Ciencia de datos: Estadística y aprendizaje automático
Construya modelos, realice inferencias y proporcione productos de datos interactivos. Esta especialización continúa y desarrolla el material de la
Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 240 h
24 unidades
Nivel intermedio
Qué aprenderás
Lo que serás capaz de hacer
Construya modelos, realice inferencias y proporcione productos de datos interactivos. Esta especialización continúa y desarrolla el material de la especialización Ciencia de datos: Fundamentos con R. Abarca la inferencia estadística, los modelos de regresión, el aprendizaje automático y el desarrollo de productos de datos. En el Proyecto Capstone, aplicará las habilidades aprendidas construyendo un producto de datos utilizando datos del mundo real. Los cinco cursos de esta especialización son los mismos que componen la segunda mitad de la Especialización en Ciencia de Datos. Esta especialización se presenta para los alumnos que ya dominan los fundamentos y desean pasar directamente a los cursos más avanzados.
- Realice análisis de regresión, mínimos cuadrados e inferencia utilizando modelos de regresión.
- Construir y aplicar funciones de predicción
- Desarrollar productos de datos públicos
Habilidades que desarrollarás
Shiny (paquete de R)
Rmarkdown
Evaluación de modelos
Análisis de regresión
Leaflet (software)
Análisis exploratorio de datos
Inferencia estadística
Modelado predictivo
Pruebas de hipótesis estadísticas
Algoritmos de aprendizaje automático
Plotly
Visualización interactiva de datos
Probabilidad y estadística
Presentación de datos
Visualización de datos
Análisis estadístico
Modelado estadístico
Programación en R
Aprendizaje automático
GitHub
Temario
UNIDAD 1 - Semana 1: Probabilidad y valores esperados · 27 leccionesInferencia estadística - UNIDAD 1 - Semana 1: Probabilidad y valores esperados
UNIDAD 1 - Semana 1: Probabilidad y valores esperados · 27 lecciones
Inferencia estadística - UNIDAD 1 - Semana 1: Probabilidad y valores esperados
- Vídeo introductorio
- Bienvenido a la inferencia estadística
- Algunos comentarios introductorios
- Encuesta previa al curso
- Plan de estudios
- Libro del curso: Inferencia estadística para la ciencia de datos
- Sitio de la Comunidad de Especializaciones en Ciencia de Datos
- Problemas de deberes
- Probabilidad
- 02 01 Introducción a la probabilidad
- 02 02 Funciones de masa de probabilidad
- 02 03 Funciones de densidad de probabilidad
- Probabilidad condicional
- 03 01 Probabilidad condicional
- 03 02 Regla de Bayes
- 03 03 Independencia
- Valores previstos
- 04 01 Valores previstos
- 04 02 Valores esperados, ejemplos sencillos
- 04 03 Valores esperados para los PDF
- Ejercicios prácticos de R en remolino 1
- remolino Lección 1: Introducción
- remolino Lección 2: Probabilidad1
- remolino Lección 3: Probabilidad2
- remolino Lección 4: Probabilidad condicional
- remolino Lección 5: Expectativas
- Cuestionario 1
UNIDAD 2 - Semana 2: Variabilidad, distribución y asintótica · 18 leccionesInferencia estadística - UNIDAD 2 - Semana 2: Variabilidad, distribución y asintótica
UNIDAD 2 - Semana 2: Variabilidad, distribución y asintótica · 18 lecciones
Inferencia estadística - UNIDAD 2 - Semana 2: Variabilidad, distribución y asintótica
- Variabilidad
- 05 01 Introducción a la variabilidad
- 05 02 Ejemplos de simulación de varianza
- 05 03 Error estándar de la media
- 05 04 Ejemplo de datos de varianza
- Distribuciones
- 06 01 Distribución binomial
- 06 02 Distribución normal
- 06 03 Poisson
