Curso de Introducción a Data Science con R

Carlos Lledias Garduño
Big Data, Data Science y Machine Learning, Lenguajes de programación
$11,600.00
  • 10 estudiantes
  • 0 lessons
  • 0 quizzes
  • 40 hour duration
10 estudiantes

Descripción:

El Data Science, o “Ciencia de los datos” en español, es el estudio de la extracción generalizada del conocimiento a partir de información o datos, aunque la palabra comúnmente utilizada es ciencia. Este incorpora elementos variables y construcciones a partir de técnicas y teorías de muchos campos, los cuales van desde el procesamiento de señales, matemáticas, modelos de probabilidad y estadística, ingeniería de datos, programación de sistemas, aprendizaje máquina o inteligencia artificial, reconocimiento y aprendizaje de patrones, visualización, datawarehousing, inteligencia de negocios, cómputo de alto performance, etc. con el objetivo común de extraer significados de la información y crear productos de datos. Mediante el Data Science el comercio y la investigación están siendo transformados debido al descubrimiento y la predicción basada en datos. Habilidades requeridas para el análisis de datos a niveles masivos, gestión escalable de datos dentro y fuera de la nube, elaborando algoritmos paralelos y un modelado estadístico y de competencia con un complejo ecosistema de herramientas y plataformas.

Objetivo del curso:

Al finalizar este Curso de Introducción a Data Science con R, el asistente aprenderá a formular preguntas relevantes desde el punto de vista contextual e hipótesis que impulsen a la investigación científica de datos. Identificar, obtener y transformar un conjunto de datos para hacerlo utilizable para la producción de evidencia estadística y su comunicación a través de la vía escrita. Construir modelos basados en nuevos tipos de datos, diseño experimental e inferencia estadística.

Dirigido a: Programadores y Desarrolladores.

Nivel: Básico – Intermedio.

Temario

Parte 1 – Introducción

Ejemplos | Ciencia de datos articulada | Historia y contexto | Panorama de la tecnología | Bases de datos y su evolución, Big Data y Tendencias

Parte 2 – Manipulación de datos con R

Introducción a R | Instalación y preparación de R | Vectores en R | Matrices en R | Listas en R | DataFrames en R | Sentencias de control en R | Funciones en R | I/O en R | Graficación en R | Programación orientada a objetos en R

Parte 3 – Analíticas

Modelado básico estático | Diseño experimental | Sobreajustes | Modelos de regresión | Gráficas analíticas | Búsquedas recursivas | Procesando iterativamente | Analíticas de texto, semántica | Filtro colaborativo: slope-one | Inferencias estadísticas

Parte 4 – Comunicando resultados

Visualización | Productos de datos | Analíticas visuales de datos | Privacidad y gobernanza

El plan de estudios está vacío.

0.00 average based on 0 ratings

5 Star
0%
4 Star
0%
3 Star
0%
2 Star
0%
1 Star
0%
$11,600.00



¿CÓMO LLEVAMOS A CABO LAS CLASES ANTE EL COVID-19?

Metodología de enseñanza y aprendizaje que usamos en nuestras clases.
En KMMX usamos un metodología de aprendizaje “blended*” que al español se traduce como mezclada, es decir una parte es presencial y otra a distancia, en estos momentos debido a la pandemia Covid-19 la parte presencial se realiza de manera a distancia pero de manera personalizada en vivo, tratando de simular el cara a cara que tenemos cuando los alumnos asisten a nuestras aulas de manera física. Mantenemos un enfoque de “enseñanza activa”, es decir, el alumno aprende hasta que hace las cosas motivo por el cual se asignan una serie de proyectos en cada curso, que el alumno tendrá que ir completando a su ritmo, por que entendemos que cada alumno aprende de manera diferente y a su ritmo creamos las asesorías personalizadas, que puede solicitar a través del sistema de aprendizaje online.
* El Blended Learning es la combinación de la educación presencial con clases en el aula, con la educación online.

¿Pero en que consiste?
Cada sesión es de aproximadamente una hora, el instructor explica conceptos y resuelve dudas.
Cada curso tiene una serie de ejercicios o proyectos previamente definidos.
En la siguiente sesión el instructor resuelve dudas y explica los siguientes conceptos, así hasta cubrir la totalidad del temario y alcance del curso.
Se agenda una sesión con un mentor antes, durante y después del curso para asegurar el aprendizaje y aprovechamiento del curso. El mentor no es la misma persona que el instructor.
En la plataforma estarán disponibles las sesiones y recursos para ser consultados en cualquier momento por el alumno. Aunque son clases a distancia la experiencia es personalizada.

Mucho éxito en tu camino.
Tus amigos de KMMX