0

  • No hay productos en el carrito.

Microsoft – Programación en R para Todos

Construye habilidades de programación en R con herramientas de Microsoft y flujos asistidos por IA. Nivel principiante.

Imagen de perfil

INEC

Estudiantes

0

  (

)

Actualizado:

agosto 15, 2025

coursera

Certificado del Programa

Los usuarios que se suscriban a este curso, tienen la oportunidad de obtener un Certificado de estudios con validez SEP , verificable, imprimible y descargable (PDF) . 

Para Obtener tu certificado SEP deberás presentar tu certificado de finalización de coursera. Tu membresía tiene incluida la emisión de 1 Certificado para el curso que elijas.

Si quieres cursar otro programa con certificado este tiene un costo de emisión de MXN $1,950

      • Introducción al curso R Programming Essentials with Microsoft Tools 00:02:34
      • Programa del curso 00:10:00
      • Primeros pasos con R 00:10:00
      • Herramientas de Microsoft para el desarrollo de R 00:15:00
      • Integración de R y las herramientas de Microsoft 00:08:37
      • Uso de R en el laboratorio de código de Visual Studio 00:15:00
      • Explorar R y VSCode 00:30:00
      • ¿Cuándo programar en R? 00:15:00
      • R y su historia (Optativo) 00:10:00
      • Cuestionario sobre los fundamentos de R 00:20:00
      • Escribir código básico en R 00:04:29
      • Funciones en R 00:10:00
      • Código R Organización 00:02:16
      • Normas de codificación de R 00:15:00
      • Creación del primer script de R 00:30:00
      • Sintaxis básica de R 00:20:00
      • Guía de instalación y configuración 00:15:00
      • Guía de instalación 00:05:50
      • Tutorial de configuración 00:03:19
      • Verificación de la configuración 00:20:00
      • Módulo 1: Resumen 00:10:00
      • ¿Por qué aprender los fundamentos de la programación en R? 00:03:12
      • Tipos de datos en R 00:20:00
      • Trabajar con variables 00:02:23
      • Uso de help() para aprender funciones 00:10:00
      • Tipos de datos de R 00:03:11
      • Buenas prácticas en materia de variables 00:15:00
      • Práctica de variables y tipos 01:00:00
      • Elección del tipo de datos adecuado 00:15:00
      • Variables y tipos Evaluación 00:20:00
      • Guía de estructuras de los datos de R 00:15:00
      • Vectores y listas 00:04:19
      • Trabajar con matrices y marcos de datos 00:10:00
      • Matrices y marcos de datos 00:06:24
      • Trabajar con estructuras de datos 01:00:00
      • Evaluación de las estructuras de los datos 00:20:00
      • Flujo de control en R 00:15:00
      • Fundamentos del flujo de control 00:13:30
      • Funciones en R 00:15:00
      • Tratamiento y prevención de errores 00:10:00
      • Creación de funciones 00:04:18
      • Flujo de control y funciones Práctica 01:00:00
      • Selección de bucle 00:15:00
      • Aplicación de la lógica de programación 01:00:00
      • Ejemplo de solución: Implementación de la lógica de programación 00:10:00
      • Resumen del módulo 2 00:10:00
      • ¿Por qué trabajar con Data? 00:02:48
      • Guía de importación de datos 00:15:00
      • Uso de paquetes y bibliotecas 00:10:00
      • Lectura de archivos de datos 00:05:24
      • Mejores prácticas de exportación 00:10:00
      • Métodos de exportación de datos 00:10:08
      • Práctica de importación y exportación de datos 01:00:00
      • Evaluación de E/S de datos 00:20:00
      • Fundamentos de la Manipulación de datos 00:10:00
      • Selección y filtrado de datos 00:12:29
      • Transformación de datos 00:05:29
      • Trabajar con subset() y merge() 00:10:00
      • Ejercicio de Manipulación de datos 01:00:00
      • Comprobación de habilidades de manipulación 00:20:00
      • Análisis estadístico en R 00:10:00
      • Relaciones y predicciones en R 00:10:00
      • Estadísticas básicas 00:07:07
      • Análisis Aplicación 01:00:00
      • Reflexión sobre el análisis sencillo de datos en R 00:15:00
      • Análisis de datos 00:20:00
      • Resumen del módulo 3 00:10:00
      • ¿Por qué aprender Control de versiones? 00:03:21
      • Control de versiones en Git y GitHub 00:10:00
      • Configuración de Git 00:10:00
      • Hacer tu primer commit en Git 00:10:00
      • Conexión a GitHub 00:10:00
      • Introducción a Git y GitHub 00:05:14
      • Trabajar con Git 00:06:09
