R para ciencia de datos: su primer paso como científico de datos

Entonces, ¿ha aprendido un poco de los conceptos básicos de R y está buscando comprender cómo se puede usar R para la ciencia de datos? ¿Y estás buscando un curso que explique toda la teoría detrás de los algoritmos con codificación?

R es uno de los de facto lenguajes para muchos proyectos de ciencia de datos en la actualidad, ya sea para proyectos de nivel empresarial o de investigación, R es un lenguaje moderno y flexible con una curva de aprendizaje fluida que permite a la mayoría de los profesionales construir modelos predictivos de manera rápida.

¡Este curso fue diseñado para ser su próximo paso en el mundo de la programación R! Profundizaremos en los conceptos de regresión lineal y logística, comprenderemos cómo funcionan los modelos basados ​​en árboles, aprenderemos a evaluar modelos predictivos y más. Este curso contiene conferencias en torno a los siguientes grupos:

1. Código junto con conferencias ¡donde verá cómo podemos implementar las cosas que aprenderemos!
2. Pon a prueba tus conocimientos con preguntas y ejercicios prácticos con diferentes niveles de dificultad!

Este curso fue diseñado para enfocarse en el lado práctico de la codificación en R; además de estudiar las funciones que nos permiten construir algoritmos automáticamente, investigaremos profundamente cómo se entrenan los modelos y cómo llegan a la solución óptima para resolver nuestros proyectos de ciencia de datos.

Al final del curso, debería poder usar R en un contexto de ciencia de datos, comprender las decisiones que debe tomar cuando se trata de algoritmos y aprender a evaluar esas opciones. En el camino, también aprenderá a manipular datos con Dplyr porque la mayor parte del tiempo, en un proyecto de ciencia de datos, ¡más de la mitad del tiempo se dedica a la preparación de datos!

Aquí hay algunos ejemplos de cosas que podrá hacer después de terminar el curso:

• Resolver problemas de regresión utilizando Regresión lineal o Árboles de regresión.
• Resolver problemas de clasificación utilizando Regresión logística o árboles de clasificación.
• Aprender como evaluar algoritmos utilizando diferentes métricas.
• Entender el concepto de sesgo y varianza.
• Utilizando Bosques al azar y comprender el razonamiento detrás de ellos.
• Manipular datos utilizando Dplyr.
• ¡Cree su propio proyecto de ciencia de datos de Kaggle!

Únase a miles de profesionales y estudiantes en este viaje de R y descubra el asombroso poder de este lenguaje estadístico de código abierto.

Este curso se actualizará constantemente en función de los comentarios de los estudiantes.