Skip to content

Latest commit

 

History

History
26 lines (22 loc) · 2.35 KB

README.md

File metadata and controls

26 lines (22 loc) · 2.35 KB

Con Juan Gabriel Gomila y María Santos

Conoce toda la estadística descriptiva de la mano de Juan Gabriel Gomila y asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido del curso. En particular verás los mismos contenidos que explicamos en primera de carrera a matemáticos, ingenieros o informáticos como por ejemplo:

  • Logística e instalación de R y RStudio y de Anaconda Navigator para Python
  • Cómo usar R y Python como si fuese una calculadora científica (incluyendo un repaso de funciones, trigonometría y combinatoria)
  • Introducción a la programación funcional con R desde cero (ideal para seguir tomando a posteriori cursos de análisis de datos).
  • Uso de gráficos para representar datos estadísticos incluyendo plots de nubes de puntos, histogramas, diagramas circulares o diagramas de caja y bigotes entre otros. Además tendrás ejemplos tanto en R como con matplotlib de Python.
  • Introducción a las técnicas de machine learning como por ejemplo la regresión lineal.
  • Profundización en tipos de datos cualitativos, cuantitativos  y ordinales y el correcto análisis de cada uno de ellos.
  • Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial.

Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos publicados por Juan Gabriel Gomila como los cursos de Machine Learning con Python o RStudio o el Curso de Data Science con Tidyverse y RStudio. Todo el material del curso está enfocado en resolver los problemas de falta de base que presentan los estudiantes de esos cursos avanzados y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.

  1. Trabajando con R y con Python
  2. Documentación con R Markdown
  3. Estructuras de datos
  4. Introducción a la representación gráfica
  5. Data frames
  6. Estadística descriptiva con datos cualitativos
  7. Estadística descriptiva con datos ordinales
  8. Estadística descriptiva con datos cuantitativos
  9. Estadística descriptiva con datos cualitativos agrupados
  10. Introducción a la regresión lineal
  11. Introducción a distribuciones de probabilidad