Programación en R para Todos
Construye habilidades de programación en R con herramientas de Microsoft y flujos asistidos por IA. Nivel principiante.
Certificado con validez SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea
100% autodidacta
26 unidades
Nivel principiante
Modalidad
Así estudias: curso autodidacta
- Autodidacta y 100% en línea: contenido disponible 24/7.
- Avanzas a tu ritmo: la plataforma guarda tu progreso.
- Sin tutor ni clases en vivo: el curso está diseñado para estudiarse por tu cuenta.
- Te evalúas con actividades automáticas, sin entregas a un tutor.
Qué aprenderás
Lo que serás capaz de hacer
Aprende a programar en R con herramientas profesionales de Microsoft y flujos de trabajo asistidos por IA. Desarrolla proyectos prácticos con datos reales, desde la preparación y visualización hasta el análisis estadístico y la integración con la nube.
- Escribir código R eficiente en Visual Studio Code y aplicar fundamentos de programación.
- Limpiar, transformar y preparar datos con tidyverse, incluidos los valores faltantes.
- Crear visualizaciones profesionales y exploraciones de datos con ggplot2 y Plotly.
- Aplicar estadística básica, regresión, series de tiempo y técnicas de modelado predictivo.
Habilidades que desarrollarás
Version Control
GitHub Copilot
R (Software)
Preparación de datos
Statistical Reporting
Data Transformation
Data Processing
Microsoft Visual Studio
Data Literacy
Development Environment
Fundamentos de programación
Scripting Languages
Temario
UNIDAD 1 - Introducción a R y Visual Studio Code · 21 leccionesFundamentos de programación de R con herramientas de Microsoft - UNIDAD 1 - Introducción a R y Visual Studio Code
UNIDAD 1 - Introducción a R y Visual Studio Code · 21 lecciones
Fundamentos de programación de R con herramientas de Microsoft - UNIDAD 1 - Introducción a R y Visual Studio Code
- Introducción al curso R Programming Essentials with Microsoft Tools
- Programa del curso
- Primeros pasos con R
- Herramientas de Microsoft para el desarrollo de R
- Integración de R y las herramientas de Microsoft
- Uso de R en el laboratorio de código de Visual Studio
- Explorar R y VSCode
- ¿Cuándo programar en R?
- R y su historia (Optativo)
- Cuestionario sobre los fundamentos de R
- Escribir código básico en R
- Funciones en R
- Código R Organización
- Normas de codificación de R
- Creación del primer script de R
- Sintaxis básica de R
- Guía de instalación y configuración
- Guía de instalación
- Tutorial de configuración
- Verificación de la configuración
- Módulo 1: Resumen
UNIDAD 2 - Fundamentos de programación en R · 25 leccionesFundamentos de programación de R con herramientas de Microsoft - UNIDAD 2 - Fundamentos de programación en R
UNIDAD 2 - Fundamentos de programación en R · 25 lecciones
Fundamentos de programación de R con herramientas de Microsoft - UNIDAD 2 - Fundamentos de programación en R
- ¿Por qué aprender los fundamentos de la programación en R?
- Tipos de datos en R
- Trabajar con variables
- Uso de help() para aprender funciones
- Tipos de datos de R
- Buenas prácticas en materia de variables
- Práctica de variables y tipos
- Elección del tipo de datos adecuado
- Variables y tipos Evaluación
- Guía de estructuras de los datos de R
- Vectores y listas
- Trabajar con matrices y marcos de datos
- Matrices y marcos de datos
- Trabajar con estructuras de datos
- Evaluación de las estructuras de los datos
- Flujo de control en R
- Fundamentos del flujo de control
- Funciones en R
- Tratamiento y prevención de errores
- Creación de funciones
- Flujo de control y funciones Práctica
- Selección de bucle
- Aplicación de la lógica de programación
- Ejemplo de solución: Implementación de la lógica de programación
- Resumen del módulo 2
UNIDAD 3 - Trabajar con datos · 21 leccionesFundamentos de programación de R con herramientas de Microsoft - UNIDAD 3 - Trabajar con datos
UNIDAD 3 - Trabajar con datos · 21 lecciones
Fundamentos de programación de R con herramientas de Microsoft - UNIDAD 3 - Trabajar con datos
- ¿Por qué trabajar con Data?
