Machine Learning con R. Data Analytics de básico a experto.
Date:
Acceda a un cupón de descuento aquí
Descripción
Machine Learning con R. Data Analytics de básico a experto.
Modelado Predictivo con R. Aprende los algoritmos de Machine Learning con R para convertirte en un Data Science experto.
Calificación: ⭐⭐⭐⭐⭐
Requisitos previos: Antes de realizar el curso se recomienda encarecidamente tener conocimientos de Programación en R. Este es el curso continuación de:
Descripción del Curso:
Bienvenido al curso virtual de Modelado Predictivo con R. El objetivo principal de este curso es que el alumnado sea capaz desarrollar experimentos avanzados de analítica de datos de manera muy sencilla dentro del modelado predictivo y, es decir, el conocido área de machine learning.
En este curso se trabajará la análitica de datos para poder trabajar correctamente machine learning aplicado con R. Descubrirá el proceso paso a paso que puede utilizar para comenzar y ser bueno en el machine learning para el modelado predictivo en la plataforma R.
Antes de nada, vamos a enfocar el siguiente curso de “Data Analytics con R” dentro del campo Machine Learning y subcampo modelado predictivo (Aprendizaje Supervisado) y clustering (Aprendizaje No Supervisado). Dentro de este campo el curso “Data Analytics con R” se encuentra dentro del modelado predictivo muy utilizado en el ámbito de investigación e industrial. Por tanto, veremos como la plataforma R destaca de entre todas las opciones por facilitar enormemente nuestro trabajo con un amplio abanico de opciones dentro de la minería de datos.
Son ocho unidades temáticas, en las que contará con vídeos, actividades, temario, foros que le ayudarán a realizar el curso de manera eficiente y entretenida. Con esta amplia formación aprenderás el proceso completo y de forma profesional para llevar a cabos proyectos integrales. Una formación 100% practica que aumentará tu habilidades y competencias profesionales. Un curso paso a paso que te ahorra mucho tiempo y esfuerzo en tu trabajo diario.
Contenidos del Curso:
- MÓDULO I: Introducción
- Conceptos básicos de machine learning.
- La plataforma R como nuestro entorno de machine learning.
- Conclusiones
- MÓDULO II: Programación con R
- Primeros pasos con la plataforma R.
- Lenguaje de programación R.
- Conjunto de datos Estándar.
- MÓDULO III: Análisis de datos
- Cargar un conjunto de datos.
- Estadística descriptiva.
- Visualización de datos.
- Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
- Examen tipo test sobre los contenidos del módulo.
- MÓDULO IV: Tratamiento de datos
- Preprocesamiento de datos para machine learning.
- Métodos de remuestreo para estimar la precisión del modelo.
- Evaluación de las métricas.
- Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas.
- Examen tipo test sobre los contenidos del módulo.
- MÓDULO V: Fase de modelado
- Feature Selection en machine learning
- Algoritmos de Machine Learning.
- Comparar el rendimiento de los algoritmos.
- Taller: Aplicación de diferentes algoritmos de machine learning en un conjunto de datos e interpretar la salida obtenida, así mismo, verificar el algoritmo que tenga mejor comportamiento.
- Examen tipo test sobre los contenidos del módulo.
- MÓDULO VI: Fase de optimización y forecasting
- Configuración de hiperparámetros.
- Combinar predicciones desde múltiples algoritmos.
- Guardado e integración del modelo.
- Plantilla para el modelado predictivo.
- Taller: Una vez seleccionados los algoritmos candidatos a modelo realizar una optimización de estos a través de la configuración de sus hiperparámetros.
- Examen tipo test sobre los contenidos del módulo.
- MÓDULO VII: Proyectos de Machine Learning
- Proyecto de clasificación multiclase.
- Proyecto de regresión.
- Proyecto de clasificación binaria.
- Proyecto: Realizar un proyecto completo analizando todas las fases estudiadas en los diferentes módulos.
- MÓDULO VII. Aprendizaje No Supervisado
- Aprendizaje No supervisado.
- Algoritmos de Aprendizaje No Supervisado.
- Determinar el número óptimo de clústers.
- Proyecto de Aprendizaje No Supervisado.