Machine Learning con R. Data Analytics de básico a experto.
4.4 (11 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
3,509 students enrolled

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.
4.4 (11 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
3,509 students enrolled
Last updated 7/2020
Spanish
Spanish [Auto]
Current price: $34.99 Original price: $49.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 35 hours on-demand video
  • 18 articles
  • 29 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll 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.
Course content
Expand all 112 lectures 35:26:01
+ Introducción Machine learning con R.
10 lectures 02:36:50

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.

Data Analytics con R.
01:17

Sesión de videoconferencia número 1 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.

Sesión de Videoconferencia #1
01:21:27
Conceptos básicos de machine learning.
10:42

Udemy es una plataforma de cursos online donde puedes encontrar formación audiovisual sobre diversas temáticas. En esta clase te explico como usar y sacar el máximo partido a esta plataforma de formación online.

El funcionamiento es muy sencillo. Sólo tienes que acceder a la plataforma y buscar el curso que necesitas, normalmente hacen grandes campañas rebajando los precios de los cursos.

Una vez hayas adquirido un curso, podrás acceder a su plataforma de eLearning donde podrás consumir el contenido, generalmente, en vídeo.

Cuando compras un curso, tienes acceso de por vida, puedes volver a él en cualquier momento para recordar aquella habilidad que quieras repasar.

Los cursos de Udemy ofrecen certificados de finalización que podrás descargar tras acabar el curso. Esto es muy útil para tu currículum cuando quieres demostrar que has aprendido una habilidad concreta.

La mayoría de los cursos ofrecen un vídeo con "vista previa habilitada" de cómo es la clase por dentro. Puedes echarle un vistazo para ver si es lo que buscas, el estilo de enseñanza del instructor o el material.

Las opiniones y valoración del curso también sirve como referente a la hora de comprar un curso en esta plataforma. Encontrarás una puntuación como esta y comentarios de los estudiantes que lo han cursado.

En esta clase te cuento en detalle como acceder, configurar tu perfil, moverte por la intranet y aprovechar al máximo el contenido, foros y recursos del curso que acabas de adquirir.

¡Bienvenid@!

Uso de la Plataforma Udemy. Consejos para sacar el máximo partido a la web.
22:45

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.

Consejos y Recomendaciones para Usuarios de Udemy.
11:55

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!

Estructura del Curso que vas a Comenzar.
06:28
La plataforma R como nuestro entorno de machine learning.
08:51

Conjunto de recurso útiles y de interés para ampliar los conocimientos adquiridos en esta sección.

Para saber más.
00:03

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.

¡Preséntate!
02:18
+ Programación con el lenguaje R.
11 lectures 02:45:48

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:

  1. La Plataforma R. Veremos como descargar e instalar nuestro entorno de programación, es decir, la plataforma R.

  2. 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.

  3. Conjuntos de datos estándar. Describiremos los conjuntos de datos que trabajaremos a lo largo del curso y su clasificación dentro del aprendizaje supervisado.

Programación con el lenguaje R
00:31

Sesión de videoconferencia número 2 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.

Sesión de Videoconferencia #2
01:25:55

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:


  1. La Plataforma R. Veremos como descargar e instalar nuestro entorno de programación, es decir, la plataforma R.

  2. 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.

  3. Conjuntos de datos estándar. Describiremos los conjuntos de datos que trabajaremos a lo largo del curso y su clasificación dentro del aprendizaje supervisado.

Preview 15:11
Asignaciones con R.
04:36
Estructura de datos.
13:13
Estructuras de Control.
07:15
Uso de Funciones.
08:26
Paquetes.
06:25
Conjunto de datos Estándar.
09:32
Conjunto de Datos mlbench.
14:41

Conjunto de recurso útiles y de interés para ampliar los conocimientos adquiridos en esta sección.

Para saber más.
00:03
+ Análisis de datos
14 lectures 03:43:20

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.

  1. Manipular el conjuntos de datos. Para poder trabajar los conjuntos de datos deberemos aprender a manipularlos, es decir, a cargarlos.

  2. 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.

  3. Visualización. R nos proporciona una serie de gráficos para poder visualizar los datos y analizarlos correctamente.

Fase de Análisis de Datos
00:32

Sesión de videoconferencia número 3 - Parte 1 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.

Sesión de Videoconferencia #3 - Parte 1
01:05:56

Sesión de videoconferencia número 3 - Parte 2 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.