- Guía de importación de datos
- Uso de paquetes y bibliotecas
- Lectura de archivos de datos
- Mejores prácticas de exportación
- Métodos de exportación de datos
- Práctica de importación y exportación de datos
- Evaluación de E/S de datos
- Fundamentos de la Manipulación de datos
- Selección y filtrado de datos
- Transformación de datos
- Trabajar con subset() y merge()
- Ejercicio de Manipulación de datos
- Comprobación de habilidades de manipulación
- Análisis estadístico en R
- Relaciones y predicciones en R
- Estadísticas básicas
- Análisis Aplicación
- Reflexión sobre el análisis sencillo de datos en R
- Análisis de datos
- Resumen del módulo 3
UNIDAD 4 - Control de versión y asistencia de IA · 18 leccionesFundamentos de programación de R con herramientas de Microsoft - UNIDAD 4 - Control de versión y asistencia de IA
UNIDAD 4 - Control de versión y asistencia de IA · 18 lecciones
Fundamentos de programación de R con herramientas de Microsoft - UNIDAD 4 - Control de versión y asistencia de IA
- ¿Por qué aprender Control de versiones?
- Control de versiones en Git y GitHub
- Configuración de Git
- Hacer tu primer commit en Git
- Conexión a GitHub
- Introducción a Git y GitHub
- Trabajar con Git
- Conceptos de control de versiones
- ¿Por qué utilizar GitHub Copilot?
- Programación R asistida por IA
- Inicio de sesión y configuración de GitHub Copilot
- Conexión de Copilot en Visual Studio Code Labs
- Configuración del copiloto
- Uso de Copilot para escribir y depurar código R
- Uso de Copilot con R
- Conceptos básicos de Git y GitHub
- IA Evaluación de la asistencia
- Resumen del módulo 4
UNIDAD 5 - Proyecto final · 10 leccionesFundamentos de programación de R con herramientas de Microsoft - UNIDAD 5 - Proyecto final
UNIDAD 5 - Proyecto final · 10 lecciones
Fundamentos de programación de R con herramientas de Microsoft - UNIDAD 5 - Proyecto final
- Resumen del proyecto
- Ejemplo de ejecución de un proyecto
- Laboratorio de prácticas 1: Proyecto de muestra 1
- Laboratorio de prácticas 2: Proyecto de muestra 2
- Proyecto final: Análisis del programa de fidelización de CafeHub
- Ejemplo de Solución: Proyecto Final CafeHub Análisis del Programa de Fidelización
- Actividad práctica: Presentar su proyecto de R a un responsable de contratación
- Subir el proyecto final a GitHub
- Resumen del módulo 5
- Resumen del curso y próximos pasos
UNIDAD 6 - Introducción a la Manipulación de datos con dplyr · 20 leccionesManipulación y limpieza de datos en R - UNIDAD 6 - Introducción a la Manipulación de datos con dplyr
UNIDAD 6 - Introducción a la Manipulación de datos con dplyr · 20 lecciones
Manipulación y limpieza de datos en R - UNIDAD 6 - Introducción a la Manipulación de datos con dplyr
- Bienvenido a Manipulación y limpieza de datos en R
- Navegación por el curso y requisitos generales
- Creación de la carpeta GitHub para este curso
- Comprender los datos ordenados
- Primeros pasos con dplyr
- Guía de funciones esenciales de dplyr
- Manos a la obra con dplyr Basics
- Uso de R en el laboratorio de código de Visual Studio
- Conexión de Copilot en Visual Studio Code Labs
- Actividad práctica: Práctica con datos de comercio minorista
- Exploración de los principios de Tidy Data a través de escenarios reales
- evaluación de los fundamentos de dplyr
- Entender la Transformación de datos
- Transformación de datos en acción
- Actividad práctica: Transformación de datos
- Técnicas avanzadas de transformación de datos
- Actividad práctica: Práctica avanzada de Transformación de datos
- Entender la Transformación de datos
- Transformación de datos Evaluación post laboratorio
- Resumen del módulo
UNIDAD 7 - Remodelación de datos con tidyr · 12 leccionesManipulación y limpieza de datos en R - UNIDAD 7 - Remodelación de datos con tidyr
UNIDAD 7 - Remodelación de datos con tidyr · 12 lecciones