- Asintótica
- 07 01 Asintótica y LLN
- 07 02 Asintótica y el CLT
- 07 03 Asintótica e intervalos de confianza
- Ejercicios prácticos de R en remolino Parte 2
- remolino Lección 1: Varianza
- remolino Lección 2: CommonDistros
- remolino Lección 3: Asintótica
- Cuestionario 2
UNIDAD 3 - Semana: Intervalos, pruebas y valores P · 20 leccionesInferencia estadística - UNIDAD 3 - Semana: Intervalos, pruebas y valores P
UNIDAD 3 - Semana: Intervalos, pruebas y valores P · 20 lecciones
Inferencia estadística - UNIDAD 3 - Semana: Intervalos, pruebas y valores P
- Intervalos de confianza
- 08 01 T intervalos de confianza
- 08 02 T ejemplo de intervalos de confianza
- 08 03 Intervalos T del grupo independiente
- 08 04 Una nota sobre la varianza desigual
- Comprobación de hipótesis
- 09 01 Comprobación de hipótesis
- 09 02 Ejemplo de elección de una región de rechazo
- 09 03 Pruebas T
- 09 04 Pruebas en dos grupos
- Valores P
- 10 01 Valores P
- 10 02 Pvalor otros ejemplos
- Knitr
- Suficiente knitr para hacer el proyecto
- Ejercicios prácticos de R en remolino Parte 3
- swirl Lección 1: T Intervalos de confianza
- remolino Lección 2: Comprobación de hipótesis
- remolino Lección 3: Valores P
- Prueba 3
UNIDAD 4 - Semana 4: Potencia, Bootstrapping y pruebas de permutación · 18 leccionesInferencia estadística - UNIDAD 4 - Semana 4: Potencia, Bootstrapping y pruebas de permutación
UNIDAD 4 - Semana 4: Potencia, Bootstrapping y pruebas de permutación · 18 lecciones
Inferencia estadística - UNIDAD 4 - Semana 4: Potencia, Bootstrapping y pruebas de permutación
- Potencia
- 11 01 Energía
- 11 02 Cálculo de la potencia
- 11 03 Notas sobre la potencia
- 11 04 T potencia de prueba
- 12 01 Comparaciones múltiples
- Remuestreo
- 13 01 Recaudación
- 13 02 Ejemplo de arranque
- 13 03 Notas sobre el bootstrap
- 13 04 Pruebas de permutación
- Cuestionario 4
- Proyecto del curso de inferencia estadística
- Ejercicios prácticos de R en remolino Parte 4
- remolino Lección 1: Poder
- remolino Lección 2: Pruebas múltiples
- remolino Lección 3: Remuestreo
- Encuesta posterior al curso
UNIDAD 5 - Semana 1: Mínimos cuadrados y regresión lineal · 24 leccionesModelos de regresión - UNIDAD 5 - Semana 1: Mínimos cuadrados y regresión lineal
UNIDAD 5 - Semana 1: Mínimos cuadrados y regresión lineal · 24 lecciones
Modelos de regresión - UNIDAD 5 - Semana 1: Mínimos cuadrados y regresión lineal
- Bienvenido a Modelos de regresión
- Libro: Modelos de regresión para la ciencia de datos en R
- Plan de estudios
- Encuesta previa al curso
- Sitio de la Comunidad de Especializaciones en Ciencia de Datos
- Dónde conseguir material más avanzado
- Regresión
- Introducción a la regresión
- Introducción: Mínimos cuadrados básicos
- Detalles técnicos
- Detalles técnicos (Omitir si lo desea)
- Ejemplo de datos introductorios
- Mínimos cuadrados
- Notación y antecedentes
- Mínimos cuadrados lineales
- Ejemplo de codificación lineal por mínimos cuadrados
- Detalles técnicos (Omitir si lo desea)
- Regresión a la media
- Regresión a la media
- Ejercicios prácticos de R en remolino Parte 1
- remolino Lección 1: Introducción
- remolino Lección 2: Residuos
- remolino Lección 3: Estimación por mínimos cuadrados
- Cuestionario 1
UNIDAD 6 - Semana 2: Regresión lineal y regresión multivariable · 19 leccionesModelos de regresión - UNIDAD 6 - Semana 2: Regresión lineal y regresión multivariable
UNIDAD 6 - Semana 2: Regresión lineal y regresión multivariable · 19 lecciones
Modelos de regresión - UNIDAD 6 - Semana 2: Regresión lineal y regresión multivariable
