mis formaciones. Accede al contenido exclusivo de esta lección y consigue tu curso con descuento.
En la siguiente clase te detallo como está organizado y configurado el curso que estas comenzando. El objetivo es que aproveches al máximo la formación y saques el mayor beneficio de la misma.
¡Comencemos!
Para ir conociéndonos todos, te invito a presentarte. Ponle cara a tu perfil y sube un par de proyectos, personales o profesionales, compártelos en el foro de esta clase y cuéntanos en qué lugar o proyecto desearías trabajar idealmente.
Recuerda que desde el apartado de "Preguntas y Respuestas" podrás presentarte al resto de alumnos de este curso y plantear todas las inquietudes que tengas.
Sección que dispondrá de una serie de recursos y enlaces interesantes para poder complementar eficazmente la formación del curso.
Ya que R será nuestro entorno de en el que desarrollaremos los conceptos de Data Analytics, en esta segunda lección realizaremos un repaso de la programación básica con R, poniendo énfasis en los conceptos básicos que deberemos conocer para poder desarrollar el curso.
En este sentido, el tema se divide en los siguientes conceptos de programación básica:
La Plataforma R. Veremos como descargar e instalar nuestro entorno de programación, es decir, la plataforma R.
Lenguaje de programación R. Haremos un recorrido de la sintaxis de R, conociendo los conceptos básicos como asignaciones, estructuras de datos, estructuras de control, funciones y la importancia de los paquetes.
Conjuntos de datos estándar. Describiremos los conjuntos de datos que trabajaremos a lo largo del curso y su clasificación dentro del aprendizaje supervisado.
Ya que R será nuestro entorno de en el que desarrollaremos los conceptos de Data Analytics, en esta segunda lección realizaremos un repaso de la programación básica con R, poniendo énfasis en los conceptos básicos que deberemos conocer para poder desarrollar el curso.
En este sentido, el tema se divide en los siguientes conceptos de programación básica:
La Plataforma R. Veremos como descargar e instalar nuestro entorno de programación, es decir, la plataforma R.
Lenguaje de programación R. Haremos un recorrido de la sintaxis de R, conociendo los conceptos básicos como asignaciones, estructuras de datos, estructuras de control, funciones y la importancia de los paquetes.
Conjuntos de datos estándar. Describiremos los conjuntos de datos que trabajaremos a lo largo del curso y su clasificación dentro del aprendizaje supervisado.
Sección que dispondrá de una serie de recursos y enlaces interesantes para poder complementar eficazmente la formación del curso.
En esta tercera unidad, se estudiarán una de las partes más importantes para un científico de datos, que es el análisis y tratamiento de los datos. Para ello, comenzaremos analizando la estadística descriptiva para así poder realizar técnicas de procesamiento de los atributos, así como las diferentes transformaciones de nuestros datos para poder obtener un mejor rendimiento de nuestros algoritmos.
Manipular el conjuntos de datos. Para poder trabajar los conjuntos de datos deberemos aprender a manipularlos, es decir, a cargarlos.
Estadística Descriptiva. Este es uno de los temas más importantes que los que trabajan con machine learning deben conocer. Entender los datos y analizar sus atributos e instancias serán lo primero que deberemos observar en cualquier proyecto.
Visualización. R nos proporciona una serie de gráficos para poder visualizar los datos y analizarlos correctamente.
Sección que dispondrá de una serie de recursos y enlaces interesantes para poder complementar eficazmente la formación del curso.
En esta unidad comparamos los diferentes resultados que tienen los algoritmos, diferenciando si nuestro problema es un problema de regresión (valor numérico a predecir) o de clasificación (valor categórico a predecir). Finalmente, aprenderemos a comparar los diferentes resultados de los algoritmos para así crear un modelo más robusto en la fase de predicción.
En este sentido, el tema se divide en las siguientes secciones:
Preprocesamiento de datos. Analizaremos las diferentes técnicas que tenemos a nuestra disposición para poder realizar un buen preprocesamiento de datos y, así, mejorar el rendimiento de nuestros modelos.
Métodos de remuestreo. Aprenderemos a qué nos referimos con la métrica de un modelo para poder estimar su desempeño en los datos no etiquetados.
