Gratte l'image pour obtenir une réduction sur ton cours. Tu pourras appliquer le coupon au moment du paiement.
237
Bienvenidos al Mundo del Análisis de Datos con R
Contenidos del Curso
Cómo Sacarle el Máximo Partido al Curso
La Comunidad de Discord para Aprender con Amigos
El Repositorio GitHub del Curso
Toma notas de tu curso en tiempo real en Frogames Formación
Cómo Obtener una Versión Anterior de R Estable (R 3.6.3)
Cómo Instalar R y RStudio
¿Problemas con la Instalación en Ubuntu?
La Organización es la Clave
Un Tour por la Interfaz de RStudio
Preparando los Datos para su Análisis
¿En qué Consiste esto del Data Science?
El Fichero CSV y la Función read.csv
Opciones Adicionales de read.csv
Los Datos en CSV
Leyendo Datos de un XML
Leyendo Tablas Incrustadas en un HTML
Problemas Leyendo Tablas en HTML
Los Datos en XML
Leyendo Datos desde un JSON
Alternativa a la API de Yahoo Finanzas
Acceso a los Datos con la Sintaxis de $
Los Datos en un JSON
Los Ficheros de Ancho Fijo
Los Datos en un Fichero de Ancho Fijo
Creando Ficheros Rdata y rds
Cargando Ficheros Rdata y rds
Los Ficheros de Datos de R
Eliminar Datos sin Valor con na.omit
Limpieza Selectiva de los Datos sin Valor
Reemplazo de NA con la Media o Extracción Aleatoria
Evitando Duplicaciones de Entradas
Reescalado Lineal de Datos
Normalizando o Estandarizando Datos de un Data Frame
Limpieza de Datos
Categorizando Información Numérica
Variables Ficticias para Categorizaciones
Formas de Eliminar la Información que Falta
Formas de Completar la Información que Falta
Preparando nuestros Datos Iniciales
Combinando y Separando los Datos
Uso de Modelos Predictivos para Eliminar NAs
Detección de Outliers a través de Box Plots
Enmascarando los Outliers con Transformaciones y Cappings
Corrección de los Datos
Acerca del Análisis Exploratorio de los Datos
Resumiendo nuestros Datos con summary y str
Estadísticos y Medidas Básicas
Análisis Exploratorio Inicial
Subconjuntos de Datos
Divisiones con split
Partición de Data Frames con Variables Numéricas
Partición de Data Frames con Variables Categóricas
División de los Datos
Histogramas, Boxplots y Scatterplots
Personalizando nuestros Gráficos
Múltiples Gráficos con la Función Par
El Paquete lattice
Comparación a través de Representaciones
El Gráfico de las Judías
Análisis de la Causalidad
Representación de los Datos
La Técnica de la Validación Cruzada
Gráficos Cuantil - Cuantil
Acerca de la Clasificación en Data Science
Cómo Generar Matrices de Confusión
Diagramas de Mosaico
Análisis de Componentes Principales
Diagramas ROC
Análisis y Representaciones para Clasificar Correctamente
Los Árboles de Clasificación
La Poda del Árbol de Clasificación
Los Bosques Aleatorios
Árboles y Bosques de Clasificación
Máquinas de Soporte Vectorial
Naïve Bayes
K Nearest Neighbors
Eligiendo el Mejor Número de Vecinos para la Decisión
Redes Neuronales para Clasificar
Análisis del Discriminante Lineal
La Regresión Logística
Técnicas de Clasificación
Conexión a la API de Twitter
Limpiando los Tweets Descargados
La Librería SentimentR
Clasificación de Textos para el Análisis de Sentimiento
La Regresión para Predecir Valores
La Raíz del Error Cuadrático Medio
K Nearest Neighbors
K Nearest Neighbors sin Partición de Validación
Regresión Lineal
Entendiendo los Gráficos de los Residuos en un Modelo Lineal
Opciones para las Fórmulas de un Modelo Lineal
La Función step para Simplificar el Modelo Lineal
Predicción de Valores
Árboles de Regresión
Las Técnicas de Bagging and Boosting
Bosques Aleatorios para Regresión
Redes Neuronales para Regresión
Implementando una K-Fold Cross Validation en R
Implementando una LOOCV en R
Técnicas Avanzadas de Regresión
Reduciendo los Datos con Clustering y ACP
Clustering Jerárquicos y Dendogramas
Las Distancias y el Método de Generación del Cluster
Clusterings Divisitivos y Cortes en el Dendograma
Clustering Partitivos con K-Means
Mini Batch K-Means para Segmentación de Imágenes
Técnicas de Reducción de Datos
Particiones alrededor de los K Medoides
Clustering Large Application (CLARA)
Validando los Resultados de un Clustering
Clusterings Basados en Densidad de Puntos
Clusterings Basados en Modelos
Reducir Dimensiones con ACP
Técnicas de Clustering Avanzadas
Series Temporales y su Utilidad
Trabajando con Información Financiera
