Para profesionales del análisis de datos interesados en integrar técnicas de Machine Learning en sus proyectos y profundizar en las técnicas de análisis de agrupación (análisis clúster).
CURSO DE NIVEL INTERMEDIO
Para un mejor aprovechamiento de la formación es recomendable tener conocimientos básicos previos sobre R Software.
Comentarios:
Aplica una de las técnicas más populares en Machine Learning no supervisado: el análisis clúster jerárquico y no jerárquico (k-medias) con R Software. Encuentra grupos de observaciones (clústers) que comparten características similares y descubre patrones relevantes en grandes conjuntos de variables de manera rápida y sencilla. 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.EL MAYOR CATÁLOGO DE MÉTODOS ESTADÍSTICOS
Un curso práctico orientado a estudiantes, profesionales, investigadores y PhD interesados en:
Conocer los fundamentos del preprocesado de datos. Conocer las aplicaciones de los diferentes análisis clúster. Dominar el análisis clúster de partición por k-medias y el jerárquico. Interpretar dendrogramas. Aprender a validar agrupaciones por calidad y por estabilidad. Reconocer patrones en los datos con técnicas de Machine Learning no supervisado. Crear gráficos de alta calidad para comunicar los resultados de los análisis.
Competencias
Con aplicación directa a tu día a día profesional
Al finalizar el Curso de Machine Learning: análisis clúster con R serás capaz de:
Reconocer patrones en los datos automáticamente, sin la necesidad de agrupaciones previas (Machine Learning no supervisado). Analizar y representar gráficamente las relaciones entre múltiples variables creando grupos homogéneos de observaciones. Interpretar y validar tus hallazgos para apoyar la toma de decisiones en tu organización o investigación. Dominar el lenguaje estadístico de R Software, una de las competencias profesionales más demandadas en el mercado laboral de la Ciencia de Datos.
Enfoque práctico
La práctica hace al maestro
El Curso de Machine Learning: análisis clúster 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
TEMA 1. INTRODUCCIÓN AL ANÁLISIS CLUSTER Y AL PREPROCESADO DE DATOS.
• ¿Qué es y para qué sirve el análisis cluster? • Diferencias entre cluster jerárquico y de partición. • Procedimiento de análisis. • Exploración y preprocesado de los datos con R. • Medidas de similitud/distancia. Leer más • Tendencia de agrupación.
TEMA 2. ANÁLISIS CLÚSTER DE PARTICIÓN POR K-MEDIAS
• Introducción al análisis cluster de partición. • Ventajas, desventajas y algoritmos alternativos. • ¿Cómo funciona el algoritmo de k-medias? • Análisis de k-medias con R. • Interpretación de los grupos. • Gráficos elegantes y avanzados. • Predicción de nuevos casos.
TEMA 3. ANÁLISIS CLUSTER JERÁRQUICO
• Introducción al análisis clúster jerárquico. • Cluster aglomerativo vs divisivo. • Ventajas, desventajas y alternativas. • Métodos de vinculación entre grupos. ¿Cómo elegir el mejor método? • Análisis AGNES con R. • Interpretación del árbol de agrupación (dendrograma). • ¿Cuántos grupos elegir? • Gráficos elegantes y avanzados. • Personalizar y guardar gráficos. • El cuarteto de Anscombe.
TEMA 4. VALIDACIÓN DE LA AGRUPACIÓN
• Validación de la agrupación por calidad y estabilidad. • Medidas de calidad externa. • Medidas de calidad interna. • Medidas de calidad relativa. • Medidas de estabilidad. • ¿Cómo elegir el mejor método y el número de grupos óptimo? • Conclusiones finales. Limitaciones del análisis clúster.Leer menos
Máxima Formación
Contacta con el centro para más información
Es gratis y sin compromiso
Deja tu opinión