Curso completo de R para Data Science con Tidyverse
4.5 (586 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.
4,225 students enrolled

Curso completo de R para Data Science con Tidyverse

Aprende a programar con R, R Studio y Tidyverse: Data Analytics, Data Science, Análisis Estadístico, ggplot2 y mucho más
4.5 (586 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.
4,225 students enrolled
Last updated 5/2020
Spanish
Spanish [Auto-generated]
Current price: $139.99 Original price: $199.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 35 hours on-demand video
  • 7 articles
  • 1 downloadable resource
  • Full lifetime access
  • Access on mobile and TV
  • Assignments
  • 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
  • Aprender a programar con R desde cero hasta un nivel elevado
  • Aprender los principios fundamentales de la programación funcional, como variables y funciones
  • Aprender los tipos de datos como enteros, booleanos, doubles, strings y estructuras como los vectores, data frames y tibbles
  • Llevar a cabo representaciones gráficas completas y funcionales gracias a ggplot2 de tidyverse
  • Tener una buena intuición de la mayoría de técnicas que se aplican al mundo del machine learning y el data science
  • Dar valor añadido a tu propia empresa o negocio
  • Hacer análisis muy potentes y precisos con los paquetes gratuitos de R y R Studio
  • Ser todo un master Jedi del Machine Learning y el Data Science con R Studio y tidyverse
Course content
Expand all 184 lectures 35:15:10
+ Introducción
6 lectures 14:11
Pre requisitos del curso
01:37

Durante el curso es de esperar que te surjan dudas y quieras respuesta casi inmediata. Mientras que en el foro de Udemy pueden pasar entre 24 y 48 horas entre que escribes tu duda y yo tengo tiempo de responderlas, he creado para ti y todos los estudiantes una comunidad donde todos vosotros podéis (a mano o con mensaje de voz) poner vuestras dudas, sugerencias y resultados y que sean vuestros compañeros que están conectados los que os contesten.

Para unirte solamente debes hacer click en el siguiente enlace y registrarte si no tienes cuenta en Discord:

https://discord.gg/pRrGAfG

A partir de aquí, tendrás toda una red social de estudiantes que como tu buscan aprender y que te irán resolviendo las dudas del curso si están conectados. La idea es que crezcamos juntos y tu seas uno más, así que ¡apúntate y prepárate para convertirte en el siguiente desarrollador más famoso de toda la comunidad!

Comunidad de estudiantes del curso
03:37
Bookdown de Garrett Grolemund y Hadley Wickham
01:25
Acerca de la valoración prematura del curso en Udemy
02:41
+ R, Rstudio y Tidyverse
9 lectures 01:29:58
Ser data scientist en el siglo XXI
15:09
El camino del data science no es facil
12:20
R, RStudio y Tidiverse
19:48
Cómo instalar correctamente R y RStudio - Actualizado
15:23
Ayuda con la instalación de R y RStudio
01:46
Si tienes problemas con Ubuntu...
00:49
Manejo básico de R
13:48
Github del curso
00:02
Cómo acceder a los repositorios de los cursos
10:51
+ La visualización de los datos
15 lectures 02:43:52
Introducción al análisis exploratorio con R
05:00
El dataset mpg de ggplot2
19:56
Nuestro primer ggplot2
08:47
Vamos a repasar lo que hemos visto hasta ahora de ggplot2 junto con el dataset mpg para intentar averiguar más acerca de los datos.
Visualización de datos con ggplot2
7 questions
Cambiando los mappings estéticos del gráfico
24:17
Vamos a avanzar un poco más en los conocimientos de ggplot incorporando estéticas
Estéticas en ggplot
8 questions
Problemas comunes cuando empezamos a usar R
08:33
Los facets de ggplot
08:18
Vamos a repasar los plots que hemos aprendido a hacer con los facets de ggplot
Subplots con facets
6 questions
Las diferentes geometrias de ggplot2
13:19
Combinar gráficos y añadir dimensiones de visualización
12:39
Vamos a repasar lo aprendido acerca de ggplot2 y las geometrías
Geometrías con ggplot2
10 questions
Transformaciones estadísticas básicas
10:28
Cambiando las transformaciones estadísticas de nuestros gráficos
12:50
Vamos a ver cómo usar las stats en diferentes casos.
Transformaciones estadísticas con ggplot
5 questions
El parámetro position del gráfico
16:04
Cambiando los sistemas de coordenadas
11:42
Pequeño error en la clase anterior
00:13
La gramática final de ggplot2
11:41
Guía de recordatorio de ggplot2
00:04
Vamos a repasar los aspectos más avanzados de ggplot como la posición o los sistemas de coordenadas.
Ajustes avanzados de ggplot
10 questions

