Curso de Análisis de componentes principales (PCA) con R Online / Distancia en Máxima Formación

Dirigido a:

Profesionales del análisis de datos interesados descubrir patrones ocultos en grandes bases de datos
con técnicas de Data Mining y aplicando el algoritmo PCA.


CURSO DE NIVEL INTERMEDIO

Para un mejor aprovechamiento de la formación es recomendable tener conocimientos básicos previos sobre R Software.

Comentarios:

Detecta los patrones clave en tus conjuntos de datos e identifica qué variables contribuyen en mayor medida a su variabilidad. Simplifica y representar de manera óptima un conjunto de múltiples variables numéricas, correlacionadas entre sí, mediante Data Mining de reducción de la dimensión. Leer más


R Software: altas prestaciones para tus análisis de datos

R es la herramienta de análisis estadístico con la que lograrás
la máxima potencia, calidad, precisión y rigor empírico en tus análisis de datos.

SOFTWARE DE CÓDIGO ABIERTO

Con un entorno de trabajo flexible que permite ampliar funciones personalizadas para resolver necesidades específicas de tu proyecto.


EL MAYOR CATÁLOGO DE MÉTODOS ESTADÍSTICOS

Analiza cualquier tipo y volumen de datos con una extensa gama de técnicas estadísticas: clásicas, robustas, avanzadas y multivariantes.


REPRESENTACIÓN GRÁFICA EN ALTA CALIDAD

Incluye infinidad de gráficos personalizables y exportables a cualquier formato visual, estáticos y dinámicos.


SIMPLIFICA TU DESEMPEÑO

Con R Software tu desempeño con los datos es más ágil y eficiente. Ejecuta todas las tareas de un Científico de Datos en un único entorno de trabajo.


PRECISIÓN Y RIGOR EMPÍRICO

Con R obtienes respuestas concluyentes y resultados confiables eliminando los errores de cálculo y las imprecisiones.


DATOS REPRODUCTIBLES Y ACCESIBLES

Su función RMarkdown te garantiza la accesibilidad, la trazabilidad y la reproducibilidad de tus datos de por vida.


Un curso práctico orientado a estudiantes, profesionales, investigadores y PhD interesados en:

Identificar patrones y reducir la complejidad de grandes conjuntos de datos
Analizar e interpretar un PCA.
Aplicar la herramienta exploratoria del análisis clúster jerárquico (ACJ – HCPC).


Competencias

Con aplicación directa a tu día a día profesional

Al finalizar el Curso de Análisis Análisis de componentes principales (PCA) con R habrás desarrollado las competencias necesarias para hacer comprensible la información extraída en los conjuntos de datos, y serás capaz de:

Evaluar, modelar y visualizar gráficamente las relaciones entre múltiples variables para reducir su dimensión y complejidad.
Identificar las variables más importantes y ordenarlas.
Resumir la información de un gran conjunto de variables en nuevas no correlacionadas que capturen la mayor variabilidad de los datos.
Predecir el comportamiento de nuevos casos o nuevas variables sobre el mapa de relaciones.
Dominar el lenguaje estadístico de R Software.


Enfoque práctico

La práctica hace al maestro

El Curso de Análisis Análisis de componentes principales (PCA) con R, es un programa práctico impartido con la metodología exclusiva de Máxima Formación, 100% on-line y learn by doing (aprender haciendo).


¿Por qué es único?

Porque está diseñado con el enfoque práctico que requieren los profesionales del análisis de datos cuyo objetivo es transformar el saber en habilidades prácticas avanzadas con aplicación directa a su operativa con los datos.

Nuestro programa formativo con enfoque práctico:

Garantiza una curva de aprendizaje progresiva y se adapta a tu nivel de desempeño.
Pone el énfasis en el seguimiento diario de tus necesidades de aprendizaje particulares.
Disfrutas de un asesoramiento de calidad que te permite aplicar los nuevos conocimientos, desde el primer día.




Profesorado:

En este Máster contarás con el asesoramiento y las tutorías ilimitadas de dos docentes expertos que van compartir contigo todo su conocimiento y su experiencia en el sector de la Ciencia de Datos:

- Rosana Ferrero
Soy Doctora en Biociencias y Máster en Estadística Aplicada. Llevo más de 15 años de experiencia colaborando con instituciones públicas y privadas, así como con varias empresas, en áreas como la Medicina, la Biotecnología, las Políticas públicas, y la Biología. Me apaciona la docencia y la divulgación, mi objetivo es ayudarte a analizar e interpretar datos complejos y tomar decisiones fundamentadas.

- Juan Luis López
Analista de datos con certificaciones en Data Visualization with ggplot2, Data Analysis in R y Machine Learning Toolbox. Profesor de estadística aplicada con R Software en Máxima Formación desde 2018. Aquí he trabajado como docente en los distintos másteres que ofertamos, en múltiples cursos de formación para el Centro Superior de Investigaciones Científicas y el Servicio Andaluz de Salud, así como en asesorías estadísticas realizadas para empresas externas.

Titulación que se obtiene:

Tras finalizar esta formación recibirás un diploma expedido por Máxima Formación como garantía de aprovechamiento del curso.

- Inicio: Todo el año
- Plazo de Matrícula: Abierto

Leer menos

Contenidos del curso

Actualizados, campus virtual accesible las 24 horas y en español


TEMA 1. INTRODUCCIÓN AL ANÁLISIS DE COMPONENTES PRINCIPALES (PCA)

Patrones y reducción de la complejidad de grandes conjuntos de datos.
• Cuándo podemos aplicar un PCA y para qué.
• Cómo funciona el PCA.
• Análisis y preparación previa de los datos. Leer más
• Ejemplos de casos reales.


TEMA 2. CÓMO ANALIZAR E INTERPRETAR UN PCA

Valores propios, ejes principales y gráficos biplot.
• Formato de los datos y estandarización.
• Obtención de los valores propios y varianzas explicadas por los ejes.
• Selección del número de ejes (componentes principales) óptimo y obtención de la variabilidad explicada por cada uno.
• Gráfico de las variables y los casos. Círculos de correlación.
• Evaluación de la calidad de la representación.
• Descripción de las dimensiones identificadas.
• Detección de las variables que más contribuyen a explicar la variabilidad de los datos.
• Interpretación y publicación de los resultados.
• Ejemplos de casos reales.


TEMA 3. ANÁLISIS CLÚSTER JERÁRQUICO

• HCPC ( Hierarchical Clustering on Principal Components )
• Por qué HCPC
• Ejemplo de casos reales con variables continuas
• Generación de informes autmáticosLeer menos