Este curso de Data Science con R te permitirá adentrarte en el mundo de los patrones, desde una mirada intuitiva, con guías paso a paso tanto en la teoría como en la práctica utilizando el lenguaje R.
Es un curso práctico, orientado a que puedas desarrollarte como Data Scientist Jr.
Tendrás a Atenea tu IA que te guiará en tu aprendizaje en todo momento y también contarás con soporte de nuestro instructores a través de nuestra comunidad.
#Machine Learning #RStats #Estadística #Data Science
Al completar el curso tendrás un certificado de finalización para publicar en Linkedin. Además con Atenea podrás validar lo que aprendiste, haciendo evaluaciones a medida que avances con las lecciones. Tendrás soporte de nuestros instructores en todo momento a través de nuestra comunidad en Discord.
Todo lo que necesitas saber antes de comenzar.
¿De qué hablamos cuando hablamos de ‘Ciencia de Datos’?
Primer acercamiento a tus datos para comprender cómo está compuesto el dataset.
Entiende cómo se relacionan las variables de tu dataset.
Muchas veces los datos llegan “sucios”. Aprende a tratarlos para poder aprovecharlos al máximo y evitar llegar a conclusiones erróneas.
Ahora, con tus datos listos, comienza por el modelo de ML Árbol de decisión.
Aprende a aplicar el modelo de ML de Clasificación, entiende cómo optimizarlo y cómo se relaciona con los conceptos estadísticos de regresión y cálculo de error
Introduce un nivel de complejidad mayor con el modelo de Clasificación multiclase. Comprende los conceptos de outlier y undersampling
Entiende qué es y cómo aplicar el modelo de ML Clustering
Aprende cómo hacer para reducir complejidad y quitar dimensiones
Te adelantamos qué y cómo seguir aprendiendo Ciencia de Datos
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Venenatis nec nisi ornare.
Este curso es con R. R y Python tienen sus similitudes y diferencias. Ambos sirven para ambientes laborales y también para investigación.
La parte práctica, los videos están explicados de manera genérica y cuando se necesita hacer una referencia al código se aclara para ambos lenguajes.
Si, tener nociones básicas y haber practicado, sobre todo los temas que se ven en 'Desembarcando en R; 2da Edición’. Si no sabes nada de R, empieza por nuestro curso.
✔ ️Médicos, como ataque al corazón, diabetes y el coronavirus (Kaggle). ✔ ️ Encuestas/demográficos: Estimar el nivel de ingreso. ✔ Campaña de marketing para vender un producto. ✔ ️Datos de canciones de Spotify. El objetivo de ver distintos datos es que el estudiante pueda generalizar y ver lo común a todos los proyectos.
R base, tidyverse, funModeling, Hmisc, corrr, uwot, dbscan, caret, rmarkdown, DescTools, expss, minerva, DataExplorer, cluster, factoextra, rpart, rattle, pROC, randomForest, xgboost, plotly, skimr. Nota: no todas con el mismo nivel de profundidad, de algunas usaremos una o dos funciones necesarias para ese momento, así van a ir armando tu propio toolset.
El curso tiene un anexo con nociones básicas de estadística, y todos los temas se presentan de manera didáctica, empezando por la intuición, ejemplos funcionales, práctica en código y en algunos casos, las ecuaciones.
Totalmente! Todo está pensado de forma incremental hasta terminar en lo que pudieras llegar a enfrentarse en un trabajo. Te llega un set de datos de cero y tienes que crear un modelo predictivo estable. Los ejemplos son templates para que uses con tus datos. Los scripts se presentan de manera generalizada. Por ejemplo, en reemplazo de nulos no se muestra cómo reemplazar una sola variable, sino una lista de ellas (trabajar con listas de variables es el escenario más común).
Son videos grabados. Modalidad online asincrónica: Lo haces a tu ritmo.
Si! A través de nuestra comunidad.
La duración es variable de acuerdo a la experticia y dedicación del alumno/a. El total neto de horas es de ~ 10 hs. La suma de estos valores no es ni siquiera la cota mínima. La experiencia indica que hay que ver cada video entre 2 y 3 veces para comprender bien el tema. Y luego dedicarle una cantidad de horas prudencial a probar aplicar lo aprendido a nuevos sets de datos. Una de las mejores maneras de aprender es usar datos propios o tener un objetivo concreto. Ejemplo: El video de curva ROC dura 8 min, pero asimilar el concepto y tomar decisiones con estos valores puede llevar al menos 3 proyectos. Dadas estas consideraciones la asimilación de todos los conceptos puede llevar aproximadamente 3 meses.
Podrás acceder al curso mientras tu membresía esté activa.