Pasar al contenido principal

¿Eres nuevo en Ciencias de Datos con R? Si es así, ¡estás en el lugar correcto para iniciar! Este curso te ayudará desde cero hasta llegar a ser un experto en R aplicado en Ciencias de Datos, realizando procesamiento análisis estadísticos descriptivo, utilizando el paquete Tidyverse.

Ciencia de Datos con R es muy importante en los estudios de investigación científica para analizar unidimensional o bidimensional los datos, realizando regresión lineal y prueba de hipótesis con prueba T-Student.

Aprenderá:

  • Utilizar R dentro de JupyterLab .
  • Análisis estadístico descriptivo datos cualitativo y cuantitativo.
  • Realizar correlación de datos y su análisis
  • Aprenderá realizar prueba T Student.

Temario del Curso

  • Instalación R Projet
  • Instalación RStudio comparar
  • Instalación Python
  • Instalación paquete Jupyter notebook y Lab
  • Instalación QGIS verificar versión python
  • Configuración JupyterLab
  • Introducción JupyterLab
  • Atajos con teclados
  • Ingreso directo a tus archivos.
  • Introducción Ciencia datos
  • Análisis exploratorio datos
  • Tipo de variables estadística
  • Cualitativa nominal
  • Cualitativa ordinal
  • Cuantitativa continua
  • Cuantitativa discreta
  • Objeto de describir, estimar o verificar.
  • Que es R
  • Visualizar versión R dentro JupyterLab
  • Configuración del directorio datos
  • Forma correcta como se debe instalar paquetes
  • Activar las librerías
  • Ayuda de los paquetes o funciones en R
  • Verificación que datos son en R is().
  • Conversión de datos en R as().
  • Tipo datos numérico, Lógica y Carácter.
  • Datos perdidos NA y nulos NULL.
  • Operadores aritméticos
  • Operadores de relacionales
  • Operadores lógicos
  • Introducción tipo de objeto
  • Objeto vectorial
  • Objeto Factorial
  • Objeto Matriz
  • Objeto Lista
  • Objeto Dataframe
  • Copiar y pegar datos con clipboard
  • Función read.delim
  • Importar archivo CSV
  • Importar archivo Excel
  • Importar datos de google
  • Característica de los datos importados
  • Introducciones condicionales
  • Condición if
  • Condición else
  • Condición else if
  • Introducción iteración
  • Interacción for
  • Interacción for anidados
  • Interacción while
  • Interacción repeat
  • Clausula break
  • Clausula next
  • Introducción función
  • Crear una función matemática
  • Interactuar función con condiciones
  • Introducción medidas tendencia central
  • Media
  • Mediana
  • Moda
  • Introducción medidas de dispersión
  • Rango
  • Mínimo
  • Máximo
  • Varianza
  • Desviación estándar
  • Coeficiente de variación
  • Gráfico de diagrama de caja y bigotes
  • Introducción medidas posición relativa
  • Cuartil
  • Percentiles
  • Deciles
  • Introducción asimetría
  • Determinar sesgo: Asimétrico izquierda o derecha, simétrico
  • Introducción curtosis
  • Introducción curtosis
  • Determinar curtosis: Leptocúrtica, Mesocúrtica y Platicúrtica
  • Introducción Tidyverse
  • Operador pipe
  • Paquete readr
  • Valores perdidos (missing values)
  • Paquete dplyr
  • Paquete Ggplot2
  • Paquete Ggplot2
  • Paquete Stringr
  • Paquete Tibble
  • Paquete Tidyr
  • Importar datos Excel
  • Característica datos ingreso
  • Análisis histograma
  • Determinar medidas dispersión
  • Análisis boxplot
  • Determinar asimetría y curtosis
  • Determinar frecuencia cuantitativa
  • Utilizar regla stockes
  • Clasificación manual
  • Determinar frecuencia cualitativa
  • Convertir en factorial
  • Cambiar los nombres level
  • Resumen estadístico
  • Determinar grafico frecuencia absoluta por tipo datos
  • Importar datos Excel
  • Característica datos ingreso
  • Gráfico de las dos variables diagrama de caja
  • Relación de variables
  • Prueba de normalidad – Grafico Q-Q
  • Prueba de hipótesis normalidad
  • Método kolmogorov y shapiro
  • Determinar covarianza
  • Correlación de las variables
  • Gráfico de correlación PerformanceAnalytics
  • Introducción prueba de T Student
  • Generar hipótesis nula y alterna
  • Realizar la prueba de T Student
  • Análisis de los resultados p-value
  • Introducción Regresión lineal
  • Comparación de los datos pairs
  • Correlación de los datos
  • Generar la regresión lineal
  • Coeficiente de la regresión
  • Gráfico para la interpretación regresión lineal
  • Determinar nuevos datos según la regresión lineal.
  • Utilización de la función predict.
Adquierelo antes de que llegue a CERO !!
December 28, 2022
Días
Hora
Min.
Seg.

Análisis de Ciencia de Datos con R en JupyterLab

Accede al contenido virtual de inmediato.

Agregar al carrito Descargue los pasos para una compra fácil.
37.04% - dcto$ 135
$ 85.00

Detalles del curso

  • Acceso de por vida
  • Asesoria personalizada
  • Certificado especialización
  • Nivel Completo
  • 100 horas lectivas
  • Aprende a tu ritmo

Acerca del docente

Nino Frank Bravo Morales

Ingeniero

Certifícate con los mejores

Agrega más conocimientos a tu curriculum.

Certifícate ahora