Análisis de Ciencia de Datos con R en JupyterLab

Compartir en:

¿Eres nuevo en Ciencias de Datos con R? Si es así, ¡estás en el lugar correcto para iniciar! Este curso te ayudará desde cero hasta llegar a ser un experto en R aplicado en Ciencias de Datos, realizando procesamiento análisis estadísticos descriptivo, utilizando el paquete Tidyverse.

Ciencia de Datos con R es muy importante en los estudios de investigación científica para analizar unidimensional o bidimensional los datos, realizando regresión lineal y prueba de hipótesis con prueba T-Student.

Aprenderá:

Utilizar R dentro de JupyterLab .
Análisis estadístico descriptivo datos cualitativo y cuantitativo.
Realizar correlación de datos y su análisis
Aprenderá realizar prueba T Student.

Nivel completo

Temario del Curso

Instalación R Projet
Instalación RStudio comparar
Instalación Python
Instalación paquete Jupyter notebook y Lab
Instalación QGIS verificar versión python

Configuración JupyterLab
Introducción JupyterLab
Atajos con teclados
Ingreso directo a tus archivos.

Introducción Ciencia datos
Análisis exploratorio datos
Tipo de variables estadística
Cualitativa nominal
Cualitativa ordinal
Cuantitativa continua
Cuantitativa discreta
Objeto de describir, estimar o verificar.

Que es R
Visualizar versión R dentro JupyterLab
Configuración del directorio datos
Forma correcta como se debe instalar paquetes
Activar las librerías
Ayuda de los paquetes o funciones en R

Verificación que datos son en R is().
Conversión de datos en R as().
Tipo datos numérico, Lógica y Carácter.
Datos perdidos NA y nulos NULL.

Operadores aritméticos
Operadores de relacionales
Operadores lógicos

Introducción tipo de objeto
Objeto vectorial
Objeto Factorial
Objeto Matriz
Objeto Lista
Objeto Dataframe

Copiar y pegar datos con clipboard
Función read.delim
Importar archivo CSV
Importar archivo Excel
Importar datos de google
Característica de los datos importados

Introducciones condicionales
Condición if
Condición else
Condición else if
Introducción iteración
Interacción for
Interacción for anidados
Interacción while
Interacción repeat
Clausula break
Clausula next

Introducción función
Crear una función matemática
Interactuar función con condiciones

Introducción medidas tendencia central
Media
Mediana
Moda

Introducción medidas de dispersión
Rango
Mínimo
Máximo
Varianza
Desviación estándar
Coeficiente de variación
Gráfico de diagrama de caja y bigotes

Introducción medidas posición relativa
Cuartil
Percentiles
Deciles

Introducción asimetría
Determinar sesgo: Asimétrico izquierda o derecha, simétrico
Introducción curtosis
Introducción curtosis
Determinar curtosis: Leptocúrtica, Mesocúrtica y Platicúrtica

Introducción Tidyverse
Operador pipe
Paquete readr
Valores perdidos (missing values)
Paquete dplyr
Paquete Ggplot2
Paquete Ggplot2
Paquete Stringr
Paquete Tibble
Paquete Tidyr

Importar datos Excel
Característica datos ingreso
Análisis histograma
Determinar medidas dispersión
Análisis boxplot
Determinar asimetría y curtosis
Determinar frecuencia cuantitativa
Utilizar regla stockes
Clasificación manual
Determinar frecuencia cualitativa
Convertir en factorial
Cambiar los nombres level
Resumen estadístico
Determinar grafico frecuencia absoluta por tipo datos

Importar datos Excel
Característica datos ingreso
Gráfico de las dos variables diagrama de caja
Relación de variables
Prueba de normalidad – Grafico Q-Q
Prueba de hipótesis normalidad
Método kolmogorov y shapiro
Determinar covarianza
Correlación de las variables
Gráfico de correlación PerformanceAnalytics

Introducción prueba de T Student
Generar hipótesis nula y alterna
Realizar la prueba de T Student
Análisis de los resultados p-value

Introducción Regresión lineal
Comparación de los datos pairs
Correlación de los datos
Generar la regresión lineal
Coeficiente de la regresión
Gráfico para la interpretación regresión lineal
Determinar nuevos datos según la regresión lineal.
Utilización de la función predict.

Adquierelo antes de que llegue a CERO !!

December 10, 2024

Días

Hora

Min.

Seg.