- *Modelos estadísticos* de regresión lineal
- Modelos estadísticos de regresión lineal
- Interpretar los coeficientes
- Regresión lineal para la predicción
- Residuos
- Residuos
- Residuos, ejemplo de codificación
- Varianza residual
- Inferencia en la regresión
- Inferencia en regresión
- Ejemplo de codificación
- Predicción
- De cara al futuro
- Una introducción muy, muy rápida a knitr
- Ejercicios prácticos de R en remolino Parte 2
- remolino Lección 1: Variación residual
- swirl Lección 2: Introducción a la regresión multivariable
- remolino Lección 3: Ejemplos MultiVar
- Cuestionario 2
UNIDAD 7 - Semana 3: Regresión multivariable, residuos y diagnósticos · 24 leccionesModelos de regresión - UNIDAD 7 - Semana 3: Regresión multivariable, residuos y diagnósticos
UNIDAD 7 - Semana 3: Regresión multivariable, residuos y diagnósticos · 24 lecciones
Modelos de regresión - UNIDAD 7 - Semana 3: Regresión multivariable, residuos y diagnósticos
- Regresión multivariable
- Regresión multivariable parte I
- Regresión multivariable parte II
- Regresión multivariable Continuación
- Ejemplos de regresión multivariable parte I
- Ejemplos de regresión multivariable parte II
- Ejemplos de regresión multivariable parte III
- Ejemplos de regresión multivariable parte IV
- Ajuste
- Ejemplos de ajustes
- Residuos
- Residuos y diagnósticos parte I
- Residuos y diagnósticos parte II
- Residuos y diagnósticos parte III
- Selección del modelo
- Selección del modelo parte I
- Selección del modelo parte II
- Selección del modelo parte III
- Ejercicios prácticos de R en remolino Parte 3
- remolino Lección 1: Ejemplos MultiVar2
- remolino Lección 2: Ejemplos MultiVar3
- remolino Lección 3: Diagnóstico de residuos y variación
- Prueba 3
- (OPCIONAL) Práctica de análisis de datos con retroalimentación inmediata (¡NOVEDAD! 18/10/2017)
UNIDAD 8 - Semana 4: Regresión logística y regresión de Poisson · 19 leccionesModelos de regresión - UNIDAD 8 - Semana 4: Regresión logística y regresión de Poisson
UNIDAD 8 - Semana 4: Regresión logística y regresión de Poisson · 19 lecciones
Modelos de regresión - UNIDAD 8 - Semana 4: Regresión logística y regresión de Poisson
- GLMs
- GLMs
- Regresión logística
- Regresión logística parte I
- Regresión logística parte II
- Regresión logística parte III
- Datos de recuento
- Regresión de Poisson parte I
- Regresión de Poisson parte II
- Mishmash
- Hodgepodge
- Ejercicios prácticos de R en remolino Parte 4
- remolino Lección 1: Factores de inflación de la varianza
- remolino Lección 2: Sobreadaptación e inadaptación
- remolino Lección 3: Resultados binarios
- remolino Lección 4: Contar resultados
- Cuestionario 4
- Proyecto de curso sobre modelos de regresión
- Encuesta posterior al curso
UNIDAD 9 - Semana 1: Predicción, errores y validación cruzada · 14 leccionesAprendizaje automático práctico - UNIDAD 9 - Semana 1: Predicción, errores y validación cruzada
UNIDAD 9 - Semana 1: Predicción, errores y validación cruzada · 14 lecciones
Aprendizaje automático práctico - UNIDAD 9 - Semana 1: Predicción, errores y validación cruzada
- Bienvenido a Aprendizaje automático práctico
- Una nota explicativa
- Plan de estudios
- Encuesta previa al curso
- Predicción de la motivación
- ¿Qué es la predicción?
- Importancia relativa de los pasos
- Errores dentro y fuera de la muestra
- Diseño del estudio de predicción
- Tipos de errores
- Característica operativa del receptor
- Validación cruzada
- ¿Qué datos debe utilizar?