      • Conceptos de control de versiones 00:20:00
      • ¿Por qué utilizar GitHub Copilot? 00:02:52
      • Programación R asistida por IA 00:10:00
      • Inicio de sesión y configuración de GitHub Copilot 00:10:00
      • Conexión de Copilot en Visual Studio Code Labs 00:10:00
      • Configuración del copiloto 00:03:39
      • Uso de Copilot para escribir y depurar código R 00:10:00
      • Uso de Copilot con R 00:05:07
      • Conceptos básicos de Git y GitHub 00:15:00
      • IA Evaluación de la asistencia 00:20:00
      • Resumen del módulo 4 00:10:00
      • Resumen del proyecto 00:10:00
      • Ejemplo de ejecución de un proyecto 00:08:25
      • Laboratorio de prácticas 1: Proyecto de muestra 1 01:30:00
      • Laboratorio de prácticas 2: Proyecto de muestra 2 01:30:00
      • Proyecto final: Análisis del programa de fidelización de CafeHub Ilimitado
      • Ejemplo de Solución: Proyecto Final CafeHub Análisis del Programa de Fidelización 00:10:00
      • Actividad práctica: Presentar su proyecto de R a un responsable de contratación 00:15:00
      • Subir el proyecto final a GitHub 00:10:00
      • Resumen del módulo 5 00:10:00
      • Resumen del curso y próximos pasos 00:10:00
        • Bienvenido a Manipulación y limpieza de datos en R 00:02:21
        • Navegación por el curso y requisitos generales 00:30:00
        • Creación de la carpeta GitHub para este curso 00:30:00
        • Comprender los datos ordenados 00:03:19
        • Primeros pasos con dplyr 00:15:00
        • Guía de funciones esenciales de dplyr 00:15:00
        • Manos a la obra con dplyr Basics 00:09:40
        • Uso de R en el laboratorio de código de Visual Studio 00:15:00
        • Conexión de Copilot en Visual Studio Code Labs 00:10:00
        • Actividad práctica: Práctica con datos de comercio minorista 01:00:00
        • Exploración de los principios de Tidy Data a través de escenarios reales 00:15:00
        • evaluación de los fundamentos de dplyr 00:20:00
        • Entender la Transformación de datos 00:30:00
        • Transformación de datos en acción 00:09:06
        • Actividad práctica: Transformación de datos 01:00:00
        • Técnicas avanzadas de transformación de datos 00:30:00
        • Actividad práctica: Práctica avanzada de Transformación de datos 01:00:00
        • Entender la Transformación de datos 00:15:00
        • Transformación de datos Evaluación post laboratorio 00:20:00
        • Resumen del módulo 00:10:00
        • Comprender los formatos de datos 00:02:47
        • Guía de formatos largos y anchos de datos 00:15:00
        • Remodelación de datos con tidyr 00:06:52
        • Prácticas de transformación de datos 01:00:00
        • Tomar decisiones estratégicas en la reestructuración de datos 00:15:00
        • Fundamentos de los formatos de datos 00:20:00
        • Introducción a las operaciones en columna 00:15:00
        • Implementación de operaciones de columna 00:07:15
        • Manipulación avanzada de columnas 00:30:00
        • Práctica de operaciones en columna 01:00:00
        • Evaluación de las operaciones de columna 00:20:00
        • Resumen del módulo 00:10:00
        • Introducción a la manipulación de cadenas 00:30:00
        • Guía de expresiones regulares 00:15:00
        • Cuantificadores y patrones en regex 00:20:00
        • Funciones de cadena en acción 00:09:18
        • Actividad práctica: Funciones de cadena en acción 01:00:00
        • Reconocimiento de patrones en la manipulación de cadenas 00:15:00
        • Manipulación básica de cadenas 00:20:00
        • Operaciones de cadena avanzadas 00:30:00
        • Normalización y transformación de cadenas 00:10:00
        • Prácticas avanzadas de operaciones con cadenas 01:00:00
        • Demostración de funciones de cadena avanzadas 00:09:39
        • Integración con dplyr 00:15:00
        • Práctica de manipulación de cuerdas 01:00:00
        • Funciones de manipulación de cadenas 00:15:00
        • Operaciones avanzadas con cuerdas Evaluación POST LAB 00:20:00
        • Resumen del módulo 00:10:00
        • Impacto de la falta de datos 00:03:14
        • Guía de tratamiento de valores perdidos 00:30:00
        • Comprender los valores perdidos en R 00:06:40
        • Métodos avanzados de imputación para el análisis exhaustivo de datos (opcional) 00:10:00