Datos en Tiempo Real con quantmod
El Formato de Fecha en R
Operaciones y Secuencias de Fechas
Análisis Preliminar de una Serie Temporal
El Objeto Serie Temporal de R
La Descomposición de una Serie Temporal
El Filtrado de Series Temporales para Localizar Tendencias
Suavizado y Predicción con el Método de Holt-Winters
Creando un Modelo Autorregresivo Integrado de Media Móvil
Las Series Temporales
El Paquete ggplot2
Gráficos de Dispersión
Gráficos de Líneas
Gráficos de Barras
Gráficos de Distribuciones
Gráficos de Mosaicos
Treemaps
Graficos con Matrices de Correlación
Agregando Tonalidades a las Matrices de Color
Mapas de Calor
Representaciones en Forma de Grafo
Etiquetas y Leyendas
Colores y Temas
Gráficos Multivariantes
Gráficos Multivariantes con GGalli
Gráficos 3D y Animaciones
Textos e Histogramas en 3D
Exportando los Gráficos a Varios Formatos de Salida
Gráficos con ggplot
Ofrecer una Buena Recomendación
El Dataset de Movie Lens
Los Datos de las Películas y las Matrices Sparsed
Sistemas de Filtrado Colaborativo Basado en Ítems
Sistemas de Filtrado Colaborativo Basado en Usuarios
Representando la Matriz de Valoraciones
Filtrado Colaborativo para Datos Binarios
Sistemas Basados en Contenido
Haciendo una Clasificación de Películas con Clustering
Los Sistemas de Recomendaciones Híbridos
Medidas de Semejanza
Dando Recomendaciones
Introducción a Machine Leerning
Añadiendo Repositorios de Terceros, GitHub y Fuentes Externas
Una Aplicación de ML - Sistema de Reconocimiento de Imágenes
Validando nuestras Recomendaciones con Validación Cruzada
Evaluación de las Valoraciones
Evaluación de las Recomendaciones
Eficacia y Precisión
Identificar el Modelo Adecuado
Optimización de Parámetros
Definiciones en el Contexto de Clasificación y Recomendación
Cómo Funciona el Sistema de Detección de Fraudes
Una Introducción al Machine Learning
El Papel de las Redes Sociales en el Análisis de Datos
La Red Social de Meetup y su API
Generar Llamadas Parametrizadas a las API
El Problema del Exceso de Datos y el Uso de data.table
La Red Social de Meetup
Las Matrices de Adyacencia y Listas de Aristas de un Grafo
El Paquete igraph para Representar Grafos
Más Opciones del Paquete igraph
Nomenclatura y Métricas de Grafos
Calculando Métricas en Grafos
Añadir y Quitar Nodos y Aristas en un Grafo
Análisis de Tweets y el Grafo de Retweets
Layouts Basados en Fuerzas de Atracción y Repulsión
Gephi y más Layouts
La Red Social de Twitter
La Documentación y Presentación de los Hallazgos
R Markdown
Truco: Qué Hacer si Markdown No me Genera el Fichero en PDF
Combinando HTML y R
Plots y más Opciones de Configuración en Markdown
Tablas con HTML y Kable
Shiny
Distribuyendo el Reporte en Pestañas
Selecciones Dinámicas del Usuario
Incrustando Shiny en un Markdown
Presentaciones en PDF
Generación Dinámica de Reportes
R no es un Lenguaje de Programación Convencional
Operaciones Vectorizadas
El Uso de la Función apply
Las Funciones lapply y sapply
Aplicando Funciones a Subconjuntos con tapply y by
La Técnica de Dividir - Aplicar - Combinar
Trabajar con Grandes Datos con dplyr
Grandes Datos y Data Table
Slice and Dice con Data Table
Optimización de Código
Acerca de los Datos Geoespaciales
El Uso de Mapas del Paquete RGoogleMaps
Nota: la API de Google Maps ha Cambiado
Representando Puntos sobre un Mapa
Representar un Mapa de Calor con los Crímenes de Chicago
Cargar Ficheros ESRI
Representar Datos de un Fichero ESRI
El Paquete maps de RStudio
Conversión de Data Frame a Objetos Espaciales
Combinar Data Frames, Mapas y Objetos Espaciales
Añadir una Nueva Columna de Datos con spCbind
Análisis de Información Geoespacial
Trabajando con Otros Lenguajes de Programación
Instalando rJava desde Fuentes Externas
Objetos de Java en R
La Sintaxis de Java en los Métodos de R Explicada
Integración con Microsoft Excel
El Mundo de las Bases de Datos Relacionales y Paquetes de R para Conectarse
Instalando MySQL y MySQL Workbench
Cargando Datos en MySQL a partir de un CSV
La Librería RODBC
La Librería de RMySQL
La Librería RJDBC
Instalando MongoDB
El Poder de las Bases de Datos no Relacionales con R y MongoDB
El Uso de Spark en RStudio
Conectando Spark, MySQL y Análisis de Datos Distribuidos con RStudio
Hemos Terminado una Aventura Juntos, ¡pero Vamos a por la Siguiente!