- Cuestionario 1
UNIDAD 10 - Semana 2: El paquete Caret · 10 leccionesAprendizaje automático práctico - UNIDAD 10 - Semana 2: El paquete Caret
UNIDAD 10 - Semana 2: El paquete Caret · 10 lecciones
Aprendizaje automático práctico - UNIDAD 10 - Semana 2: El paquete Caret
- Paquete Caret
- Troceado de datos
- Opciones de formación
- Trazado de predictores
- Preprocesamiento básico
- Creación de covariables
- Preprocesamiento con análisis de componentes principales
- Predicción con regresión
- Predicción con regresión Covariables múltiples
- Cuestionario 2
UNIDAD 11 - Semana 3: Predicción con árboles, bosques aleatorios y predicciones basadas en modelos · 6 leccionesAprendizaje automático práctico - UNIDAD 11 - Semana 3: Predicción con árboles, bosques aleatorios y predicciones basadas en modelos
UNIDAD 11 - Semana 3: Predicción con árboles, bosques aleatorios y predicciones basadas en modelos · 6 lecciones
Aprendizaje automático práctico - UNIDAD 11 - Semana 3: Predicción con árboles, bosques aleatorios y predicciones basadas en modelos
- Predicción con árboles
- Embolsado
- Bosques aleatorios
- Impulsar
- Predicción basada en modelos
- Prueba 3
UNIDAD 12 - Semana 4: Regresión regularizada y combinación de predictores · 9 leccionesAprendizaje automático práctico - UNIDAD 12 - Semana 4: Regresión regularizada y combinación de predictores
UNIDAD 12 - Semana 4: Regresión regularizada y combinación de predictores · 9 lecciones
Aprendizaje automático práctico - UNIDAD 12 - Semana 4: Regresión regularizada y combinación de predictores
- Regresión regularizada
- Combinación de predictores
- Previsión
- Predicción no supervisada
- Cuestionario 4
- Instrucciones para el proyecto del curso (LEER PRIMERO)
- Redacción de la tarea de predicción
- Prueba de predicción del proyecto de curso
- Encuesta posterior al curso
UNIDAD 13 - Resumen del curso · 7 leccionesDesarrollo de productos de datos - UNIDAD 13 - Resumen del curso
UNIDAD 13 - Resumen del curso · 7 lecciones
Desarrollo de productos de datos - UNIDAD 13 - Resumen del curso
- Bienvenido a Desarrollo de productos de datos
- Una nota explicativa
- Plan de estudios
- Bienvenido
- Libro: Desarrollo de productos de datos en R
- Sitio comunitario
- Enlaces y tutoriales sobre R y RStudio
UNIDAD 14 - Shiny, GoogleVis y Plotly · 27 leccionesDesarrollo de productos de datos - UNIDAD 14 - Shiny, GoogleVis y Plotly
UNIDAD 14 - Shiny, GoogleVis y Plotly · 27 lecciones
Desarrollo de productos de datos - UNIDAD 14 - Shiny, GoogleVis y Plotly
- Brillante
- Proyecto Shinyapps.io
- Brillante 1.1
- Brillante 1.2
- Brillante 1.3
- Brillante 1.4
- Brillante 1,5
- Brillante 2.1
- Brillante 2.2
- Brillante 2.3
- Brillante 2.4
- Brillante 2,5
- Brillante 2.6
- Gadgets brillantes 1.1
- Gadgets brillantes 1.2
- Gadgets brillantes 1.3
- GoogleVis 1.1
- GoogleVis 1.2
- Plotly 1.1
- Plotly 1.2
- Plotly 1.3
- Plotly 1.4
- Plotly 1.5
- Plotly 1.6
- Plotly 1.7
- Plotly 1.8
- Cuestionario 1
UNIDAD 15 - R Markdown y Folleto · 15 leccionesDesarrollo de productos de datos - UNIDAD 15 - R Markdown y Folleto
UNIDAD 15 - R Markdown y Folleto · 15 lecciones
Desarrollo de productos de datos - UNIDAD 15 - R Markdown y Folleto
- R Markdown 1.1
- R Markdown 1.2
- R Markdown 1.3
- R Markdown 1.4
- R Markdown 1.5
- R Markdown 1.6
- Tres formas de compartir productos R Markdown
- Folleto 1.1
- Folleto 1.2
- Folleto 1.3
- Folleto 1.4
- Folleto 1.5
- Folleto 1.6
- Cuestionario 2
- R Markdown y Folleto
UNIDAD 16 - Paquetes R · 8 leccionesDesarrollo de productos de datos - UNIDAD 16 - Paquetes R
UNIDAD 16 - Paquetes R · 8 lecciones
Desarrollo de productos de datos - UNIDAD 16 - Paquetes R
- Paquetes R
- Paquetes R (Parte 1)
- Paquetes R (2ª parte)
- Demostración de construcción de paquetes R
- Clases y métodos de R (1ª parte)
- Clases y métodos de R (2ª parte)
- Prueba 3
- Presentación de R Markdown y Plotly