        • Detección y tratamiento de valores perdidos 00:10:00
        • Práctica del valor perdido 01:00:00
        • Enfoques estratégicos ante la falta de datos 00:15:00
        • Conceptos de valores perdidos 00:20:00
        • Comprender los valores atípicos y los duplicados 00:30:00
        • Guía de métodos estadísticos 00:30:00
        • Demostración de detección de valores atípicos y duplicados 00:06:38
        • Prácticas de detección de valores atípicos y duplicados 01:00:00
        • Tratamiento de valores atípicos y duplicados 00:20:00
        • Introducción a la IA en la limpieza de datos 00:30:00
        • Demostración de limpieza de datos asistida por IA 00:09:15
        • Mejores prácticas en herramientas de IA 00:30:00
        • Práctica de limpieza de datos asistida por IA 01:00:00
        • Evaluación de las herramientas de IA 00:20:00
        • Resumen del módulo 00:15:00
        • Resumen del proyecto 00:30:00
        • Ejemplo de proyecto 1 – Práctica 01:00:00
        • Ejemplo de proyecto: Ejecución del proyecto 00:10:00
        • Ejemplo de proyecto 2 – Práctica 00:45:00
        • Ejecución final del proyecto 02:00:00
        • [Proyecto final 00:10:00
        • Resumen del módulo 00:30:00
        • Actividad práctica: asesorar a un compañero sobre un problema de calidad de los datos 00:15:00
        • Resumen del curso y próximos pasos 00:30:00
        • Aprovechar lo aprendido 00:15:00
          • Introducción al curso de Análisis exploratorio de datos y visualización 00:03:08
          • Programa del curso 00:05:00
          • Creación de la carpeta GitHub para este curso 00:03:00
          • Uso de R en el laboratorio de código de Visual Studio 00:05:00
          • Conexión de Copilot en Visual Studio Code Labs 00:10:00
          • Configuración de VS Code para ver sus gráficos 00:03:00
          • Por qué es importante EDA: Aplicaciones reales 00:02:55
          • Fundamentos del análisis exploratorio de datos 00:04:00
          • Exploración de EDA con estadísticas y visualizaciones 00:12:00
          • Paseo práctico por EDA 00:05:59
          • Primeros pasos en EDA: análisis de datos de pacientes hospitalizados 01:00:00
          • Diseñar su estrategia EDA 00:15:00
          • Evaluación de los fundamentos de EDA 00:20:00
          • La importancia de los datos limpios 00:04:00
          • Gestión de valores perdidos e inválidos con Tidyverse 00:06:00
          • Normalización de categorías y normalización de valores con Tidyverse 00:06:00
          • Creación y categorización de nuevas funciones con Tidyverse 00:03:00
          • Limpieza de datos en acción 00:07:40
          • Trabajar con fechas utilizando as.Date() 00:08:00
          • Laboratorio no calificado: Práctica de Preprocesamiento de datos sanitarios 01:00:00
          • Laboratorio no calificado: Técnicas avanzadas de limpieza de datos 01:00:00
          • Revisión Preprocesamiento de datos para EDA 00:15:00
          • Evaluación del Preprocesamiento de datos 00:20:00
          • Resumen del módulo 00:03:00
          • El poder del análisis de una sola variable 00:03:20
          • Comprender las distribuciones de variables 00:10:00
          • Creación de visualizaciones univariantes eficaces 00:07:21
          • Laboratorios no calificados: Exploración de variables individuales en datos sanitarios 01:00:00
          • Laboratorio no calificado: Técnicas avanzadas de análisis univariado 01:00:00
          • De las variables individuales a las relaciones 00:15:00
          • Análisis univariado Evaluación 00:20:00
          • Técnicas de correlación y asociación 00:10:00
          • Comprender las relaciones entre variables 00:05:05
          • Visualización de las relaciones entre variables 00:06:13
          • Laboratorio no calificado: Análisis de la satisfacción del paciente 01:00:00
          • Laboratorio no calificado: Análisis avanzado de relaciones 01:00:00
          • Análisis bivariado Evaluación 00:20:00
          • Resumen del módulo 00:03:00
          • Introducción a las relaciones de datos complejas 00:03:35
          • Técnicas avanzadas de visualización 00:10:00
          • Análisis multivariante en la práctica 00:04:46
