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 CompTIA Security+ Amazon AWS Microsoft AZ-900
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Personal Development Personal Transformation Mindfulness Life Purpose Meditation CBT Emotional Intelligence
Web Development JavaScript React CSS Angular PHP Node.Js WordPress Vue JS
Google Flutter Android Development iOS Development React Native Swift 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 Retargeting
Microsoft Power BI SQL Tableau Business Analysis Data Modeling Business Intelligence MySQL Data Analysis Blockchain
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Business Plan Startup Freelancing Online Business Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee
Development Data Science Machine Learning

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
Rating: 4.6 out of 54.6 (2,190 ratings)
12,033 students
Created by Juan Gabriel Gomila Salas, Frogames SL
Last updated 9/2020
Spanish
Spanish [Auto]
30-Day Money-Back Guarantee

What you'll 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
Curated for the Udemy for Business collection

Course content

16 sections • 213 lectures • 50h 57m total length

  • Preview02:44
  • Pre requisitos del curso
    01:37
  • Contenidos del curso
    07:24
  • Conoce a Juan Gabriel Gomila, tu profesor de Data Science
    02:25
  • Acerca de la valoración prematura del curso en Udemy
    02:41

  • Descargando nuestra herramienta de trabajo: R y R Studio
    15:23
  • Descarga la versión 3.6.3 de R
    00:10
  • Ayuda con la instalación de R y Rstudio
    01:46
  • Si tienes problemas con Ubuntu...
    00:49
  • La organización es la clave
    20:16
  • Repositorio de los proyectos del curso de Data Science
    00:05
  • Un paseo por la interfaz de R Studio
    05:39
  • Comunidad de estudiantes del curso
    03:37

  • Preparando los datos para su análisis
    02:54
  • ¿En qué consiste esto del Data Science?
    13:10
  • El fichero CSV y la función read.csv
    15:07
  • Opciones adicionales de read.csv
    14:47
  • Los datos en CSV
    5 questions
  • Leyendo datos de un XML
    13:25
  • Leyendo tablas incrustadas en un HTML
    11:27
  • Problemas leyendo tablas en HTML
    00:05
  • Los datos en XML
    6 questions
  • Leyendo datos desde un JSON
    10:23
  • Alternativa a la API de Yahoo finanzas
    00:08
  • Acceso a los datos con la sintaxis de $
    09:59
  • Los datos en un JSON
    5 questions
  • Los ficheros de ancho fijo
    13:17
  • Los datos en un fichero de ancho fijo
    5 questions
  • Preview11:49
  • Cargando ficheros Rdata y rds
    15:37
  • Los ficheros de datos de R
    5 questions
  • Eliminar datos sin valor con na.omit
    07:13
  • Limpieza selectiva de los datos sin valor
    11:44
  • Reemplazo de NA con la media o extracción aleatoria
    22:39
  • Evitando duplicaciones de entradas
    06:52
  • Reescalado lineal de datos
    14:02
  • Normalizando o estandarizando datos de un data frame
    16:54
  • Limpieza de datos
    8 questions
  • Categorizando información numérica
    15:23
  • Variables ficticias para categorizaciones
    12:27
  • Formas de eliminar la información que falta
    20:14
  • Formas de completar la información que falta
    26:04
  • Preparando nuestros datos iniciales
    8 questions
  • Combinando y separando los datos
    27:04
  • Uso de modelos predictivos para eliminar NAs
    23:54
  • Detección de outliers a través de box plots
    18:18
  • Enmascarando los outliers con transformaciones y cappings
    15:21
  • Corrección de los datos
    8 questions

  • Acerca del análisis exploratorio de los datos
    03:20
  • Resumiendo nuestros datos con summary y str
    14:52
  • Estadísticos y medidas básicas
    25:46
  • Análisis exploratorio inicial
    7 questions
  • Subconjuntos de datos
    25:14
  • Divisiones con split
    06:57
  • Partición de data frames con variables numéricas
    14:23
  • Partición de data frames con variables categóricas
    19:14
  • División de los datos
    5 questions
  • Preview22:19
  • Personalizando nuestros gráficos
    16:59
  • Múltiples gráficos con la función par
    07:14
  • El paquete lattice
    13:32
  • Comparación a través de representaciones
    19:06
  • El gráfico de las judías
    06:03
  • Análisis de la causalidad
    12:00
  • Representación de los datos
    7 questions
  • La técnica de la validación cruzada
    13:39
  • Gráficos cuantil - cuantil
    28:51