UNIDAD 17 - Proyecto Remolino y Rumbo · 5 leccionesDesarrollo de productos de datos - UNIDAD 17 - Proyecto Remolino y Rumbo
UNIDAD 17 - Proyecto Remolino y Rumbo · 5 lecciones
Desarrollo de productos de datos - UNIDAD 17 - Proyecto Remolino y Rumbo
- Remolino 1.1
- Remolino 1.2
- Remolino 1.3
- Proyecto de curso: Aplicación brillante y lanzamiento reproducible
- Encuesta posterior al curso
UNIDAD 18 - Visión general, comprensión del problema y obtención de los datos · 14 leccionesCiencia de datos Capstone - UNIDAD 18 - Visión general, comprensión del problema y obtención de los datos
UNIDAD 18 - Visión general, comprensión del problema y obtención de los datos · 14 lecciones
Ciencia de datos Capstone - UNIDAD 18 - Visión general, comprensión del problema y obtención de los datos
- Bienvenido al Proyecto Capstone
- Una nota explicativa
- Resumen del proyecto
- Bienvenido de SwiftKey
- Ya es un científico de datos
- Plan de estudios
- Introducción a la Tarea 0: Comprender el problema
- Tarea 0 - Comprender el problema
- Acerca de los corpus
- Introducción a la Tarea 1: Obtención y limpieza de los datos
- Tarea 1 - Obtención y limpieza de los datos
- Expresiones regulares: Parte 1 (Opcional)
- Expresiones regulares: Parte 2 (Opcional)
- Cuestionario 1: Primeros pasos
UNIDAD 19 - Análisis exploratorio de datos y modelización · 5 leccionesCiencia de datos Capstone - UNIDAD 19 - Análisis exploratorio de datos y modelización
UNIDAD 19 - Análisis exploratorio de datos y modelización · 5 lecciones
Ciencia de datos Capstone - UNIDAD 19 - Análisis exploratorio de datos y modelización
- Introducción a la Tarea 2: Análisis exploratorio de datos
- Tarea 2 - Análisis exploratorio de datos
- Introducción a la Tarea 3: Modelización
- Tarea 3 - Modelización
- Informe de hitos
UNIDAD 20 - Modelo de predicción · 3 leccionesCiencia de datos Capstone - UNIDAD 20 - Modelo de predicción
UNIDAD 20 - Modelo de predicción · 3 lecciones
Ciencia de datos Capstone - UNIDAD 20 - Modelo de predicción
- Introducción a la Tarea 4: Modelo de predicción
- Tarea 4 - Modelo de predicción
- Cuestionario 2: Procesamiento del lenguaje natural I
UNIDAD 21 - Exploración creativa · 3 leccionesCiencia de datos Capstone - UNIDAD 21 - Exploración creativa
UNIDAD 21 - Exploración creativa · 3 lecciones
Ciencia de datos Capstone - UNIDAD 21 - Exploración creativa
- Introducción a la Tarea 5: Exploración creativa
- Tarea 5 - Exploración creativa
- Prueba 3: Procesamiento del lenguaje natural II
UNIDAD 22 - Producto de datos · 2 leccionesCiencia de datos Capstone - UNIDAD 22 - Producto de datos
UNIDAD 22 - Producto de datos · 2 lecciones
Ciencia de datos Capstone - UNIDAD 22 - Producto de datos
- Introducción a la Tarea 6: Producto de datos
- Tarea 6 - Producto de datos
UNIDAD 23 - Diapositivas · 2 leccionesCiencia de datos Capstone - UNIDAD 23 - Diapositivas
UNIDAD 23 - Diapositivas · 2 lecciones
Ciencia de datos Capstone - UNIDAD 23 - Diapositivas
- Introducción a la Tarea 7: Diaporama
- Tarea 7 - Diaporama
UNIDAD 24 - Presentación y evaluación del proyecto final · 2 leccionesCiencia de datos Capstone - UNIDAD 24 - Presentación y evaluación del proyecto final
UNIDAD 24 - Presentación y evaluación del proyecto final · 2 lecciones
Ciencia de datos Capstone - UNIDAD 24 - Presentación y evaluación del proyecto final
- Presentación del proyecto final
- ¡Felicidades!
Certificado oficial
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
24 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
20 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por Johns Hopkins University.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 24 unidades · 301 lecciones · 240 h
- 12 meses de acceso
- 20 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por Johns Hopkins University; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