Manipulación y limpieza de datos en R - UNIDAD 7 - Remodelación de datos con tidyr
- Comprender los formatos de datos
- Guía de formatos largos y anchos de datos
- Remodelación de datos con tidyr
- Prácticas de transformación de datos
- Tomar decisiones estratégicas en la reestructuración de datos
- Fundamentos de los formatos de datos
- Introducción a las operaciones en columna
- Implementación de operaciones de columna
- Manipulación avanzada de columnas
- Práctica de operaciones en columna
- Evaluación de las operaciones de columna
- Resumen del módulo
UNIDAD 8 - Manipulación de cadenas con stringr · 16 leccionesManipulación y limpieza de datos en R - UNIDAD 8 - Manipulación de cadenas con stringr
UNIDAD 8 - Manipulación de cadenas con stringr · 16 lecciones
Manipulación y limpieza de datos en R - UNIDAD 8 - Manipulación de cadenas con stringr
- Introducción a la manipulación de cadenas
- Guía de expresiones regulares
- Cuantificadores y patrones en regex
- Funciones de cadena en acción
- Actividad práctica: Funciones de cadena en acción
- Reconocimiento de patrones en la manipulación de cadenas
- Manipulación básica de cadenas
- Operaciones de cadena avanzadas
- Normalización y transformación de cadenas
- Prácticas avanzadas de operaciones con cadenas
- Demostración de funciones de cadena avanzadas
- Integración con dplyr
- Práctica de manipulación de cuerdas
- Funciones de manipulación de cadenas
- Operaciones avanzadas con cuerdas Evaluación POST LAB
- Resumen del módulo
UNIDAD 9 - Tratamiento de valores omitidos y duplicados · 19 leccionesManipulación y limpieza de datos en R - UNIDAD 9 - Tratamiento de valores omitidos y duplicados
UNIDAD 9 - Tratamiento de valores omitidos y duplicados · 19 lecciones
Manipulación y limpieza de datos en R - UNIDAD 9 - Tratamiento de valores omitidos y duplicados
- Impacto de la falta de datos
- Guía de tratamiento de valores perdidos
- Comprender los valores perdidos en R
- Métodos avanzados de imputación para el análisis exhaustivo de datos (opcional)
- Detección y tratamiento de valores perdidos
- Práctica del valor perdido
- Enfoques estratégicos ante la falta de datos
- Conceptos de valores perdidos
- Comprender los valores atípicos y los duplicados
- Guía de métodos estadísticos
- Demostración de detección de valores atípicos y duplicados
- Prácticas de detección de valores atípicos y duplicados
- Tratamiento de valores atípicos y duplicados
- Introducción a la IA en la limpieza de datos
- Demostración de limpieza de datos asistida por IA
- Mejores prácticas en herramientas de IA
- Práctica de limpieza de datos asistida por IA
- Evaluación de las herramientas de IA
- Resumen del módulo
UNIDAD 10 - Proyecto final · 10 leccionesManipulación y limpieza de datos en R - UNIDAD 10 - Proyecto final
UNIDAD 10 - Proyecto final · 10 lecciones
Manipulación y limpieza de datos en R - UNIDAD 10 - Proyecto final
- Resumen del proyecto
- Ejemplo de proyecto 1 - Práctica
- Ejemplo de proyecto: Ejecución del proyecto
- Ejemplo de proyecto 2 - Práctica
- Ejecución final del proyecto
- [Proyecto final
- Resumen del módulo
- Actividad práctica: asesorar a un compañero sobre un problema de calidad de los datos
- Resumen del curso y próximos pasos
- Aprovechar lo aprendido
UNIDAD 11 - Introducción al análisis exploratorio de datos (AED) · 24 leccionesAnálisis exploratorio y visualización de datos - UNIDAD 11 - Introducción al análisis exploratorio de datos (AED)
UNIDAD 11 - Introducción al análisis exploratorio de datos (AED) · 24 lecciones
Análisis exploratorio y visualización de datos - UNIDAD 11 - Introducción al análisis exploratorio de datos (AED)
- Introducción al curso de Análisis exploratorio de datos y visualización
- Programa del curso
- Creación de la carpeta GitHub para este curso
- Uso de R en el laboratorio de código de Visual Studio