Vamos a repasar todo lo aprendido acerca de ggplot2 en esta sección

Repaso de ggplot2
5 questions
+ Los fundamentos de uso de R
7 lectures 01:01:06
La frustración con la informática es buena
04:07
R como calculadora científica
08:43
Los trucos para asignar nombres a las variables
07:09
Las funciones en R
09:11
Vamos a repasar los conceptos aprendidos acerca de cómo usar R como herramienta de cálculo
Introducción a R como herramienta de cálculo
6 questions
Los scripts y modos de trabajo de R
07:07
Rutas y directorios de trabajo en R
13:22
Proyectos de RStudio
11:27
+ La transformación de los datos
18 lectures 03:59:01
Introducción a la transformación de los datos
02:49
El paquete dplyr y su peculiar sintaxis
17:59
Filtrado de filas con filter
12:42
El álgebra de Bool en el filtrado
15:33
El síndrome contagioso de los NA
08:46
Ordenando las filas con arrange
09:22
Vamos a filtrar las diferentes filas del data frame de vuelos para conseguir encontrar los que nos hacen falta
Filtrando los datos con dplyr
11 questions
Filtrar columnas con select
14:24
Renombrar y ordenar las columnas
05:35
Vamos a ver cómo usar tanto arrange como select de dplyr para hacer la ordenación y selección de datos.
Ordenado y selección de datos con dplyr
10 questions
Calcular nuevas variables a partir de las que ya tenemos
10:06
Funciones útiles para mutar los datos
27:00
Vamos a usar las funciones mutate y transmutate para calcular nuevos datos a partir de los que ya tenemos
Calculando nuevas variables con dplyr
6 questions
Resúmenes de variables agrupados con dplyr
12:44
La magia oscura de las pipes
21:14
Eliminar los NA de los datos
06:24
El ejemplo del béisbol
15:35
Funciones estadísticas útiles
28:28
Agrupaciones múltiples y desagrupaciones
09:44
Mutates y filters por segmento
06:48
Vamos a aplicar todo lo aprendido en las últimas clases para llevar a cabo un trabajo completo sobre los datos. Este es un examen para que tu mismo te evalúes, así que no te daré la respuesta a las preguntas, si no que deberás evaluarte a ti mismo con respecto a lo que sepas analizar y responder.
Examen 1: Filtrado y manipulación de datos
19 questions
+ Análisis exploratorio de nuestros datos
14 lectures 02:13:08
Una nueva forma de pensar
05:06
Definiciones generales
12:02
La variación de variables categóricas
05:10
La variación de variables contínuas
12:59
Las preguntas que debemos hacernos
05:44
Encontrando subgrupos dentro de los datos
07:00
Outliers en la información
10:03
Reemplazando errores por NAs
12:59
Vamos a repasar las primeras lecciones acerca del análisis de la variación en la exploración de datos
Introducción a la exploración de datos
6 questions
La covariación a través de las densidades
08:24
La covariación a través de boxplots
12:43
La covariación de variables contínuas con scatterplots
13:04
Visualización de patrones
14:28
Vamos a repasar lo que hemos aprendido acerca de la representación de la variación conjunta entre variables para obtener más información de nuestros análisis.
Visualización de la covariación entre variables
12 questions
Una reflexión sobre la sintaxis de tidyverse
05:54
+ Data Wranling con Tidyverse
17 lectures 03:10:41
El data wranling
06:52
Del data frame a las tibbles
09:18
Creando tibbles de tidyverse
11:54
Imprimir una tibble por pantalla
13:27
Subconjuntos y acceso a tibbles
09:49
Vamos a repasar todo lo aprendido sobre esta magnífica estructura de datos que son las tibbles de tidyverse
Las tibbles de tidyverse
6 questions
El paquete readr para la importación de datos
09:23
Guardar un CSV con el paquete base de R
01:48
Leer un CSV con readr
12:47
Paquete base vs readr
04:24
Vamos a repasar cómo cargar los CSV con readr
La carga de datos con readr
9 questions
Procesado de números
08:41
Procesado de strings
12:08
Procesado de factores
03:22
Procesado de fechas y horas
24:44
Vamos a repasar cómo se procesan y cargan los diferentes tipos de datos con readr
Procesado de ficheros y carga de datos
7 questions
La heurística del parseo
20:23
Elegir más muestras y la función type_convert
09:20
Otros tipos de ficheros especiales
18:21
+ Limpiando y dando estructura a los datos
22 lectures 03:04:25
