Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ AWS Certified Developer - Associate
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Personal Development Mindfulness Meditation Personal Transformation Life Purpose Emotional Intelligence Neuroscience
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Google Analytics
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Modeling Data Analysis Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Blogging Freelancing Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
2021-02-12 20:43:59
30-Day Money-Back Guarantee
Development Database Design & Development Big Data

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.
Rating: 4.0 out of 54.0 (27 ratings)
3,579 students
Created by Álvaro García, PhD. Manuel Castillo-Cara, Formación Certificada
Last updated 2/2021
Spanish
Spanish [Auto]
30-Day Money-Back Guarantee

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

10 sections • 127 lectures • 34h 12m total length

  • Preview22:45
  • Data Analytics con R.
    01:17
  • Preview11:03
  • Sesión de teoría - Introducción al curso
    15:30
  • Sesión de teoría - Contenidos del curso
    17:48
  • Sesión de teoría - Conceptos básicos de machine learning.
    10:42
  • Consejos y Recomendaciones para Usuarios de Udemy.
    11:55
  • Estructura del Curso que vas a Comenzar.
    06:28
  • La plataforma R como nuestro entorno de machine learning.
    08:51
  • Para saber más.
    00:03
  • ¡Preséntate!
    02:18
  • ¡Recibe un curso Gratis!
    00:14

  • Programación con el lenguaje R
    00:31
  • Sesión de Teoría - Programación en R
    34:56
  • Sesión de Teoría - Conjuntos de datos
    33:55
  • Preview15:11
  • 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
  • Para saber más.
    00:03

  • Fase de Análisis de Datos
    00:32
  • Sesión de teoría - Fuente de datos
    27:10
  • Sesión de teoría - Estadística descriptiva
    39:19
  • Sesión de teoría - Visualización de datos
    10:33
  • 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
  • Para saber más.
    00:03
  • Cuestionario de la Unidad
    10 questions

  • Fase de tratamiento de datos
    00:33
  • Sesión de teoría - Background
    26:13
  • Sesión de teoría - Procesamiento de datos
    45:17
  • Sesión de teoría - Métodos de remuestreo
    17:51
  • Sesión de teoría - Evaluación de métricas
    08:38
  • Preprocesamiento de datos para machine learning
    18:11
  • Escalamiento y Centrado de Datos.
    09:22
  • Estandarización y Normalización.
    06:58
  • Preview11:54
  • 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
  • Para saber más.
    00:03
  • Cuestionario de la Unidad
    10 questions

  • Fase de Modelado
    00:35
  • Sesión de teoría - Feautre Selection
    39:39
  • Sesión de teoría - Algoritmos de Machine Learning
    19:29
  • Sesión de teoría - Algortimos según Taxonomía
    23:58
  • 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
  • Para saber más.
    00:03
  • Cuestionario de la Unidad
    10 questions

  • Fase de optimización y Forecasting
    00:36
  • Sesión de Teoría - Optimización de hiperparámetros
    26:05
  • Sesión de Teoría - Algoritmos ensamblados
    40:27
  • Sesión de Teoría - Fase de Forecasting
    23:53
  • 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
  • Para saber más.
    00:03
  • Cuestionario de la Unidad
    10 questions

  • Proyectos de Machine Learning
    00:31
  • Sesión de teoría - Proyectos de Machine Learning
    40:15

  • Aprendizaje No Supervisado [Materiales]
    00:19
  • Sesión de Teoría - Aprendizaje No Supervisado
    30:44
  • Sesión de Teoría - Algoritmos ULAs
    32:36
  • Sesión de Teoría - Elección del número óptimo de clústers
    14:33
  • 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