Sesión de Videoconferencia #3 - Parte 2
01:06:16
Cargar un conjunto de datos.
18:35
Estadística descriptiva.
07:09
Funciones head(), dim() y sapply ()
07:33
Funciones cbind(), summary() y sd()
09:16
Funciones skewness() y cor()
07:32
Visualización de datos.
07:32
Gráficos univarible: Histograma y Densidad.
07:25
Gráficos univariable: Boxplot, Barplot.
08:47
Gráficos Multivariable: Correlación y Despersión.
07:10
Gráficos Multivariables: Densidad y Boxplot.
09:33

Conjunto de recurso útiles y de interés para ampliar los conocimientos adquiridos en esta sección.

Para saber más.
00:03
+ Fase de tratamiento de datos.
14 lectures 03:24:20

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:

  1. 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.

  2. Métodos de remuestreo. Aprenderemos a qué nos referimos con la métrica de un modelo para poder estimar su desempeño en los datos no etiquetados.

  3. Evaluación de las métricas. Descubriremos cómo puede evaluar sus algoritmos de machine learning en R utilizando una serie de métricas de evaluación estándar.

Fase de tratamiento de datos
00:33

Sesión de videoconferencia número 4 - Parte 1 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.

Sesión de Videoconferencia #4 - Parte 1
48:26

Sesión de videoconferencia número 4 - Parte 2 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.

Sesión de Videoconferencia #4 - Parte 2
46:56
Preprocesamiento de datos para machine learning
18:11
Escalamiento y Centrado de Datos.
09:22
Estandarización y Normalización.
06:58
Transformación PCA e ICA.
10:16
Métodos de Remuestreo.
07:38
Métodos de Remuestreo: Porcentaje y Boostrap.
13:12
Validación Cruzada y Derivados.
08:20
Métricas para Clasificación y Regresión.
13:30
Métricas ROC y LogLoss.
09:00

Conjunto de recurso útiles y de interés para ampliar los conocimientos adquiridos en esta sección.

Para saber más.
00:03
+ Fase de modelado
16 lectures 03:53:31

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:

  1. 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.

  2. 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.

  3. Rendimiento de los algoritmos. Por último, aprenderemos 8 técnicas que puede usar para comparar algoritmos de machine learning en R.

Fase de Modelado
00:35

Sesión de videoconferencia número 5 - Parte 1 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.

Sesión de Videoconferencia #5 - Parte 1
45:00

Sesión de videoconferencia número 5 - Parte 2 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.

Sesión de Videoconferencia #5 - Parte 2
49:41
Feature Selection en machine learning
14:41
Feature selection basada en correlacion
22:08
Feature selection basada en conocimiento.
19:31
Algoritmos de machine learning.
19:31
Algoritmos LiR y LoR.
11:03
Algoritmos LDA y ReR.
11:03
Algoritmos k-NN y NB.
07:50
Algoritmos SVM y CART.
07:28
Rendimiento de los Algoritmos.
10:11
Summary(), Box y Density Plots.
05:27
Dot y Parallel Plots.
03:46
Gráficos de Correlación.
05:32

Conjunto de recurso útiles y de interés para ampliar los conocimientos adquiridos en esta sección.

Para saber más.
00:03
+ Fase de optimización y forecasting
14 lectures 03:49:18

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:

  1. Fase de optimización. Aprenderemos las tres formas en que se pueden ajustar los parámetros de un algoritmo de machine learning en R.

  2. 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.

  3. Fase forescasting. Una vez escogido y optimizado nuestro modelo, deberemos guardarlo para poder realizar predicciones de los datos no etiquetados.

  4. 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.

Fase de optimización y Forecasting
00:36

Sesión de videoconferencia número 6 - Parte 1 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.

Sesión de Videoconferencia #6 - Parte 1
56:49

Sesión de videoconferencia número 6 - Parte 2 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.

Sesión de Videoconferencia #6 - Parte 2
37:03
Fase de Optimización y Forecasting.
12:57
Configuracion inicial.
12:28
Búsqueda Random y GridSearch.
12:23
Tunning Manual y Caret extendido.
26:15
Algoritmos de conjunto.
11:03
Algoritmos Boosting y Bagging.
12:03
Algoritmos Stacking.
10:59
Fase forecasting.
15:53
Crear un modelo independiente.
10:49
Guardar y carga un modelo.
09:57

Conjunto de recurso útiles y de interés para ampliar los conocimientos adquiridos en esta sección.

Para saber más.
00:03
+ Proyectos de Machine Learning
2 lectures 56:42

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:

  1. 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.

  2. 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.

  3. Proyecto de regresión. Finalmente, se trabajará un problema de regresión, en el que recordamos, nuestro valor de salida es un atributo de tipo numérico.

Proyectos de Machine Learning
00:31

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.

Sesión de Videoconferencia #7
56:11
+ Aprendizaje No Supervisado
18 lectures 04:43:34
Aprendizaje No Supervisado [Materiales]
00:19

Sesión de videoconferencia número 8 - Parte 1 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.