La tarea de limpiar los datos
03:32
¿Qué hace que un fichero de datos esté limpio?
18:06
Cambios en gather y spread (abril 2020)
00:04
Spreading y Gathering
05:14
La técnica de gathering
08:50
La técnica de spreading
04:05
La técnica de la separación
10:32
Vamos a ver cómo limpiar los datos con spread y gather, las primeras funciones de tidyr
Una incursión en la limpieza de datos
12 questions
Un caso real de sanidad
24:01
Un último apunto sobre datos desestructurados
05:45
Datos relacionales en R
10:50
Las claves primarias y foráneas
11:06
Los mutating joins
07:45
Diagramas para entender los joins
06:22
Inner join
03:23
Outer joins
06:06
El problema de las claves duplicadas
05:49
Definir las columnas clave de los joins
09:28
Unas nociones de SQL y de la función merge
10:36
Filtering joins
09:37
Operaciones entre conjuntos
06:08
Vamos a repasar los ejercicios de datos relacionales que hemos aprendido en la sección. Como esta parte es un poco avanzada y solo la vais a poder usar si realmente tenéis datos relacionales en vuestro haber, no aportaremos las soluciones de los ejercicios, si no que os dejaremos imaginar un poco.
Ejercicios de datos relacionales
8 questions
+ Manejo de strings, factores y fechas
22 lectures 04:46:50
Strings
01:56
Los fundamentos de los strings
09:47
Operaciones con strings
20:00
Las bases de las expresiones regulares
09:59
Anclas y caracteres de clase
10:07
Repetición de grupos y referencias
14:22
Encontrar y extraer coincidencias de la expresión regular
20:44
Agrupaciones y reemplazos de strings
18:37
Divisiones y búsquedas de strings
16:26
Otras expresiones regulares
22:33
Buscar funciones, variables y directorios
06:53
Vamos a repasar los strings que hemos aprendido en esta parte del curso
Strings
12 questions
Factores
02:37
Crear un factor en R
08:03
La encuesta anual americana
06:02
Cambiar el orden de los niveles de un factor
17:21
Mutar los niveles de los factores
13:15
Vamos a repasar lo aprendido en Tidyverse sobre factores
Forcats y factores de tidyverse
3 questions
Fechas
04:44
Modos de crear fechas
24:25
Obtener las componentes de una fecha
13:55
Redondeo y modificación de componentes de fechas
09:12
Lapsos de tiempo
23:48
Zonas horarias
12:04
Vamos a repasar los ejercicios de fechas
Repaso de lubridate y las fechas
6 questions
+ Técnicas de programación hacker con RStudio
25 lectures 06:15:38
Técnicas de programador profesional
06:09
Las pipes y cuando usarlas
29:00
Pipes alternativas
13:41
Creación de funciones
03:46
Cuando conviene crear funciones
15:53
Funciones para humanos y ordenadores
13:27
Vamos a repasar los contenidos que hemos aprendido sobre funciones
Repaso de funciones
5 questions
Condicionales y toma de decisiones
21:09
Los argumentos de las funciones
17:22
Punto, punto, punto y evaluación tardía
18:06
Valores de retorno y valores de entorno
14:28
Vamos a ver algunas opciones avanzadas de funciones y a practicarlas a través de unos ejercicios
Repaso avanzado de las funciones
10 questions
La estructura del vector
08:57
Los vectores atómicos
14:58
Transformaciones y castings
13:46
La regla del reciclaje de datos
07:46
Subconjuntos de vectores
09:39
Empecemos por repasar los fundamentos de los vectores en R
Introducción a los vectores
11 questions
Los vectores recursivos (listas)
15:14
Atributos de un vector
08:18
Vectores aumentados
13:43
Vamos a por la última parte de operaciones con vectores
Listas y estructuras complejas
5 questions
El bucle for para iterar
12:06
Más tipos de bucles
33:56
Vamos a practicar los bucles para conseguir que tengas que escribir cada vez menos código repetitivo
Bucles y formatos iterativos
7 questions
Bucles vs programación funcional
13:12
Las funciones de map
24:27
Las funciones Safely, Possibly, Quietly
11:41
Mappings con argumentos múltiples
18:02
Accumulate, reduce, detect, some, every, keep, discard y walk
16:52
Requirements
  • Se necesitan conocimientos fundamentales de matemáticas de bachillerato o conocimientos básicos de estadística
  • Se recomienda saber programar un poco para enfocarse en aprender las técnicas de análisis con tidyverse aunque no es totalmente necesario
Description