Evaluación de las métricas. Descubriremos cómo puede evaluar sus algoritmos de machine learning en R utilizando una serie de métricas de evaluación estándar.
Sección que dispondrá de una serie de recursos y enlaces interesantes para poder complementar eficazmente la formación del curso.
Una vez realizado un preprocesamiento de los datos debemos comprenderlos antes de modelarlos. Para poder comprenderlos existen técnicas como feature selection nos permitirán seleccionar las variables más significativas en los resultados. Posteriormente, aprenderemos sobre los algoritmos más importantes de machine learning ya que tenemos que comparar el rendimiento de los algoritmos para buscar al mejor candidato.
En este sentido, el tema se divide en las siguientes secciones:
Feature selection. El proceso de feature selection en los datos permite modelar su problema se denomina selección de mejores características, es decir, atributos más relevantes para los modelos de aprendizaje.
Algoritmos de machine learning. Aprenderemos cuales son las diferentes taxonomías en las que se empaquetan los diferentes algoritmos, así como es su desempeño en un conjunto de datos.
Rendimiento de los algoritmos. Por último, aprenderemos 8 técnicas que puede usar para comparar algoritmos de machine learning en R.
Sección que dispondrá de una serie de recursos y enlaces interesantes para poder complementar eficazmente la formación del curso.
Antes de trabajar con proyectos reales en machine learning, es importante trabajar la fase de optimización, para obtener mejores resultados de los algoritmos de machine learning, y forecasting, para trabajar las predicciones de nuestros datos no etiquetados. En este sentido las secciones principales de trabajo en esta sección serán:
Fase de optimización. Aprenderemos las tres formas en que se pueden ajustar los parámetros de un algoritmo de machine learning en R.
Algoritmos de conjunto. Los algoritmos de conjunto pueden darle un impulso de precisión en su conjunto de datos, veremos los tres principales y su desempeño.
Fase forescasting. Una vez escogido y optimizado nuestro modelo, deberemos guardarlo para poder realizar predicciones de los datos no etiquetados.
Plantilla para proyectos. Finalmente, y antes de empezar a desarrollar los proyectos de machine learning, se expone una plantilla de trabajo, la cual puede ser utilizada para cualquier trabajo de modelado predictivo.
Sección que dispondrá de una serie de recursos y enlaces interesantes para poder complementar eficazmente la formación del curso.
Una vez visto todos los conceptos teórico/prácticos, empezamos a trabajar un proyecto completo de machine learning, es decir, de inicio a fin, evaluando cada una de las partes intermedias a tener en cuenta (tenga en cuenta la plantilla de trabajo). Para ello, se trabajarán los siguientes proyectos:
Proyecto de clasificación binaria. Una vez trabajado un proyecto multiclase realizaremos uno para clase binaria en el que el valor de salida puede ser solamente dos.
Proyecto de clasificación multiclase. Como segundo ejemplo ejemplo de proyecto vamos a trabajar un conjunto de datos para un problema de clasificación de manera que puedan predecirse tres o más clases.
Proyecto de regresión. Finalmente, se trabajará un problema de regresión, en el que recordamos, nuestro valor de salida es un atributo de tipo numérico.
Sesión de videoconferencia número 7 con consultas de alumnos en vivo.
En las sesiones de videoconferencia se explican los contenidos teóricos de la Unidad, es recomendable verla antes de realizar los siguientes vídeos que son prácticos en el lenguaje R.
Sección que dispondrá de una serie de recursos y enlaces interesantes para poder complementar eficazmente la formación del curso.
En esta clase dispones de un espacio para resolver las dudas y consultas que te surjan durante el curso.
Plantea tus dudas y te ayudaré a resolverla. De esta forma todos los alumnos de esta formación podrán participar de las aportaciones mías como instructor como del resto de compañeros del curso.
¡Enhorabuena, finalizaste con éxito la formación!
En esta última clase podrás solicitar tu certificado de finalización del curso, que te será de gran ayuda para complementar tu curriculum vitae.
Mis Cursos en Udemy.
Te invito a conocer el resto de mis formaciones disponibles en la plataforma Udemy.
