25.7.3
This website uses cookies to ensure you get the best experience on our website. Learn more

Curso completo de Estadística descriptiva - RStudio y Python

Conoce toda la estadística descriptiva de la mano de Juan Gabriel Gomila y María Santos. 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 primero 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 Introducción a la probabilidad, empezando desde lo más básico, pasando por variables aleatorias hasta llegar a tratar las distribuciones de probabilidad más conocidas (tanto discretas como continuas) Comprende los estadísticos más relevantes de una distribución, como por ejemplo la media, varianza, así como sesgo y curtosis. Y aprende a calcularlos tanto con R como con Python 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 o Inteligencia Artificial 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 aparte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.

Skills / Knowledge

  • Instalar R
  • Instalar RStudio
  • Usar un sistema de control de versiones
  • Crear scripts de R
  • Diseñar documentos Markdown
  • Instalar Python con Anaconda Navigator
  • Reconocer estructuras de datos en R
  • Reconocer estructuras de datos en Python
  • Componer representaciones gráficas con R
  • Componer representaciones gráficas con Python
  • Emplear data frames
  • Interpretar tablas de frecuencias
  • Calcular medidas de posición de datos cuantitativos
  • Calcular medidas de dispersión de datos cuantitativos
  • Explicar diagramas de caja y bigotes
  • Justificar la necesidad de agrupar datos cuantitativos
  • Implementar reglas de agrupación de datos cuantitativos
  • Calcular estadísticos de datos agrupados
  • Construir histogramas
  • Calcular una recta de regresión lineal
  • Identificar variables aleatorias discretas
  • Clasificar variables aleatorias continuas
  • Usar la tabla de la Distribución Normal
  • Estandarizar variables aleatorias Normales
  • Identificar una variable aleatoria Binomial
  • Identificar una variable aleatoria Geométrica
  • Identificar una variable aleatoria Hipergeométrica
  • Identificar una variable aleatoria de Poisson
  • Identificar una variable aleatoria Binomial Negativa
  • Identificar una variable aleatoria Normal
  • Identificar una variable aleatoria Uniforme
  • Identificar una variable aleatoria Exponencial