Fundamentos de Data Science con R Studio y Tidyverse, con ejercicios reales y ejemplos de todo tipo. El prerequisito indispensable para luego continuar con el Curso completo de Machine Learning con R Studio del profesor Juan Gabriel Gomila

Bienvenido a este magnífico y completo curso de R Studio y Tidyverse donde el objetivo es formarte para que seas un buen data science con los fundamentos esenciales de uso de los paquetes del software estadístico R y R studio y que puedas llevar a cabo análisis de datos completos y desde cero sin experiencia previa. Aquí tendrás todo lo que necesitas para luego continuar con cursos como los de Machine Learning con R o con Python que tengo publicados aquí mismo en Udemy con todos los conocimientos esenciales bien asentados y completos. Basado en el manual gratuito de Tidyverse, R for Data Science de Garrett Grolemund y Hadley Wickham, y adaptado con ejemplos de casos reales y divertidos, tienes todo lo que necesitas para aprender de un modo divertido a ser todo un analista de datos.

En particular, tengo muchas cosas que enseñarte pues el trabajo del data scientist es muy variado y divertido.

  • Usarás R desde cero hasta convertirte en un profesional, haciendo mucho énfasis en las diferentes partes que lo componen, en la sintaxis básica de creación de scripts, la generación y exportación de gráficos, instalación de librerías diversas y mucho más.

  • Aprenderás a utilizar ggplot2, una librería muy completa para representaciones gráficas basada en el uso de capas de información para ir haciendo el gráfico cada vez más completo y avanzado con el que transmitir todo lo que has ido aprendiendo.

  • Organizarás y manipularás datos con dplyr, la librería para trabajar datos como si fuera una base de datos con la que seleccionarás, ordenarás y crearás nuevas variables para su posterior análisis y representación gráfica. 

  • Estructuras de datos avanzadas con las tibbles de tidyverse y la completa sintaxis de maggrit que acelera y potencia la sintaxis para evitarnos crear variables intermedias en nuestro trabajo de data science gracias a sus pipes

  • Carga de datos a través de la lectura de ficheros de todo tipo gracias a readr, la versión de lectura mejorada de tidyverse que dinamiza y acelera la carga de millones de datos directamente con una instrucción, independientemente del tipo de fichero: CSV, XML, JSON...

  • Librerías especiales de tratamiento de datos como stringr o lubridate especiales para formatos de datos puntuales, así como para hacer una sintaxis de expresión regular que ayude a procesar cadenas complejas de textos como twits o comentarios de un blog entre otros.

  • Trabajar a fondo con todos los tipos de datos esenciales para un analista: desde valores lógicos, números enteros, doubles, strings, date, datetimes... Incluso veremos las estructuras de datos más comunes incluidos los vectores, las listas o las tibbles entre otros.

  • Programación funcional vs programación imperativa. Las ventajas de cada una de ellas y cuando usar una u otra cuando toque. 

  • Creación y actualización de modelos, la fase final del analista de datos que todo el mundo busca para resolver su problema original.

  • Reporting y cómo escribir recomendaciones, actualizaciones y unos informes finales que te permitan cobrar al final de tu trabajo realizado como Data Scientist. 

Y mucho más en este curso completo de Tidyverse, donde la idea es formarte como analista de datos y poder dedicarte en el futuro a ser un data scientist bien pagado y con mucho trabajo en el futuro.

Who this course is for:
  • Cualquiera interesado en aprender Machine Learning
  • Estudiantes que tienen un conocimiento de matemáticas que quieran aprender acerca del análisis de datos con R Studio
  • Usuarios intermedios que conocen los fundamentos de análisis de datos con R pero buscan aprender más y explorar otros paquetes como el aclamado tidyverse
  • Programadores que les guste el código y que estén interesados en aprender Machine Learning para aplicar dichas técnicas a sus conjuntos de datos
  • Estudiantes de universidad que busquen especializarse y aprender a ser Data Scientists
  • Estudiantes de universidad que quieran complementar su formación con conocimientos de estadística aplicados y divertidos.
  • Analistas de datos que quieran ir más allá gracias al Machine Learning
  • 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