  • Resolución de las principales consultas de los alumnos del curso.
    06:19
  • Ayuda Extra con tus Proyectos.
    02:17
  • Videoconferencia Consultas Alumnos 1
    01:11:22
  • Videoconferencia Consultas Alumnos 2
    01:22:30
  • Videoconferencia Consultas Alumnos 3 - Parte 1
    41:45
  • Videoconferencia Consultas Alumnos 3 - Parte 2
    01:02:42
  • Videoconferencia Consultas Alumnos 4 - Parte 1
    40:21
  • Videoconferencia Consultas Alumnos 4 - Parte 2
    42:39
  • Videoconferencia Consultas Alumnos 5 - Parte 1
    44:57
  • Videoconferencia Consultas Alumnos 5 - Parte 2
    48:45
  • Videoconferencia Consultas Alumnos 6 - Parte 1
    45:32
  • Videoconferencia Consultas Alumnos 6 - Parte 2
    35:15
  • Videoconferencia Consultas Alumnos 7
    38:28
  • Videoconferencia Consultas Alumnos 8 - Parte 1
    59:31
  • Videoconferencia Consultas Alumnos 8 - Parte 2
    37:42

  • Mis Cursos en Udemy
    00:57
  • Finalización de la formación.
    1 question
  • Certificado de Finalización del Curso.
    02:58
  • ¡Consigue 1 Curso Gratis!
    00:13
  • 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: Febrero 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 ;)

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.

Instructors

Álvaro García
Arquitecto & Diseñador Gráfico
Álvaro García
  • 4.3 Instructor Rating
  • 6,971 Reviews
  • 70,844 Students
  • 79 Courses

Arquitecto y Diseñador Gráfico especializado en la infoarquitectura y representación arquitectónica 3D con amplia experiencia en la formación de software para la arquitectura, interiorismo, urbanismo, diseño industrial, escenografías, paisajismo, visual merchandising, etc. 

Más de diez años de experiencia en la impartición de formaciones presenciales y online de SketchUp, Vray y PhotoShop para infoarquitectura. 

CEO de SketchupMadrid, portal de formación On Line, especializado en el aprendizaje de SketchUp, Plugins, VRay y PhotoShop para la representación gráfica de diseños varios.

PhD. Manuel Castillo-Cara
Doctor of Philosophy in Computer Science
PhD. Manuel Castillo-Cara
  • 4.2 Instructor Rating
  • 159 Reviews
  • 5,133 Students
  • 7 Courses

PhD in Computer Science (Pattern Recognition and data mining area) at Universidad de Castilla-La Mancha (Spain). Full-time professor at Computer Science and head of Smart Cities research laboratory in the CTIC - UNI at Universidad Nacional de Ingeniería from Perú. I currently conducting research projects with international funding in Smart Cities and agriculture areas. Experience in Wireless sensor Network and signal transmission, mobile phone applications and analysis/processing of data generated by WSN, making predictions with different machine learning techniques.


The research laboratory have projects as the prevention of gender violence, citizen and road safety which is creating an electronic shackle for smart indoor and outdoor localization, project financed by the Peruvian state and developing IoT platform making with ambiental sensors in two main goals, the WSN and the library in Python with different Machine learning techniques.


I also possess extensive experience in security in computer systems, especially perimeter security in computer networks to prevent attacks and hacking.

Formación Certificada
Cursos Homologados Educación
Formación Certificada
  • 4.3 Instructor Rating
  • 6,874 Reviews
  • 69,042 Students
  • 70 Courses

El curso tiene evaluación de conocimientos, realizada en la propia plataforma, y será emitido Certificado de Formación. Entidad Certificada, donde consta la evaluación alcanzada, el programa del curso, la duración y la identificación de entidad formadora certificada.

Los certificados de formación son válidos para todos los efectos legales y de cualificación de las competencias;

que los certificados son válidos internacionalmente, ya que cumplen las normas de certificación de la Unión Europea;

que se respetan normas y principios rigurosos en términos pedagógicos y organizativos;

que se respetan todos los reglamentos desde el punto de vista legal, fiscal y al nivel de los pagos.

Puede solicitar más información o comprobación sobre cualquiera de los aspectos anteriormente mencionados.

Son muchos los beneficios de la formación certificada, tanto para los empleados como para la empresa. Entre los intereses, compartidos por todos los participantes, están el de adquirir nuevos conocimientos, ganar en confianza, evolucionar o el reconocimiento de obtener un diploma.


En cuanto a la empresa, los beneficios de la formación certificada caminan en paralelo a su objetivo de mantener alto el potencial de los empleados mediante la inversión en el desarrollo de sus habilidades, reteniendo y motivando al talento a través de la formación.


  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Impressum Kontakt
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.