Curso de Árboles de Decisión con R Online / Distancia en Máxima Formación

Dirigido a:

Profesionales del análisis de datos en activo interesados en descubrir patrones ocultos en grandes bases de datos y en desarrollar modelos de Machine Learning adaptados a las necesidades de sus proyectos.


CURSO DE NIVEL INTERMEDIO

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

Comentarios:

Aprende a diseñar modelos de Machine Learning adaptados a las necesidades de tu investigación aplicando algoritmos basados en árboles de decisión, desde los más sencillos (individuales) a los más avanzados (en paralelo o secuenciales). 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.


REPRESENTACIÓN GRÁFICA EN ALTA CALIDAD

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


PRECISIÓN Y RIGOR EMPÍRICO

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


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.


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.


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:

Adquirir conocimientos avanzados en preprocesado de datos.
Capturar la mayor cantidad de información posible de un gran conjunto de datos.
Identificar las variables más importantes.
Crear árboles de decisión para problemas de regresión y clasificación, en paralelo y secuenciales.
Optimizar los parámetros de los modelos para mejorar su precisión.


Competencias:

Con aplicación directa a tu día a día profesional

Al finalizar el Curso de Árboles de Decisión con R serás capaz de importar, preparar, explorar, visualizar y comunicar tus datos, obteniendo resultados increíbles partiendo de tus datos en bruto.

Preparar lo datos para la fase de modelado.
Comprender los estándares de la construcción de árboles de decisión.
Crear modelos de árboles de decisión utilizando el software R.
Seleccionar el número óptimo de ramas o nodos.
Automatizar la predicción sobre nuevos datos.
Elegir el modelo más adecuado para sus objetivos.
Detectar las variables más importantes en la construcción del modelo.
Optimizar los parámetros de los distintos modelos para mejorar las predicciones.


Enfoque práctico

La práctica hace al maestro

El Curso de Árboles de Decisión 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 aplicar el Machine Learning en su actividad y transformar el saber en habilidades prácticas 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.


Metodología:

100% on-line y learn by doing.

Marca tu propio ritmo de aprendizaje, donde y cuando quieras, de forma progresiva y con la flexibilidad que te ofrece nuestra metodología con evaluación continua:

Tutorización personalizada. Con el apoyo individualizado de un docente comprometido con tus necesidades de aprendizaje. Consulta sin límites.

Enfoque Learn by doing. Pon en práctica los nuevos conocimientos analizando casos reales completamente aplicables a tu realidad profesional.

A tu ritmo. Aprende cuándo y dónde quieras, marca tu propio ritmo de aprendizaje, sin fechas ni plazos de entrega.

Contenidos de calidad. Evoluciona paso a paso con materiales didácticos, actualizados y prácticos aplicables a tus proyectos profesionales.

Evaluación continua. Basada en el apoyo individualizado del alumno para garantizar la comprensión de conceptos y su capacidad técnica para resolver los ejercicios propuestos.

Recursos. Materiales audiovisuales, guías prácticas y bibliografía complementaria, para ir más allá en tu desempeño.

Profesorado:

En este curso contarás con el asesoramiento y las tutorías ilimitadas de un docente experto que va compartir contigo todo su conocimiento y su experiencia en el desarrollo de proyectos de Machine Learning con R.

- Ignacio García
Analista de Riesgos con más de 10 años de experiencia en la creación de modelos de riesgo, marketing y mejora de procesos, aplicando métodos de Machine Learning. Su capacidad para conjugar aspectos de negocio y técnicos lo convierte en el docente idóneo para esta formación especializada.

Titulación que se obtiene:

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

Contenidos del curso

Actualizados, campus virtual accesible las 24 horas y en español


CURSO DE ÁRBOLES DE DECISIÓN CON R

TEMA 1. INTRODUCCIÓN AL PREPROCESADO DE DATOS

Visualización y preparación de los datos para la fase de modelado.
• Manipulación de datos con la librería dplyr.
• Análisis exploratorio de los datos. Leer más
• Preprocesado de los datos.
• Ejemplos de casos reales.


TEMA 2. ÁRBOLES DE DECISIÓN INDIVIDUALES

Definición y creación de árboles de decisión.
• Árboles de decisión para problemas de regresión.
• Árboles de decisión para problemas de clasificación.
• Predicción con los modelos creados.
• Identificación de las variables más importantes.
• Aplicación de validación cruzada.
• Selección de hiperparámetros.
• Ejemplos de casos reales.


TEMA 3. MODELOS DE BAGGING Y RANDOM FOREST

Creación de modelos de árboles de decisión en paralelo.
• Creación de modelos de Bagging.
• Creación de modelos de Random Forest.
• Modelos de bagging con la librería H2O.
• Predicción con los modelos creados.
• Identificación de las variables más importantes.
• Selección de hiperparámetros.
• Ejemplos de casos reales.


TEMA 4. MODELOS DE BOOSTING

Creación de modelos de árboles de decisión secuenciales.
• Introducción a los modelos de boosting.
• Creación de modelos GBM.
• Creación de modelos XGBoost.
• Predicción con los modelos creados.
• Identificación de las variables más importantes.
• Selección de hiperparámetros.
• Ejemplos de casos reales.Leer menos