Data Science Academy Perú

ESPECIALIZACIÓN EN R
(Básico-Intermedio-Avanzado)

1. DESCRIPCION DEL CURSO

En este curso se desarrollan las herramientas necesarias para el modelamiento

de datos, que permiten extraer información útil de grandes cantidades de
datos. El desarrollo del curso consta de tres partes: en la primera se presentan,
los principios básicos del análisis estadístico y los principales modelos, en la
segunda parte se realizan aplicaciones como análisis de regresión, diseño de
experimentos, muestreo estadístico y series de tiempo. Por último, en la
tercera parte del curso se desarrollará los principales algoritmo de Machine
Learning tales como, Análisis de componentes principales, Análisis de
conglomerados, Regresión Logística, Random Forest, Maquinas de soporte
vectorial y una introducción a las Redes Neuronales Artificiales.

2. OBJETIVOS

Implementar modelos estadísticos, minería de datos y machine learning para

análisis de datos estructurados y no estructurados.

3. CONTENIDO

CONTENIDOS SEMANA

R básico:
• Instalación del R
• Introducción al R
• Estructura de datos en R
• Importación y conexión de base de datos
Sesión 1
• Limpieza de datos
• Transformación de datos
• Estadísticos descriptivos
• Introducción al modelo de regresión lineal simple
• Análisis de varianza (ANOVA)
• Visualización de resultados

R intermedio:
• Intervalos de confianza y pruebas de hipótesis
• Análisis de regresión lineal Sesión 2 y 3
• Diseño de experimentos
• Muestreo estadístico
• Series de tiempo (ARIMA)
 Data Science Academy Perú

R avanzando:
• Introducción a la minería de datos
• Introducción al Machine Learning
• Análisis de componentes principales
• Análisis de conglomerados Sesión 4, 5 y 6
• Regresión logística
• Random Forest
• Máquina de soporte vectorial
• Redes Neuronales Artificiales

5. BIBLIOGRAFIA.

Notas preparadas por el professor.

James, G., Witten D., Hastie T. Tibshirani R. (2013). An Introduction to

Statistical Learning with applications in R. N.Y. Springer.

Hastie, T., Tibshirani, R. and Friedman, J. (2001). The Elements of Statistical

Learning. N.Y. Springer Verlag.

Kuhn, M; Johnson, K; (2013). Applied Predictive Modeling. U.S.A. Springer.

Tuffery, Stéphane, (2011). Data Mining and Statistics for Decision Making.
Wiley.