Y por ser alumno y haber finalizado este curso, te ofrezco un gran descuento en mis cursos online como agradecimiento por tu apoyo y confianza prestada en mis formaciones. Accede al contenido exclusivo de esta lección y consigue tu curso con descuento.
Mis Cursos en Udemy.
Te invito a conocer el resto de mis formaciones disponibles en la plataforma Udemy.
Y por ser alumno y haber finalizado este curso, te ofrezco un gran descuento en mis cursos online como agradecimiento por tu apoyo y confianza prestada en mis formaciones. Accede al contenido exclusivo de esta lección y consigue tu curso con descuento.
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.
Requisitos previos: Se recomienda tener conocimientos de programación, preferiblemente R. Se recomienda realizar previamente siguiente curso de Udemy:
Programación con el Lenguaje Estadístico R. De 0 a Experto. Aprenda el Lenguaje de Programación Estadístico R. Curso Completo desde Básico hasta Avanzado.
Descripción del Curso:
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 del curso
MÓDULO 1: Introducción
Conceptos básicos de machine learning.
La plataforma R como nuestro entorno de machine learning.
Conclusiones
MÓDULO 2: Programación con R
Primeros pasos con la plataforma R.
Lenguaje de programación R.
Conjunto de datos Estándar.
MÓDULO 3: Análisis de datos
Cargar un conjunto de datos.
Estadística descriptiva.
Visualización de datos.
Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
Examen tipo test sobre los contenidos del módulo.
MÓDULO 4: Tratamiento de datos
Preprocesamiento de datos para machine learning.
Métodos de remuestreo para estimar la precisión del modelo.
Evaluación de las métricas.
Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas.
Examen tipo test sobre los contenidos del módulo.
MÓDULO 5: Fase de modelado
Feature Selection en machine learning
Algoritmos de Machine Learning.
Comparar el rendimiento de los algoritmos.
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.
Examen tipo test sobre los contenidos del módulo.
MÓDULO 6: Fase de optimización y forecasting
Configuración de hiperparámetros.
Combinar predicciones desde múltiples algoritmos.
Guardado e integración del modelo.
Plantilla para el modelado predictivo.
Taller: Una vez seleccionados los algoritmos candidatos a modelo realizar una optimización de estos a través de la configuración de sus hiperparámetros.
Examen tipo test sobre los contenidos del módulo.
MÓDULO 7: Proyectos de Machine Learning
Proyecto de clasificación multiclase.
Proyecto de regresión.
Proyecto de clasificación binaria.
Proyecto: Realizar un proyecto completo analizando todas las fases estudiadas en los diferentes módulos.
MÓDULO 8. Aprendizaje No Supervisado
Aprendizaje No supervisado.
Algoritmos de Aprendizaje No Supervisado.
Determinar el número óptimo de clústers.
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, etc.
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.
Con esta formación disfrutarás aprendiendo desde dónde quieras, sin tener que desplazarte, sin horarios, con quién quieras, según tus necesidades y disponibilidad. Aprenderás con un instructor avalado por miles da alumnos satisfechos en todo el mundo (comentarios certificados). Conocerás las técnicas, métodos, trucos y flujos de trabajo de este sector creativo. El docente te transmitirá su sabiduría y conocimientos con pasión a la vez que las explicaciones concisas, claras, sencillas y con un enfoque profesional en cada clase. Podrás conseguir un certificado homologado personalizado y firmado por tu instructor en cada formación. De está forma podrás compartir tu título en tu portafolio, currículo, en redes sociales...
Con la alta definición de los vídeos (vídeo fullHD y audio de estudio) conseguirá no te perder detalle. Podrás ver las clases las veces que requieras para recordar y perfeccionar tus habilidades como diseñador. Tendrás la posibilidad de preguntar, pedir opinión y ayuda al instructor, además de compartir tu experiencia de aprendizaje con los demás alumnos del curso, tan apasionados como tú, repartidos por todo el mundo. Seleccionamos cuidadosamente los contenidos y producimos cada curso para garantizar una experiencia de aprendizaje online integral y de la máxima calidad.
¿A qué esperas?, este curso es ideal para ti, atrévete a convertirte en un experto. Adelante, nos vemos dentro de la formación.