šŸ”„$100K Hit! Where Will Bitcoin Go Next? Find Out Live!
viendo ahora
33 Estudiantes

DescripciĆ³n

ĀæQuĆ© aprenderĆ”s?

  • SabrĆ”s cĆ³mo y por quĆ© usar R para ciencia de datos y aprendizaje automĆ”tico ObtendrĆ”s consejos prĆ”cticos y asesoramiento sobre la carrera como cientĆ­fico de datos TrabajarĆ”s en tareas prĆ”cticas y examinarĆ”s estudios de caso para entender completamente los fundamentos de programaciĆ³n R SerĆ”s capaz de utilizar las funciones principales y los paquetes de R

Requisitos

  • No se requiere conocimiento previo para tomar este curso Los programas y los datos necesarios se te proveerĆ”n de manera gratuita
  • NFT Certificate
  • 121 Lecciones
  • Pincipiante
  • English
  • 4.6 CalificaciĆ³n
  • +100 XP

Share Course on Social media

Plan de estudios

Course consist of total 22h 31m of content, in total.

SecciĆ³n 1: Conoce a tu instructor
02:40
Join In Our Facebook and Telegram Group - $197 FREE Bonus
SecciĆ³n 2: IntroducciĆ³n a la ciencia de datos
56:59
IntroducciĆ³n al cientĆ­fico de datos
12:31
CĆ³mo cambiar tu profesiĆ³n hacia el aprendizaje automĆ”tico Parte 1
14:56
CĆ³mo cambiar tu profesiĆ³n hacia el aprendizaje automĆ”tico Parte 1
03:31
SecciĆ³n 3: DescripciĆ³n del contenido del curso
22:41
DescripciĆ³n del contenido del curso
22:41
SecciĆ³n 4: IntroducciĆ³n a R
26:15
IntroducciĆ³n a R
15:07
Configurando R
11:08
SecciĆ³n 5: ProgramaciĆ³n R
55:14
Operador R
13:45
Declaraciones condicionales & bucle R
12:02
ProgramaciĆ³n R - FunciĆ³n R #1
13:20
ProgramaciĆ³n R - FunciĆ³n R #2
10:10
ProgramaciĆ³n R - FunciĆ³n R #3
05:57
SecciĆ³n 6: Estructura de datos R
49:23
Una introducciĆ³n a la estructura de datos R + Vector
11:13
Matriz, array y marco de datos
14:37
Un vistazo profundo al marco de datos R
13:02
Factor
04:12
Estructura de datos R - Lista
06:19
SecciĆ³n 7: Importar y exportar en R
32:16
Importar datos CSV en R
09:26
Importar datos de texto en R
03:19
Importar datos Excel, web en R
12:47
Exportar datos en R - Texto
02:37
Exportar datos en R - CSV & Excel
04:07
SecciĆ³n 8: ManipulaciĆ³n de datos
1:33:49
ManipulaciĆ³n de datos - Aplicar funciĆ³n
13:15
ManipulaciĆ³n de datos - seleccionar
11:46
ManipulaciĆ³n de datos - mutar
14:28
ManipulaciĆ³n de datos - filtro
14:11
ManipulaciĆ³n de datos - ordenar
09:38
ManipulaciĆ³n de datos - operador de tuberĆ­a
08:30
ManipulaciĆ³n de datos - agrupar en
11:26
ManipulaciĆ³n de datos - Fecha
10:35
SecciĆ³n 9: VisualizaciĆ³n de datos
2:10:04
IntroducciĆ³n a la visualizaciĆ³n de datos & diagrama de dispersiĆ³n
12:01
VisualizaciĆ³n de datos - mfrow
07:37
VisualizaciĆ³n de datos - pch
12:30
VisualizaciĆ³n de datos - Color
01:19
VisualizaciĆ³n de datos - GrĆ”fico de lĆ­neas
03:21
VisualizaciĆ³n de datos - Barra grĆ”fica
07:05
VisualizaciĆ³n de datos - Diagrama de pastel
06:43
VisualizaciĆ³n de datos - Diagrama de barras
07:06
VisualizaciĆ³n de datos - GrĆ”fico de densidad
02:26
VisualizaciĆ³n de datos - GrĆ”fico de caja
05:01
VisualizaciĆ³n de datos - GrĆ”fico de mosaico y mapa de calor
07:59
VisualizaciĆ³n de datos - GrĆ”fico 3D
10:39
GrĆ”fico de correlaciĆ³n y nube de palabras
09:02
VisualizaciĆ³n de datos - ggplot2 Part 1
14:03
VisualizaciĆ³n de datos - ggplot2 Part 2
08:08
VisualizaciĆ³n de datos - ggplot2 Part 3
15:04
SecciĆ³n 10: IntroducciĆ³n a estadĆ­sticas
2:02:57
IntroducciĆ³n a estadĆ­sticas Parte 1
13:25
IntroducciĆ³n a estadĆ­sticas Parte 2
08:53