          • Laboratorio no calificado: Análisis de la asistencia sanitaria a los empleados 01:00:00
          • Laboratorio no calificado: Reconocimiento de patrones complejos 01:00:00
          • Navegación por relaciones de datos complejas 00:15:00
          • Análisis multivariante Evaluación 00:20:00
          • Cuándo y por qué utilizar la PCA 00:04:00
          • PCA y Transformación de datos 00:09:00
          • Comprender la Reducción de dimensionalidad 00:05:55
          • Implementación de PCA en R 00:04:26
          • Laboratorio no calificado: Práctica de Reducción de dimensionalidad 01:00:00
          • Laboratorio no graduado: Aplicaciones avanzadas de PCA 01:00:00
          • Cómo entender la reducción de dimensionalidad 00:15:00
          • Evaluación de la reducción de dimensionalidad 00:20:00
          • Resumen del módulo 00:03:00
          • El poder de la visualización de datos interactiva 00:03:59
          • Técnicas de visualización interactiva 00:08:00
          • Interactividad avanzada y compatibilidad con flujos de trabajo 00:09:00
          • Creación de visualizaciones interactivas 00:06:36
          • Laboratorio no calificado: Panel interactivo de tráfico del sitio web 01:00:00
          • Laboratorio no calificado: Visualizaciones interactivas avanzadas 01:00:00
          • Visualización interactiva Evaluación 00:20:00
          • Mejores prácticas en la visualización de datos 00:09:00
          • Creación de informes reproducibles con R Markdown 00:10:00
          • Principios de la comunicación eficaz de datos 00:05:45
          • Creación de informes profesionales 00:06:33
          • Laboratorio no calificado: Elaboración de informes con calidad de publicación 01:00:00
          • Laboratorio no calificado: Técnicas avanzadas de elaboración de informes 01:00:00
          • Elaboración de relatos de datos eficaces 00:15:00
          • Visualización y evaluación de informes 00:20:00
          • Resumen del módulo 00:02:00
          • Resumen del proyecto 00:02:00
          • Ejemplo de proyecto 1 01:00:00
          • Ejemplo de ejecución del proyecto nº 1 00:10:49
          • Ejemplo de proyecto 2 01:00:00
          • Proyecto Final: Exploración y visualización de datos de pacientes 02:00:00
          • [Proyecto final 00:10:00
          • Actividad práctica: Presentación de un informe EDA interactivo a un analista senior 00:15:00
          • Resumen del módulo 00:02:00
          • Aprovechar lo aprendido 00:15:00
          • Resumen del curso y próximos pasos 00:03:00
            • Curso de Introducción al Análisis Estadístico y Técnicas Avanzadas 00:02:56
            • Programa del curso 00:06:00
            • Uso de R en el laboratorio de código de Visual Studio 00:15:00
            • Conexión de Copilot en Visual Studio Code Labs 00:10:00
            • Estadísticas en acción 00:03:19
            • Fundamentos del análisis estadístico 00:20:00
            • Funciones estadísticas básicas en R 00:07:34
            • Exploración de funciones estadísticas 01:00:00
            • Elegir la prueba estadística adecuada 00:15:00
            • Fundamentos del análisis estadístico 00:20:00
            • Guía para el Testeo de hipótesis 00:25:00
            • Qué son realmente las modelos 00:03:00
            • Elegir la prueba RIGHT en R 00:25:00
            • Comprender la prueba de hipótesis 00:05:53
            • Implementación de pruebas en R 00:04:54
            • Práctica de Testeo de hipótesis 01:00:00
            • Pruebas de rendimiento de los empleados 01:00:00
            • Testeo de hipótesis Evaluación 00:20:00
            • Resumen del módulo 00:02:00
            • Regresión en la toma de decisiones empresariales 00:03:30
            • Comprensión de la Regresión lineal simple 00:20:00
            • Implementación de la Regresión lineal en R 00:05:36
            • Creación de su primer modelo de regresión 01:00:00
            • Evaluación de la Regresión lineal simple 00:20:00
            • Guía de regresión múltiple 00:20:00
            • Introducción a la regresión múltiple 00:04:51
            • Análisis de predictores múltiples 01:00:00
            • Evaluación de la Regresión lineal múltiple 00:20:00
            • Guía de diagnóstico de regresión 00:20:00
            • Diagnóstico de modelos en R 00:05:00
