Temario y recursos del Curso Profesional de Ciencia de Datos
Temario del Curso Profesional de Ciencia de Datos
Basicos para el curso
1 Clases abiertas- Mundo Data Science
Acelera tu carrera profesional con más de 34 Clases del Curso Profesional de Ciencia de Datos
Comienza ahora- ¿Qué hace un Data Scientist?
- Introducción a R
- Operaciones con datos: vectores, listas y matrices
- Operaciones con datos: dataframe y ficheros
- ¿Qué es web scraping?
- Visualización de datos
- Presentación del proyecto
Web scraping con R
- Intro paquete Rvest y descripción de ejercicio
- Principales funciones de Rvest
- HTML node
- Rvest en nuestro proyecto de Amazon. Recopilación de paginación
- Obtención de URL de cada producto
- Funciones Apply
- Obtención de información de cada producto
- Automatización para obtener datos preprocesados
- Corrección de errores durante obtención de datos
- Reto: Obtén datos de la liga española de fútbol
Adecuación y Análisis descriptivo de los datos
- Adecuación de los datos, transformación y eliminación de NA
- Procesamiento de datos
- Adecuación al algoritmo K-means
- Reto: Prepara los datos obtenidos
Aplicando modelo no supervisado: Kmeans
- Cómo funciona el algoritmo K-means
- Aplicando K-means a nuestro proyecto
- Visualización de los clusters
- Reto: Aplica el modelo K-means
Modelo en producción
- Cómo hacer un punto de API con plumber en R
- Poner nuestro modelo en tiempo real: revisión de distancias
- Poner nuestro modelo en producción
- Reto: Pon un modelo en producción
Representación de los resultados del modelo
- Introducción a shiny y sus componentes
- Mostrando los resultados de nuestro proyecto en Shiny
- Reto:Representación de los resultados del modelo
Para este curso vas a necesitar
3 Horas de contenido
14 Horas de práctica

Proyecto del curso
Recolección, procesamiento y análisis de datos de jugadores de fútbolUtiliza la técnica web scraping para obtener información de jugadores de sitios web. Después prepara los datos recolectados para su procesamiento en R. Finalmente utiliza el algoritmo Kmeans para hacer un análisis especifico y conecta tus resultados con una webapp para generar informes interactivos.
Para este curso vas a necesitar
3 Horas de contenido
14 Horas de práctica

Proyecto del curso
Recolección, procesamiento y análisis de datos de jugadores de fútbolUtiliza la técnica web scraping para obtener información de jugadores de sitios web. Después prepara los datos recolectados para su procesamiento en R. Finalmente utiliza el algoritmo Kmeans para hacer un análisis especifico y conecta tus resultados con una webapp para generar informes interactivos.
Basicos para el curso
1 Clases abiertas- Mundo Data Science
Acelera tu carrera profesional con más de 34 Clases del Curso Profesional de Ciencia de Datos
Comienza ahora- ¿Qué hace un Data Scientist?
- Introducción a R
- Operaciones con datos: vectores, listas y matrices
- Operaciones con datos: dataframe y ficheros
- ¿Qué es web scraping?
- Visualización de datos
- Presentación del proyecto
Web scraping con R
- Intro paquete Rvest y descripción de ejercicio
- Principales funciones de Rvest
- HTML node
- Rvest en nuestro proyecto de Amazon. Recopilación de paginación
- Obtención de URL de cada producto
- Funciones Apply
- Obtención de información de cada producto
- Automatización para obtener datos preprocesados
- Corrección de errores durante obtención de datos
- Reto: Obtén datos de la liga española de fútbol
Adecuación y Análisis descriptivo de los datos
- Adecuación de los datos, transformación y eliminación de NA
- Procesamiento de datos
- Adecuación al algoritmo K-means
- Reto: Prepara los datos obtenidos
Aplicando modelo no supervisado: Kmeans
- Cómo funciona el algoritmo K-means
- Aplicando K-means a nuestro proyecto
- Visualización de los clusters
- Reto: Aplica el modelo K-means
Modelo en producción
- Cómo hacer un punto de API con plumber en R
- Poner nuestro modelo en tiempo real: revisión de distancias
- Poner nuestro modelo en producción
- Reto: Pon un modelo en producción
Representación de los resultados del modelo
- Introducción a shiny y sus componentes
- Mostrando los resultados de nuestro proyecto en Shiny
- Reto:Representación de los resultados del modelo