  • Acerca de la clasificación en data science
    02:50
  • Cómo generar matrices de confusión
    15:05
  • Diagramas de mosaico
    08:03
  • Análisis de componentes principales
    23:22
  • Diagramas ROC
    24:23
  • Análisis y representaciones para clasificar correctamente
    7 questions
  • Los árboles de clasificación
    21:35
  • La poda del árbol de clasificación
    18:25
  • Preview16:12
  • Árboles y bosques de clasificación
    5 questions
  • Máquinas de soporte vectorial
    26:22
  • Naïve Bayes
    12:32
  • K Nearest Neighbors
    18:16
  • Eligiendo el mejor número de vecinos para la decisión
    16:51
  • Redes neuronales para clasificar
    21:22
  • Análisis del discriminante lineal
    09:28
  • La regresión logística
    14:15
  • Técnicas de clasificación
    13 questions
  • Conexión a la API de Twitter
    13:02
  • Limpiando los tweets descargados
    15:51
  • La librería SentimentR
    00:21
  • Clasificación de textos para análisis de sentimiento
    13:09

  • La regresión para predecir valores
    02:38
  • La raíz del error cuadrático medio
    10:15
  • K nearest neighbors
    23:28
  • K Nearest Neighbors sin partición de validación
    20:51
  • Regresión Lineal
    25:22
  • Entendiendo los gráficos de los residuos en un modelo lineal
    21:55
  • Opciones para las fórmulas de un modelo lineal
    10:26
  • La función step para simplificar el modelo lineal
    08:09
  • Predicción de valores
    5 questions
  • Árboles de regresión
    22:51
  • Las técnicas de Bagging and Boosting
    10:40
  • Bosques aleatorios para regresión
    13:30
  • Redes neuronales para regresión
    11:04
  • Implementando una k-fold cross validation en R
    17:11
  • Implementando una LOOCV en R
    07:00
  • Técnicas avanzadas de regresión
    5 questions

  • Reduciendo los datos con Clustering y ACP
    03:08
  • Clustering jerárquicos y dendogramas
    14:02
  • Las distancias y el método de generación del cluster
    14:37
  • Clusterings divisitivos y cortes en el dendograma
    11:22
  • Clustering partitivos con k-means
    17:12
  • Preview20:09
  • Técnicas de reducción de datos
    5 questions
  • Particiones alrededor de los k medoides
    08:30
  • Clustering large application (clara)
    04:16
  • Validando los resultados de un clustering
    33:29
  • Clusterings basados en densidad de puntos
    17:31
  • Clusterings basados en modelos
    09:17
  • Reducir dimensiones con ACP
    15:27
  • Técnicas de Clustering Avanzadas
    5 questions

  • Series temporales y su utilidad
    02:33
  • Trabajando con información financiera
    23:59
  • Datos en tiempo real con quantmod
    08:44
  • El formato de fecha en R
    19:31
  • Operaciones y secuencias de fechas
    08:24
  • Análisis preliminar de una serie temporal
    18:20
  • Preview17:44
  • La descomposición de una serie temporal
    15:24
  • El filtrado de series temporales para localizar tendencias
    11:27
  • Suavizado y predicción con el método de Holt-Winters
    13:03
  • Creando un modelo autorregresivo integrado de media móvil
    07:32
  • Las series temporales
    7 questions

  • El paquete ggplot2
    05:06
  • Gráficos de dispersión
    20:05
  • Gráficos de líneas
    07:33
  • Gráficos de barras
    14:16
  • Gráficos de distribuciones
    11:19
  • Gráficos de mosaicos
    06:46
  • Treemaps
    10:47
  • Graficos con Matrices de correlación
    21:27
  • Agregando tonalidades a las matrices de color
    11:23
  • Representaciones en forma de grafo
    15:06
  • Etiquetas y leyendas
    13:08
  • Colores y temas
    12:23
  • Gráficos multivariantes
    18:12
  • Gráficos multivariantes con GGalli
    17:28
  • Gráficos 3D y animaciones
    18:35
  • Textos e Histogramas en 3D
    16:52
  • Exportando los gráficos a varios formatos de salida
    09:26
  • Gráficos con ggplot2
    10 questions

  • Ofrecer una buena recomendación
    04:22
  • El dataset de Movie Lens
    09:03
  • Los datos de las peliculas y las matrices sparsed
    08:10
  • Sistemas de filtrado colaborativo basado en ítems
    11:47
  • Sistemas de filtrado colaborativo basado en usuarios
    09:09
  • Representando la matriz de valoraciones
    16:52
  • Filtrado colaborativo para datos binarios
    13:13
  • Sistemas basados en contenido
    20:34
  • Haciendo una clasificación de películas con clustering
    38:31
  • Los sistemas de recomendaciones híbridos
    09:35
  • Medidas de semejanza
    16:44
  • Dando Recomendaciones
    8 questions
  • Introducción a Machine Leerning
    06:36
  • Añadiendo repositorios de terceros, Githubs y fuentes externas
    17:02
  • Una aplicación de ML - Sistema de reconocimiento de imágenes
    31:15
  • Validando nuestras recomendaciones con validación cruzada
    08:42
  • Evaluación de las valoraciones
    11:33
  • Evaluación de las recomendaciones
    08:22
  • Eficacia y Precisión
    07:04
  • Identificar el modelo adecuado
    12:44
  • Optimización de parámetros
    13:38
  • Definiciones en el contexto de clasificación y recomendación
    06:29
  • Cómo funciona el sistema de detección de fraudes
    30:18
  • Una introducción a Machine Learning
    10 questions

Requirements

  • Saber usar un ordenador con fluidez, independientemente del sistema operativo
  • Tener conocimientos básicos de estadística o de R es recomendable pero no necesario para seguir el curso
  • Se necesitan conocimientos de matemáticas de bachillerato o conocimientos básicos de estadística

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.

