Itinerario completo de análisis y modelado de datos con R y Python: desde la introducción al data science hasta el machine learning aplicado.
13 programas disponibles
Curso especializado en PCA con R para reducir la dimensionalidad de datos multivariantes, detectar patrones y visualizar la información esencial de conjuntos complejos.
Curso aplicado para estudiar relaciones entre variables y construir modelos de regresión lineal con R, cuidando supuestos, diagnóstico, selección de modelos e interpretación.
Curso práctico para analizar y predecir series temporales con R, desde limpieza y diagnóstico hasta modelos ARIMA/SARIMA y validación de predicciones.
Curso avanzado de árboles de decisión con Python para clasificación y regresión, incluyendo modelos ensemble modernos y técnicas de interpretabilidad como SHAP, LIME y PDP.
Curso de Machine Learning con R centrado en árboles de decisión y modelos ensemble para resolver problemas de clasificación y regresión de forma interpretable y predictiva.
Curso práctico para diseñar experimentos, formular hipótesis y aplicar inferencia estadística con R, combinando ANOVA, diseños factoriales y métodos robustos.
Curso de iniciación a Python para ciencia de datos, orientado a adquirir una base práctica en programación, manipulación de datos y visualización desde cero.
Curso introductorio para empezar en ciencia de datos con R, RStudio y RMarkdown, aprendiendo a importar, transformar, visualizar y comunicar datos mediante flujos reproducibles.
Curso práctico para entrenar, comparar y optimizar modelos predictivos en R con caret, integrando preprocesado, validación, métricas, selección de variables y ensembles.
Curso de aprendizaje no supervisado con R para descubrir grupos naturales en los datos mediante clustering, validando la calidad y estabilidad de las segmentaciones obtenidas.
Curso aplicado de regresión con Python para modelizar relaciones, estimar efectos y resolver problemas predictivos con regresión lineal, regularización y modelos logísticos.
Domina el análisis estadístico y la ciencia de datos con R, desde la preparación y visualización de datos hasta modelos avanzados, Machine Learning y la aplicación práctica en proyectos reales.
Aprende a construir, evaluar e interpretar modelos de Machine Learning con R, trabajando con datos reales y aplicando técnicas supervisadas, no supervisadas y redes neuronales a problemas prácticos.