(25)
PLANS POUR ACCÉDER SELON TES OBJECTIFS ET TES BESOINS
Achète le cours individuel, obtiens tout le parcours d'apprentissage ou accède à toute la plateforme
Choisis le mode de paiement qui s'adapte le mieux à tes besoins et à ton budget : paiement unique par cours, accès mensuel ou annuel au Parcours d'apprentissage ou même à toute la plateforme.
Paiement unique
Achète le cours une fois et accède à vie
€ 79.99
- Un seul paiement
- Accès instantané au cours à vie
- Accède à la communauté du cours
El Más
Popular
Popular
Grenouille de Bronze
Accède à tous les cours, communautés et extras de Frogames
€ 39 /mois
- Paiement unique de 39€ par mois
- Accès instantané à tous les cours
- Accède à la plateforme et aux communautés 24 / 7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
Parcours d'Analyse de Données
Accède à tous les cours du Parcours d'Analyse de Données
€ 19.99 /mois
- Paiement unique de 19.99€ par mois
- Accès instantané aux +10 cours du parcours
- Accède au Parcours 24 / 7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
Paiement unique
Achète le cours une fois et accède à vie
€ 79.99
- Un seul paiement
- Accès instantané au cours à vie
- Accède à la communauté du cours
El Más
Valorado
Valorado
Grenouille d'Or
Accède à tous les cours, communautés et extras de Frogames
€ 349 /an
- Paiement unique de 349€ par an
- 3 mois de réduction
- Accès instantané à tous les cours
- Accède à la plateforme et aux communautés 24 / 7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
- Bibliothèque de Ressources
- Sessions de Q&A mensuelles en direct
- Support premium
Parcours d'Analyse de Données
Accède à tous les cours du Parcours d'Analyse de Données
€ 199 /an
- Paiement unique de 199€ par an
- 4 mois de réduction
- Accès instantané aux +10 cours du parcours
- Accède au Parcours 24 / 7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
- Support premium
* Tous les prix incluent les taxes.
Pour ta sécurité, toutes les commandes seront traitées sur un serveur sécurisé.
Parcours d'Analyse de Données
Le pack ultime avec tous nos cours d'Analyse de Données avec R et Python pour devenir un vrai Data Scientist bien payé. Inclut les cours à venir et les mises à jour et améliorations des cours actuels
Nieves
Curso completo de Machine Learning: Data Science con RStudio
Ce cours t'enseigne comment appliquer des techniques de Machine Learning en utilisant R et RStudio, des fondamentaux jusqu'aux modèles avancés. Tu apprendras à importer et nettoyer des données, construire des modèles de régression, classification, clustering et réseaux de neurones, et évaluer les résultats avec des métriques statistiques.
Javi
Super divertissant et rien de lourd!
J'ai adoré cette approche tellement pratique. Parfois ces sujets font peur parce qu'ils semblent très denses, mais ici tout s'enchaîne merveilleusement et les exemples sont très clairs. J'ai l'impression d'avoir tiré profit de chaque minute et je suis énormément satisfait d'avoir appris quelque chose que je voyais avant comme une mission impossible.
