Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Día Uno: Fundamentos del Lenguaje
-
Introducción al curso
-
Sobre Ciencia de Datos
-
Definición de Ciencia de Datos
-
Proceso de realizar Ciencia de Datos.
-
Introducción al Lenguaje R
-
Variables y Tipos de Datos
-
Estructuras de Control (Bucles / Condicionales)
-
Escalares, Vectores y Matrices en R
-
Definición de Vectores en R
-
Matrices
-
Manipulación de Cadenas y Texto
-
Tipo de dato Character
-
Entrada y salida de archivos
-
Listas
-
Funciones
-
Introducción a las funciones
-
Closures
-
Funciones lapply/sapply
-
DataFrames
-
Laboratorios para todas las secciones
Día Dos: Programación Intermedia con R
-
DataFrames y Entrada/Salida de Archivos
-
Lectura de datos desde archivos
-
Preparación de Datos
-
Conjuntos de Datos Incorporados
-
Visualización
-
Paquete Graphics
-
plot() / barplot() / hist() / boxplot() / gráfico de dispersión
-
Mapa de Calor
-
Paquete ggplot2 (qplot(), ggplot())
-
Exploración con Dplyr
-
Laboratorios para todas las secciones
Día Tres: Programación Avanzada con R
-
Modelización Estadística con R
-
Funciones Estadísticas
-
Manejo de NA
-
Distribuciones (Binomial, Poisson, Normal)
-
Regresión
-
Introducción a la Regresión Lineal
-
Recomendaciones
-
Procesamiento de Texto (paquete tm / Wordclouds)
-
Clustering
-
Introducción al Clustering
-
KMeans
-
Clasificación
-
Introducción a la Clasificación
-
Naive Bayes
-
Árboles de Decisión
-
Entrenamiento con el paquete caret
-
Evaluación de Algoritmos
-
R y Big Data
-
Conexión de R a bases de datos
-
Ecosistema de Big Data
-
Laboratorios para todas las secciones
- Definición de Ciencia de Datos
- Proceso de realizar Ciencia de Datos.
- Definición de Vectores en R
- Matrices
- Tipo de dato Character
- Entrada y salida de archivos
- Introducción a las funciones
- Closures
- Funciones lapply/sapply
Día Dos: Programación Intermedia con R
-
DataFrames y Entrada/Salida de Archivos
-
Lectura de datos desde archivos
-
Preparación de Datos
-
Conjuntos de Datos Incorporados
-
Visualización
-
Paquete Graphics
-
plot() / barplot() / hist() / boxplot() / gráfico de dispersión
-
Mapa de Calor
-
Paquete ggplot2 (qplot(), ggplot())
-
Exploración con Dplyr
-
Laboratorios para todas las secciones
Día Tres: Programación Avanzada con R
-
Modelización Estadística con R
-
Funciones Estadísticas
-
Manejo de NA
-
Distribuciones (Binomial, Poisson, Normal)
-
Regresión
-
Introducción a la Regresión Lineal
-
Recomendaciones
-
Procesamiento de Texto (paquete tm / Wordclouds)
-
Clustering
-
Introducción al Clustering
-
KMeans
-
Clasificación
-
Introducción a la Clasificación
-
Naive Bayes
-
Árboles de Decisión
-
Entrenamiento con el paquete caret
-
Evaluación de Algoritmos
-
R y Big Data
-
Conexión de R a bases de datos
-
Ecosistema de Big Data
-
Laboratorios para todas las secciones
- Paquete Graphics
- plot() / barplot() / hist() / boxplot() / gráfico de dispersión
- Mapa de Calor
- Paquete ggplot2 (qplot(), ggplot())
Día Tres: Programación Avanzada con R
-
Modelización Estadística con R
-
Funciones Estadísticas
-
Manejo de NA
-
Distribuciones (Binomial, Poisson, Normal)
-
Regresión
-
Introducción a la Regresión Lineal
-
Recomendaciones
-
Procesamiento de Texto (paquete tm / Wordclouds)
-
Clustering
-
Introducción al Clustering
-
KMeans
-
Clasificación
-
Introducción a la Clasificación
-
Naive Bayes
-
Árboles de Decisión
-
Entrenamiento con el paquete caret
-
Evaluación de Algoritmos
-
R y Big Data
-
Conexión de R a bases de datos
-
Ecosistema de Big Data
-
Laboratorios para todas las secciones
- Funciones Estadísticas
- Manejo de NA
- Distribuciones (Binomial, Poisson, Normal)
- Introducción a la Regresión Lineal
- Introducción al Clustering
- KMeans
- Introducción a la Clasificación
- Naive Bayes
- Árboles de Decisión
- Entrenamiento con el paquete caret
- Evaluación de Algoritmos
- Conexión de R a bases de datos
- Ecosistema de Big Data
Requerimientos
- Se prefiere un conocimiento básico de programación
- Una laptop moderna
- Última versión de R Studio y el entorno R instalados
Configuración
21 Horas
Testimonios (7)
Las aplicaciones de la vida real usando Statcan y CER como ejemplos.
Matthew - Natural Resources Canada
Curso - Data Analytics With R
Traducción Automática
Sus conocimientos y los códigos ya estaban escritos en los archivos para que pudiera estudiar después de las clases y practicar por mi cuenta.
GLORIA ADANNE - Natural Resources Canada
Curso - Data Analytics With R
Traducción Automática
Se proporciona mucha codificación R y buenos ejemplos
Kasia - Natural Resources Canada
Curso - Data Analytics With R
Traducción Automática
Lenguaje extenso y bien desarrollado. También una gran cantidad de información de apoyo disponible en línea.
Michel - Natural Resources Canada
Curso - Data Analytics With R
Traducción Automática
la claridad con la que explicó todo el curso, así como la disposición de regresar en el temario cuando fue necesario
Carlos Eloy - AMERICAN EXPRESS COMPANY MEXICO
Curso - Data Analytics With R
Me gustó que el entrenador se asegurara de que todos entendiéramos y siguiéramos las conferencias. Si teníamos un problema, se detenía y nos ayudaba a solucionarlo.
Cesar - AMERICAN EXPRESS COMPANY MEXICO
Curso - Data Analytics With R
Traducción Automática
The tool was interesting and I see the use. I would like to learn about more about it.
- Teleperformance
Curso - Data Analytics With R
Traducción Automática