            • Estrategias de solución diagnóstica 00:05:00
            • Práctica de validación de modelos 01:00:00
            • Interpretación de los resultados de la regresión 00:15:00
            • Diagnóstico del modelo y evaluación de la validación 00:20:00
            • Resumen del módulo 00:05:00
            • Regresión logística en acción 00:03:07
            • Comprender la regresión logística 00:15:00
            • Regresión logística básica en R 00:04:11
            • Fundamentos de la regresión logística 00:20:00
            • Su primer modelo logístico 01:00:00
            • Evaluación de la Regresión logística binaria 00:20:00
            • Guía de construcción de maquetas 00:10:00
            • Construcción de modelos complejos 01:00:00
            • Evaluación de la construcción e interpretación de modelos 00:20:00
            • Guía de validación 00:10:00
            • Validación de modelos de regresión logística binaria 00:30:00
            • Técnicas de evaluación de modelos 00:04:38
            • Técnicas de validación de modelos 01:00:00
            • Optimización de modelos logísticos 00:15:00
            • Evaluación y validación de modelos 00:20:00
            • Resumen del módulo 00:05:00
            • Series temporales en los negocios 00:03:24
            • Comprender los datos de las series temporales 00:15:00
            • Fundamentos de las series temporales 00:15:00
            • Trabajar con series temporales en R 00:08:22
            • Exploración de datos de series temporales 01:00:00
            • Elegir el método de previsión adecuado 00:15:00
            • Evaluación de los componentes de las series temporales 00:20:00
            • Guía de técnicas de previsión 00:10:00
            • Previsiones de construcción 00:15:00
            • Aplicación de métodos de previsión 00:11:42
            • Evaluación de métodos de previsión de series temporales 00:20:00
            • Guía de selección de modelos 00:25:00
            • Evaluación de la precisión de las previsiones 00:08:01
            • Evaluación del modelo Práctica 01:00:00
            • Evaluación del modelo y valoración de la selección 00:20:00
            • Resumen del módulo 00:02:00
            • Exportación de informes de Excel con R 00:20:00
            • Integración de R en Excel 00:03:44
            • Mejora de la legibilidad de Excel con el formato R 00:10:00
            • Formateo de R a Excel 00:05:53
            • Automatización de informes de Excel con R 00:05:00
            • Visión general de la integración de R-Power BI 00:15:00
            • R en Power BI 00:07:09
            • Resumen del proyecto 00:02:00
            • Ejemplo de proyecto 1 01:00:00
            • Ejemplo de proyecto: Ejecución del proyecto 00:07:52
            • Ejemplo de proyecto 2 01:00:00
            • Proyecto Final: Desarrollo y validación de modelos de regresión 02:00:00
            • [Proyecto final 00:10:00
            • Prueba de evaluación del proyecto final 00:20:00
            • Resumen del módulo 00:02:00
            • Aprovechar lo aprendido 00:15:00
            • Actividad práctica: Presentación de los resultados analíticos a una parte interesada de la empresa 00:15:00
            • Resumen del curso y próximos pasos 00:04:00
              • Introducción a las aplicaciones e integración de datos avanzadas 00:02:59
              • Programa del curso 00:03:00
              • Uso de R en el laboratorio de código de Visual Studio 00:15:00
              • Conexión de Copilot en Visual Studio Code Labs 00:10:00
              • Introducción al Web Scraping Casos de uso y ética 00:03:12
              • Introducción a la recogida de datos web 00:07:00
              • Fundamentos del Web Scraping 00:08:00
              • Manos a la obra con rvest: Guía práctica 00:03:20
              • Generación de código de raspado web asistido por IA 00:04:09
              • Prácticas básicas de Web Scraping 01:00:00
              • Evaluación de conceptos de Web Scraping 00:20:00
              • Comprender las API: Su puerta de acceso a los datos 00:08:00
              • Fundamentos e implementación de la API 00:15:00
              • Llamadas básicas a la API 00:02:52
              • Uso de herramientas de IA para la generación de código API 00:03:24
