Duración
6 semanas
Duración
6 semanas
Precio
390€
Inicio
15 de Febrero de 2021
Reserva de plaza
Hasta el
5 de Febrero de 2021
Descripción del curso
Reduce la complejidad de tus datos con Data Mining.
Un curso práctico con el que aprenderás a detectar los patrones clave en tus conjuntos de datos e identifica qué variables contribuyen en mayor medida a su variabilidad.
Serás capaz de simplificar y representar de manera óptima un conjunto de múltiples variables numéricas, correlacionadas entre sí, mediante una técnica fundamental del Data Mining de reducción de la dimensión.
Destinatarios
Este curso práctico está orientado a investigadores y profesionales del análisis de datos que desean descubrir patrones ocultos en grandes bases de datos. Se trata de técnicas comúnmente utilizadas en reconocimiento de imágenes, y muchos métodos de regresión utilizan los resultados del PCA para construir los modelos.
Competencias
Competencias avanzadas y aplicables a tu día a día profesional.
Al finalizar el curso serás capaz de:
Metodología e-learning
Con enfoque Learn by doing «aprende haciendo»
El Curso de Análisis de componentes principales (PCA) con R es una formación práctica, intensiva y especializada impartida con metodología 100% on-line:
Requisitos de acceso
Para un mejor aprovechamiento es interesante contar con conocimientos básicos sobre Estadística, R Software y RStudio.
Si necesitas iniciarte en el manejo de esta herramienta, te recomendamos el Curso de Introducción al Data Science con R
Consulta el inicio de las próximas convocatorias en el calendario 2021.
Programa de contenidos
El Curso de Análisis de componentes principales (PCA) con R se divide en tres bloques temáticos:
TEMA 1 | Introducción al Análisis de Componentes Principales (PCA)
Identificar patrones y reducir la complejidad de grandes conjuntos de datos.
TEMA 2 | Cómo analizar e interpretar un PCA
Valores propios, ejes principales y gráficos biplot.
TEMA 3 | Análisis cluster jerárquico
HCPC (Hierarchical Clustering on Principal Components).
No hay valoraciones aún.