INCD5626 I CIENCIA DE DATOS Y PROGRAMACIÓN CON R STUDIO

En el competitivo mundo del análisis de datos, R se mantiene como el estándar de oro para la computación estadística y la investigación científica. Este programa integral está diseñado para transformar a un principiante en un Científico de Datos capaz de modelar realidades complejas, desde el análisis de series temporales hasta el entrenamiento de redes neuronales profundas.

A diferencia de otros lenguajes, R fue creado por y para estadísticos, lo que te otorga una precisión matemática inigualable. A lo largo de esta especialización, aprenderás a dominar el ecosistema de RStudio para limpiar datos caóticos, realizar inferencias estadísticas con rigor y desplegar modelos de Machine Learning que permitan predecir tendencias, optimizar procesos y automatizar la toma de decisiones basada en evidencia.

R & RStudio Nivel Básico: Fundamentos y Estadística Descriptiva

• Entorno de trabajo: Introducción a RStudio, sintaxis básica y tipos de datos primitivos.
• Programación en R: Funciones, estructuras de control (loops/condicionales) y manejo de errores.
• Estructuras de datos esenciales: Vectores, matrices, factores, listas y Data Frames.
• Gestión de archivos: Importación y exportación de datos desde CSV, Excel y bases de datos SQL.
• Visualización inicial: Gráficos de barras, histogramas y boxplots con la base de R y ggplot2.
• Estadística Descriptiva: Medidas de tendencia central, dispersión y distribuciones de probabilidad.

R Studio Nivel Intermedio: Tidyverse e Inferencia Estadística

• Programación avanzada: Programación funcional y gestión profesional de paquetes/librerías.
• Manipulación moderna con Tidyverse: Manejo avanzado de datos con dplyr y tidyr.
• Análisis Exploratorio de Datos (EDA): Visualización compleja y preprocesamiento de variables.
• Estadística Inferencial: Pruebas de hipótesis, ANOVA y Análisis de Regresión.
• Machine Learning Supervisado: Regresión Logística, Árboles de Decisión, Random Forest y SVM.
• Machine Learning No Supervisado: Técnicas de Clustering y Reducción de Dimensionalidad (PCA).

R Studio Nivel Avanzado: Modelado de Series de Tiempo y Deep Learning

• Modelado de alta complejidad: Métodos de muestreo, simulación y análisis avanzado de datos.
• Análisis de Series de Tiempo: Modelado y pronóstico de datos cronológicos.
• Aprendizaje Automático Avanzado: Modelos Lineales Generalizados (GLM) y optimización de SVM.
• Introducción al Deep Learning: Redes neuronales y aprendizaje profundo utilizando Keras.