              • Primeros pasos con las API 01:00:00
              • Diálogo sobre la estrategia de raspado web ético 00:15:00
              • Evaluación de los fundamentos de API 00:20:00
              • Por qué importan los mapas: Aplicaciones en el mundo real 00:02:55
              • Introducción a los datos geográficos 00:07:00
              • Examinar distintos tipos de mapas 00:03:41
              • Fundamentos de los datos geográficos 00:06:00
              • Evaluación de conceptos de datos geográficos 00:20:00
              • Fundamentos del folleto e interactividad 00:08:00
              • Crear su primer mapa interactivo 00:02:53
              • Características interactivas esenciales en el folleto 00:02:17
              • Construir mapas interactivos 01:00:00
              • Conceptos de cartografía interactiva 00:20:00
              • Cartografía interactiva avanzada 00:06:00
              • Características avanzadas del folleto 00:03:19
              • Mejores prácticas de visualización interactiva 00:02:43
              • Introducción al diseño de mapas interactivos para datos espaciales 00:15:00
              • Cartografía interactiva avanzada 01:00:00
              • Evaluación de funciones interactivas avanzadas 00:20:00
              • ¿Por qué data.table? Aplicaciones reales 00:02:31
              • fundamentos de data.table 00:05:00
              • Primeros pasos con data.table 00:03:39
              • guía de sintaxis de data.table 00:04:00
              • data.table Basics Evaluación 00:20:00
              • Conceptos avanzados de data.table 00:06:00
              • Optimización de las operaciones data.table 00:04:55
              • Evaluación avanzada de operaciones data.table 00:20:00
              • Informes dinámicos en acción 00:03:10
              • Fundamentos de RMarkdown dinámico 00:06:00
              • Texto dinámico y sección condicional en RMarkdown 00:07:00
              • Creación de informes dinámicos 00:05:42
              • Creación de informes dinámicos 01:00:00
              • Informes dinámicos Evaluación 00:20:00
              • Informes interactivos 00:08:00
              • Añadir elementos interactivos 00:05:06
              • Funciones interactivas de RMarkdown 00:08:00
              • Cómo utilizar elementos interactivos para mejorar tus informes 00:15:00
              • Características de los informes interactivos 01:00:00
              • Elementos interactivos Evaluación 00:20:00
              • Fundamentos del almacenamiento en la nube 00:06:00
              • Almacenamiento en la nube para el análisis de datos 00:10:00
              • Trabajar con la interfaz de almacenamiento de Azure 00:03:50
              • Gestión de archivos en Azure Blob Storage 00:03:36
              • Seguridad y rentabilidad con Azure Blob Storage 00:02:00
              • Comprensión de los conceptos relacionados con el almacenamiento en la nube y la gestión de datos 00:15:00
              • Evaluación de los conceptos de almacenamiento en la nube 00:20:00
              • Preparación del proyecto y fases iniciales del análisis 00:03:00
              • Guía de estudio: Preparación de los datos para el análisis (opcional) 00:20:00
              • Análisis inicial de las zonas taxi 01:00:00
              • Preparación del proyecto y evaluación del análisis inicial 00:20:00
              • Técnicas de visualización espacial 00:02:12
              • Guía de estudio: Modelización y análisis espacial (Optativo) 00:20:00
              • Modelización estadística y análisis espacial 01:00:00
              • Evaluación de modelos estadísticos y análisis espacial 00:20:00
              • Presentación de resultados 00:02:26
              • Guía de estudio: Documentación y organización (opcional) 00:20:00
              • Documentación y resultados 01:00:00
              • Documentación y evaluación de resultados 00:20:00
              • Demuestre sus habilidades en Ciencia de datos 00:05:00
              • Organizar su cartera 00:02:48
              • Muestra tu trabajo: Portafolio de GitHub 00:20:00
              • Por qué un buen portfolio abre puertas que las solicitudes no pueden abrir 00:15:00
              • Actividad práctica: Presentación de tu proyecto de fin de carrera ante un tribunal de evaluación de proyectos 00:15:00