Gustavo
Maîtrise le Machine Learning avec RStudio : Un cours qui fait la différence
Le Cours complet de Machine Learning : Data Science avec RStudio est une expérience formative qui réussit à combiner la profondeur technique avec l'accessibilité, idéale pour ceux qui souhaitent s'aventurer dans le monde de l'apprentissage automatique en utilisant R comme outil principal.
Silvana
RStudio et Machine Learning en parfaite combinaison
Je n'avais jamais travaillé aussi confortablement avec RStudio jusqu'à présent. Ce cours ne m'a pas seulement enseigné le Machine Learning, il m'a montré comment tirer le meilleur parti de cet environnement. J'ai adoré le côté pratique et la quantité d'exemples réels.
Carlos
Idéal pour débuter en ML avec R
Je n'avais jamais travaillé avec RStudio avant, mais ce cours m'a donné tous les outils nécessaires pour analyser des données et appliquer du Machine Learning avec ce langage puissant. Les explications sont détaillées, les exemples sont réels et les astuces de l'instructeur rendent tout bien plus facile.
Gabriela
RStudio est maintenant mon allié en ML
Je recommande ce cours, je ne cesse de sentir comment chaque connaissance fait de moi une meilleure analyste de données. J'ai appris à implémenter des modèles, évaluer les résultats et appliquer des techniques de Data Science.
Giovanni
Puissance statistique sans complications
J'ai adoré découvrir la robustesse que ce langage offre pour la modélisation statistique et la facilité à valider les résultats de façon visuelle au sein de la plateforme. C'est, de loin, l'un des meilleurs guides pour me plonger dans le monde de la science des données avec tout le rigueur professionnelle
Georges
Très complet et bien guidé
Parfois, le langage R peut sembler difficile, mais ici, ils le présentent tellement bien que tu te sens à l'aise dès le premier moment. C'est un excellent outil pour ceux d'entre nous qui voulons approfondir la science des données.
Nicolas
C'est la ressource ultime pour ceux qui préfèrent l'approche statistique.
Santiago
Cours très complet et tout avec R et RStudio
Jackeline
Des projets réels qui te forcent à penser comme un data scientist.
Rosa
.
Elle mérite 5 étoiles
María
J'ai toujours voulu apprendre la data science et ce cours me l'a rendu tellement facile !
Les explications sont claires et les pratiques m'ont aidé à consolider tout ce que j'ai appris. Maintenant, je me sens prête pour pratiquer avec mes propres données
Angel
Curso completo de Machine Learning: Data Science con RStudio
Ce cours t'offre une formation complète en science des données et apprentissage automatique en utilisant le langage statistique R. Idéal si tu cherches une alternative à Python, le programme couvre les fondamentaux de la programmation en R jusqu'à l'implémentation d'algorithmes de Machine Learning comme la régression, la classification, le clustering et les réseaux de neurones.
Sara
Un cours vraiment complet
Samuel
Je me sens maintenant beaucoup plus confiant en travaillant avec des modèles de prédiction
Ce cours est exactement ce dont j'avais besoin pour booster mes compétences en data science. L'approche pratique m'a permis de tout comprendre beaucoup mieux.
Caty
complet et détaillé
Vraiment, dès le début quand Juan Gabriel commence à donner l'explication, on peut se rendre compte que si nous allons apprendre toute l'explication qu'il a pour nous sur la data science
ivan sergio
Excellent Cours !!!!
Très bon Cours... Félicitations.
Joiser
un cours de machine learning très complet
J'adore la qualité du cours et le niveau des professeurs
Marc
Un cours très complet
J'adore ce cours parce qu'il est très complet
Yvonne
Un cours complet et bien structuré
Excellente qualité tant dans le contenu que dans les outils audio et vidéo. Recommandé
BORJA
Excellent
Stupéfiant, tout était bien expliqué.
Nicolas
Excellent niveau !
J'ai adoré la séquence logique du cours, l'explication de chaque thème avec ses exercices était vraiment très bonne.
Jesús
Excellent cours
Cours indispensable qui approfondit les connaissances acquises en R pour la Science des Données du cours Machine Learning de A à Z. Explications claires sur chaque sujet. Très complet et utile. 10/10.
Eulogio
De bons conseils
Avec les astuces de ce cours, j'ai appris beaucoup de choses intéressantes pour le Machine Learning. Très recommandé pour ceux qui voulons travailler dans ce monde de l'informatique.