Who this course is for:

  • Cualquiera que quiera iniciarse en el mundo de la estadística y el análisis de datos
  • Cualquiera interesado en aprender Machine Learning
  • Cualquiera que quiera aprender R y RStudio
  • Cualquiera con nociones básicas de R y estadística que busque conocer las técnicas avanzadas usadas por las grandes empresas
  • Estudiantes que tienen un conocimiento de matemáticas que quieran aprender acerca del Machine Learning con R
  • Usuarios intermedios que conocen los fundamentos de Machine learning como los algoritmos clásicos de regresión lineal o logística pero buscan aprender más y explorar otros campos del aprendizaje estadístico
  • Programadores que les guste el código y que estén interesados en aprender Machine Learning para aplicar dichas técnicas a sus datasets
  • Estudiantes de universidad que busquen especializarse y aprender a ser Data Scientists
  • Analistas de datos que quieran ir más allá gracias al Machine Learning con RStudio
  • Cualquier persona que no esté satisfecha con su propio trabajo y busque empezar a trabajar como un Data Scientist profesional
  • Cualquier persona que quiera dar valor añadido a su propia empresa utilizando las potentes herramientas de Machine Learning

Instructors

Juan Gabriel Gomila Salas
CEO de Frogames, Matemático +330.000 estudiantes online
Juan Gabriel Gomila Salas
  • 4.6 Instructor Rating
  • 45,188 Reviews
  • 370,808 Students
  • 99 Courses

Soy licenciado en matemáticas, especializado en el análisis de datos para empresas de videojuegos con R y Python, en Game Design para videojuegos de social casino, en el desarrollo de aplicaciones móviles para iOS y para Android y desarrollador de videojuegos utilizando los motores Unreal Engine y Unity tanto para PC como para móvil desde el año 2011.

Me encanta programar, crear apps y videojuegos que la gente utilice y sobretodo enseñar tanto en el mundo online, como en la Universidad presenciamente.

Aquí en Udemy, llevo como profesor online desde verano de 2015 he lanzado ya más de 90 cursos online con más de 330.000 estudiantes en más de 160 países de todo el mundo que han aprendido en castellano  temáticas de desarrollo tan diversas como el mundo de las apps para iOS en Objective-C, Swift y SpriteKit,  en Android con Java, desarrollo de videojuegos con Unity y Unreal Engine cubriendo desde lo más básico hasta aspectos avanzados para crear juegos profesionales o incluso análisis de datos masivos, big data, machine learning y data science con R, Tidyverse y Python. 

Soy también Instructor Certificado de Unity (UCI), lo cual me permite viajar por todo el mundo asesorando y dando formación en desarrollo de videojuegos para empresas de CAD, o estudios de renombre como por ejemplo Team 17 (Worms, The Escapists), Genera Games (Disney's Frozen, Star Wars) o Ubisoft (Assassin's Creed, CSI Hidden Crimes)

Además, los propios estudiantes online de varias partes del mundo me han contactado para ir a dar conferencias y compartir mis experiencias en lugares tan bonitos como Colombia, Dinamarca, USA, México, Suecia, Holanda, Londres o Bolivia entre otros. Si no conoces aún ninguno de los cursos que imparto aquí en Udemy, tómate un tiempo para visitar los diversos cursos gratuitos que tengo publicados aquí mismo.

Frogames SL
Educación online, matemáticas y videojuegos
Frogames SL
  • 4.6 Instructor Rating
  • 12,630 Reviews
  • 202,573 Students
  • 12 Courses

Somos una compañía compuesta por un equipo multidisciplinario, altamente preparado, liderados por Juan Gabriel Gomila, que ofrece asesoría externa para empresas en proyectos de diversa índole como Big data, videojuegos, desarrollo de aplicaciones, entre otros. Igualmente, aportamos colaboración constante a nuestro CEO en sus labores como instructor certificado de Unity, instructor online en la plataforma Udemy (En la cual cuenta con más de 100.000 estudiantes), y la plataforma latinoamericana Platzi, entre otros.

Nacemos en el año 2013, como parte de un proyecto personal el cual inicio con el desarrollo de diversas aplicaciones móviles y videojuegos que fueron liberados en la App store y que paulatinamente fueron ganando experiencia y popularidad, adentrándose en nuevos e innovadores proyectos, lo cual nos ha permitido, como compañía startup, mantenernos en constante crecimiento.

  • 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.