            Comparte esta certificación.

            Información del Curso

            240 Horas Curriculares

            24 Créditos Académicos

            Accede por tu Smartphone

            Certificado oficial SEP

            Aprendizaje especializado

            Contenido de la Certificación

            Construye habilidades de programación en R con herramientas de Microsoft y flujos asistidos por IA. Nivel principiante.

            Aprende R en el ecosistema profesional de Microsoft (VS Code, GitHub Copilot), con proyectos prácticos usando datos reales para portafolio.

            Domina tidyverse para manipulación y limpieza, visualización exploratoria, estadística básica y aplicaciones avanzadas con integración a la nube.

            Culmina con un proyecto capstone resolviendo un problema de negocio.

            • Escribir código R eficiente y analizar conjuntos de datos.
            • Crear visualizaciones profesionales e integrar servicios en la nube.
            • Colaborar con control de versiones y usar IA para acelerar el desarrollo.



            CURSO 1: R Programming Essentials with Microsoft Tools
            • Fundamentos de R en VS Code; control de versiones; práctica asistida por IA.

            CURSO 2: Data Manipulation and Cleaning in R
            • Limpieza y preparación con tidyverse; manejo de valores faltantes; reproducibilidad.

            CURSO 3: Exploratory Data Analysis and Visualization
            • Visualización y patrones estadísticos; herramientas ggplot2/Plotly; EDA guiada.

            CURSO 4: Statistical Analysis and Advanced Techniques
            • Pruebas estadísticas; regresión; series de tiempo; inferencia; modelado predictivo.

            CURSO 5: Advanced Data Applications and Integration
            • Web scraping; visualizaciones interactivas; datos espaciales; integración con Azure.

            Related Courses

            top
              INEC es una Marca de SalesPartners Ciudad de México S de RL de CV. Template Design © Learnify LMS. All rights reserved. Terminos y Condiciones Aviso de Privacidad Politica de Devolución
            Hide picture