Scratch the image to get a discount on your course. You'll be able to apply the coupon at checkout.
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 TO MATCH YOUR GOALS AND NEEDS
Buy the individual course, get all the learning path or access to the entire platform
Choose the payment method that works best for your needs and budget with a one-time course payment, monthly or yearly access to the learning Path, or even to the entire platform.
One-Time Payment
Buy the course once and access it for life
€ 79.99
- A single payment
- Instant lifetime access to the course
- Access the course community
El Más
Popular
Popular
Bronze Frog
Access all Frogames courses, communities and extras
€ 39 /month
- Single payment of 39€ per month
- Instant access to all courses
- Access the platform and communities 24/7, wherever and whenever you want
- Cancel anytime without losing your progress
Path of Data Analysis
Access all courses in the Data Analysis Path
€ 19.99 /month
- Single payment of 19.99€ per month
- Instant access to the +10 courses in the Path
- Access the Path 24 / 7, wherever and whenever you want
- Cancel anytime without losing your progress
One-time payment
Buy the course once and access it for life
€ 79.99
- A single payment
- Instant lifetime access to the course
- Access the course community
El Más
Valorado
Valorado
Gold Frog
Access all Frogames courses, communities and extras
€ 349 /year
- Single payment of €349 per year
- 3 months of discount
- Instant access to all courses
- Access the platform and communities 24/7, wherever and whenever you want
- Cancel anytime without losing your progress
- Resource Library
- Monthly Q&A livestreams
- Premium support
Path of Data Analysis
Access all courses in the Data Analysis Path
€ 199 /year
- Single annual payment of €199
- 4 months of discount
- Instant access to the +10 courses in the Path
- Access the Path 24 / 7, wherever and whenever you want
- Cancel anytime without losing your progress
- Premium support
* All prices include taxes.
For your security, all orders will be processed on a secure server.
Path of Data Analysis
The ultimate pack with all our Data Analysis courses with R and Python to turn you into a well-paid Data Scientist. Includes upcoming courses and updates and improvements to current ones
Nieves
Curso completo de Machine Learning: Data Science con RStudio
This course teaches you how to apply Machine Learning techniques using R and RStudio, from the fundamentals to advanced models. You'll learn to import and clean data, build regression, classification, clustering, and neural network models, and evaluate results with statistical metrics.
Javi
Super entertaining and not heavy at all!
I loved the really practical approach. Sometimes these topics scare you because they seem so dense, but here everything flows beautifully and the examples are crystal clear. I feel like I made the most of every minute and I'm left with huge satisfaction from learning something I used to see as impossible.
Gustavo
Master Machine Learning with RStudio: A course that makes the difference
The Complete Machine Learning Course: Data Science with RStudio is a learning experience that successfully combines technical depth with accessibility, ideal for those who want to dive into the world of machine learning using R as their main tool.
Silvana
RStudio and Machine Learning in perfect combination
I'd never felt so comfortable working with RStudio until now. This course didn't just teach me Machine Learning, it showed me how to make the most of this environment. I loved how practical it was and the amount of real-world examples.
Carlos
Perfect for getting started with ML using R
I'd never worked with RStudio before, but this course gave me all the tools I needed to analyze data and apply Machine Learning with this powerful language. The explanations are detailed, the examples are real, and the instructor's tips make everything much easier.
Gabriela
RStudio is now my ML ally
I recommend this course—I keep feeling like every bit of knowledge makes me a better data analyst. I learned how to implement models, evaluate results, and apply Data Science techniques.
Giovanni
Statistical Power Made Simple
I absolutely loved discovering the robustness this language offers for statistical modeling and how straightforward it is to validate results visually within the platform. It's, by far, one of the best guides to dive into the world of data science with complete professional rigor
Jorge
Very complete and well guided
Sometimes the R language can seem difficult, but here they present it so well that you feel comfortable from the very first moment. It's a great tool for those of us who want to dive deeper into data science.
Nicolás
The ultimate resource for those who prefer the statistical approach.
Santiago
Very complete course and everything with R and RStudio
Jackeline
Real-world projects that push you to think like a data scientist.
Rosa
.
She deserves 5 stars
María
I always wanted to learn data science and this course made it so easy for me!
The explanations are clear and the hands-on projects helped me consolidate everything I learned. Now I feel ready to practice with my own data
Angel
Curso completo de Machine Learning: Data Science con RStudio
This course offers comprehensive training in data science and machine learning using the R statistical language. Ideal for those seeking an alternative to Python, the program covers everything from R programming fundamentals to implementing Machine Learning algorithms such as regression, classification, clustering, and neural networks.
Sara
A truly complete course
Samuel
I feel much more confident working with prediction models now
This course is exactly what I needed to boost my data science skills. The hands-on approach made me understand everything so much better.
Caty
complete and detailed
Honestly, from the very beginning when Juan Gabriel starts explaining, you can tell that we're going to learn everything he has to teach us about data science
ivan sergio
Excellent Course!!!!
Great Course... Congrats.
Joiser
a very complete machine learning course
I love the quality of the course and the level of the instructors
Marc
A very complete course
I love this course because of how comprehensive it is
Yvonne
A complete and well-structured course
Excellent quality in both content and audio and video tools. Highly recommended
BORJA
Excellent
Great, everything was well explained.
Nicolas
Great level!
I loved the logical flow of the course, the explanation of each topic with its exercises was really good.
Jesus
Excellent course
An essential course that builds on the knowledge learned from R for Data Science in the Machine Learning from A to Z course. Clear explanations on every topic. Very comprehensive and useful. 10/10.
Eulogio
Great tips
I've learned a lot of interesting things for Machine Learning with the tricks from this course. Highly recommended for those of us who want to work in this world of tech.