IntroducciĆ³n a estadĆ­sticas Parte 3
14:55
IntroducciĆ³n a estadĆ­sticas Parte 4
04:15
IntroducciĆ³n a estadĆ­sticas Parte 5
15:10
IntroducciĆ³n a estadĆ­sticas Parte 6
08:21
IntroducciĆ³n a estadĆ­sticas Parte 7
15:04
IntroducciĆ³n a estadĆ­sticas Parte 8
10:45
IntroducciĆ³n a estadĆ­sticas Parte 9
10:24
IntroducciĆ³n a estadĆ­sticas Parte 10
14:34
IntroducciĆ³n a estadĆ­sticas Parte 11
07:11
SecciĆ³n 11: Prueba de hipĆ³tesis
41:58
Prueba de hipĆ³tesis Parte 1
10:08
Prueba de hipĆ³tesis Parte 2
11:28
Prueba de hipĆ³tesis Parte 3
14:21
Prueba de hipĆ³tesis Parte 4
06:01
SecciĆ³n 12: Prueba de hipĆ³tesis en prĆ”ctica
2:14:01
Prueba de hipĆ³tesis en prĆ”ctica Parte 1
15:04
Prueba de hipĆ³tesis en prĆ”ctica Parte 2
09:36
Prueba de hipĆ³tesis en prĆ”ctica Parte 3
14:16
Hypothesis Testing in Practice Part 4
12:36
Prueba de hipĆ³tesis en prĆ”ctica Parte 5
10:29
Prueba de hipĆ³tesis en prĆ”ctica Parte 6
13:46
Chi-cuadrado Parte 1
11:19
Chi-cuadrado Parte 2
14:57
ANOVA Parte 1
12:30
ANOVA Parte 2
14:20
ĀæQuĆ© hemos discutido en el capĆ­tulo hasta ahora?
05:08
SecciĆ³n 13: Caja de herramientas de aprendizaje automĆ”tico
26:31
Caja de herramientas de aprendizaje automƔtico Parte 1
14:00
Caja de herramientas de aprendizaje automƔtico Parte 2
12:31
SecciĆ³n 14: Entendimiento de caso de negocio
12:51
Entendimiento de caso de negocio
12:51
SecciĆ³n 15: Pre-procesamiento de datos
1:24:14
Pre-procesamiento de datos parte 1
14:45
Pre-procesamiento de datos parte 2
14:29
Pre-procesamiento de datos parte 3
10:25
Pre-procesamiento de datos parte 4
09:39
Pre-procesamiento de datos parte 5
12:33
Pre-procesamiento de datos parte 6
07:19
Pre-procesamiento de datos parte 7
15:04
SecciĆ³n 16: Aprendizaje supervisado : RegresiĆ³n
3:06:14
RegresiĆ³n lineal parte 1
11:47
RegresiĆ³n lineal parte 2
14:23
RegresiĆ³n lineal parte 3
20:21
RegresiĆ³n lineal parte 4
19:02
RegresiĆ³n lineal parte 5
25:00
RegresiĆ³n lineal parte 7
15:02
RegresiĆ³n lineal parte 7 - CorrelaciĆ³n Parte 1
14:31
RegresiĆ³n lineal parte 7 - CorrelaciĆ³n Parte 2
13:44
RegresiĆ³n lineal parte 8 - RegresiĆ³n por pasos
12:52
RegresiĆ³n lineal parte 9 - RegresiĆ³n por pasos
16:03
RegresiĆ³n lineal parte 10 - Variable falsa
12:34
RegresiĆ³n lineal parte 11 - No lineal
10:55
SecciĆ³n 17: DescripciĆ³n de clasificaciĆ³n
13:29
DescripciĆ³n de clasificaciĆ³n
13:29
SecciĆ³n 18: RegresiĆ³n logĆ­stica
1:11:26
RegresiĆ³n logĆ­stica IntuiciĆ³n
14:04
ImplementaciĆ³n de cĆ³digo R Parte 1
05:09
ImplementaciĆ³n de cĆ³digo R Parte 2
10:37
EvaluaciĆ³n de modelo
12:28
Estudio de caso Telecom Churn
22:27
Resumen
06:41
SecciĆ³n 19: Estudio K-NN
40:13
K-NN IntuiciĆ³n
13:26
K-NN ImplementaciĆ³n de cĆ³digo R
12:48
Estudio de caso K-NN
13:59
SecciĆ³n 20: Estudio SVM
45:18
SVM - IntuiciĆ³n
08:44
SVM ImplementaciĆ³n de cĆ³digo R
08:22
SVM - Ajuste de modelo
09:00
SVM - Estudio de caso Telecom
07:56
SVM - Ventajas y desventajas de caso inseparable
07:27
SVM resumen del capĆ­tulo
03:49
SecciĆ³n 21: Naive Bayes
36:46
Naive Bayes - IntuiciĆ³n
19:56
Naive Bayes - ImplementaciĆ³n de cĆ³digo R
08:25
Naive Bayes - Estudio de caso
08:25
SecciĆ³n 22: Ɓrbol de decisiĆ³n
1:06:18
Ɓrbol de decisiĆ³n - IntuiciĆ³n
14:54
Ɓrbol de decisiĆ³n - CĆ³mo funciona
07:40
Ɓrbol de decisiĆ³n - ImplementaciĆ³n de cĆ³digo R
13:44
Ɓrbol de decisiĆ³n - Recorte
15:36
Ɓrbol de decisiĆ³n - Estudio de caso
14:24

ReseƱas de la plataforma de BitDegree