Sesión de Videoconferencia #8 - Parte 1
59:31

Sesión de videoconferencia número 8 - Parte 2 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.

Sesión de Videoconferencia #8 - Parte 2
37:42
Aprendizaje No Supervisado
12:46
Algoritmos de clustering (I)
12:36
Algoritmos de clustering (II)
12:15
k-Means
15:33
Clustering Jerárquico
08:29
Métodos basado en densidad
09:25
Determinar óptmo de clústers - Teoría
13:55
Determinar óptmo de clústers - Dataset
10:49
Determinar óptmo de clústers - Métodos (I)
18:22
Determinar óptmo de clústers - Métodos (II)
13:25
Impelemtación de Algoritmos No Supervisados
16:38
Reglas de asociacion [Teoría]
08:47
Algoritmo A Priori - Implementación
19:46
Algoritmo A Priori - Filtrado y Representación
13:15
Para saber más
00:01
+ Consultas de los Alumnos.
10 lectures 09:26:35

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. 

Resolución de las principales consultas de los alumnos del curso.
06:19

Cualquier consulta, propuesta de colaboración, encargo, asesoramiento, formación, etc que precises, puedes consultarme a través del canal de comunicación privado que encontrarás en la web Udemy. Estaré encantado de poder ayudarte con tus proyectos.


“Trabajar en equipo divide el trabajo y multiplica los resultados”

Ayuda Extra con tus Proyectos.
02:17

Más Videoconferencias - Consultas Alumnos referente a la Unidad 1 - Introducción

Videoconferencia Consultas Alumnos 1
01:11:22

Más Videoconferencias - Consultas Alumnos referente a la Unidad 2 - Programación con R

Videoconferencia Consultas Alumnos 2
01:22:30

Más Videoconferencias - Consultas Alumnos referente a la Unidad 3 - Fase de Análisis de Datos

Videoconferencia Consultas Alumnos 3
01:05:38

Sesión de videoconferencia número 4 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.

Videoconferencia Consultas Alumnos 4
01:28:17

Sesión de videoconferencia número 5 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.

Videoconferencia Consultas Alumnos 5
01:46:03

Sesión de videoconferencia número 6 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.

Videoconferencia Consultas Alumnos 6
01:00:47

Videoconferencia Consultas Alumnos referente a la Unidad 7 - Proyectos de Machine Learning

Videoconferencia Consultas Alumnos 7
38:28

Videoconferencia Consultas Alumnos referente a la Unidad 7 - Proyectos de Machine Learning

Videoconferencia Consultas Alumnos 16
44:54
+ Solicitud del Certificado de Finalización del Curso.
3 lectures 06:00

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
00:51

¡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.

Certificado de Finalización del Curso.
02:58
Clase Extra.
02:11
Requirements
  • Para la realización de este curso no ser requieren grandes conocimientos previos, ya que la formación se acomete desde un nivel de usuario 0.
  • Durante el curso trabajaremos con la última versión del programa, pero no te preocupes si tienes una versión anterior, ya que las distintas versiones difieren muy poco entre sí. Si existe algún cambio importante entre las distintas versiones hablaremos de ello durante la formación.
  • Para la realización de este curso no vas a necesitar el equipo informático más potente del mercado, ya que el software empleado en la formación se encuentra perfectamente optimizado y su uso es muy fluido en todo tipo de equipos, tanto en PC como en Mac.
  • Cuando compres el curso vas a poder acceder a las clases cuando y donde quieras. El curso se queda en tu cuenta de Udemy para siempre. :)
  • El más importante requisito para realizar este curso es el entusiasmo y la motivación por aprender nuevas habilidades que aumenten tus competencias profesionales.
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 2020


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 ;)

Who this course is for:
  • Aquellos usuarios del programa que quieran ampliar el dominio de mismo y conocer múltiples trucos, consejos y recursos para esta herramienta.
  • Estudiantes que quieran acceder a una formación innovadora orientada a la metodología de trabajo del mundo laboral, en un formato de e-learining para aprender donde quieran y a su propio ritmo.
  • El curso de "Data Analytics con R" está dirigido a personas que tengan pocos conocimientos de machine learning, conocimientos intermedios del lenguaje de programación R y que quieran adentrarse a este apasionante mundo de dentro del campo de modelado predictivo.
  • Además, el curso está diseñado para que cualquier estudiante universitario, investigador o tecnólogo que se encuentre realizando o necesite realizar diferentes experimentos a través de grandes conjuntos de datos para poder sintetizarlos en alguna salida predictiva puedan utilizar los muy diferentes recursos de machine learning que nos pone a nuestra disposición el lenguaje de programación R.
  • Principalmente aquellos que quieran aumentar sus posibilidades de empleabilidad, contratación y/o promocionar dentro de su sector.