- Conexión de Copilot en Visual Studio Code Labs
- Configuración de VS Code para ver sus gráficos
- Por qué es importante EDA: Aplicaciones reales
- Fundamentos del análisis exploratorio de datos
- Exploración de EDA con estadísticas y visualizaciones
- Paseo práctico por EDA
- Primeros pasos en EDA: análisis de datos de pacientes hospitalizados
- Diseñar su estrategia EDA
- Evaluación de los fundamentos de EDA
- La importancia de los datos limpios
- Gestión de valores perdidos e inválidos con Tidyverse
- Normalización de categorías y normalización de valores con Tidyverse
- Creación y categorización de nuevas funciones con Tidyverse
- Limpieza de datos en acción
- Trabajar con fechas utilizando as.Date()
- Laboratorio no calificado: Práctica de Preprocesamiento de datos sanitarios
- Laboratorio no calificado: Técnicas avanzadas de limpieza de datos
- Revisión Preprocesamiento de datos para EDA
- Evaluación del Preprocesamiento de datos
- Resumen del módulo
UNIDAD 12 - Análisis univariante y bivariante · 14 leccionesAnálisis exploratorio y visualización de datos - UNIDAD 12 - Análisis univariante y bivariante
UNIDAD 12 - Análisis univariante y bivariante · 14 lecciones
Análisis exploratorio y visualización de datos - UNIDAD 12 - Análisis univariante y bivariante
- El poder del análisis de una sola variable
- Comprender las distribuciones de variables
- Creación de visualizaciones univariantes eficaces
- Laboratorios no calificados: Exploración de variables individuales en datos sanitarios
- Laboratorio no calificado: Técnicas avanzadas de análisis univariado
- De las variables individuales a las relaciones
- Análisis univariado Evaluación
- Técnicas de correlación y asociación
- Comprender las relaciones entre variables
- Visualización de las relaciones entre variables
- Laboratorio no calificado: Análisis de la satisfacción del paciente
- Laboratorio no calificado: Análisis avanzado de relaciones
- Análisis bivariado Evaluación
- Resumen del módulo
UNIDAD 13 - Análisis multivariante y Reducción de dimensionalidad · 16 leccionesAnálisis exploratorio y visualización de datos - UNIDAD 13 - Análisis multivariante y Reducción de dimensionalidad
UNIDAD 13 - Análisis multivariante y Reducción de dimensionalidad · 16 lecciones
Análisis exploratorio y visualización de datos - UNIDAD 13 - Análisis multivariante y Reducción de dimensionalidad
- Introducción a las relaciones de datos complejas
- Técnicas avanzadas de visualización
- Análisis multivariante en la práctica
- Laboratorio no calificado: Análisis de la asistencia sanitaria a los empleados
- Laboratorio no calificado: Reconocimiento de patrones complejos
- Navegación por relaciones de datos complejas
- Análisis multivariante Evaluación
- Cuándo y por qué utilizar la PCA
- PCA y Transformación de datos
- Comprender la Reducción de dimensionalidad
- Implementación de PCA en R
- Laboratorio no calificado: Práctica de Reducción de dimensionalidad
- Laboratorio no graduado: Aplicaciones avanzadas de PCA
- Cómo entender la reducción de dimensionalidad
- Evaluación de la reducción de dimensionalidad
- Resumen del módulo
UNIDAD 14 - Visualización e informes avanzados · 16 leccionesAnálisis exploratorio y visualización de datos - UNIDAD 14 - Visualización e informes avanzados
UNIDAD 14 - Visualización e informes avanzados · 16 lecciones
Análisis exploratorio y visualización de datos - UNIDAD 14 - Visualización e informes avanzados
- El poder de la visualización de datos interactiva
- Técnicas de visualización interactiva
- Interactividad avanzada y compatibilidad con flujos de trabajo
- Creación de visualizaciones interactivas
- Laboratorio no calificado: Panel interactivo de tráfico del sitio web
- Laboratorio no calificado: Visualizaciones interactivas avanzadas
- Visualización interactiva Evaluación
- Mejores prácticas en la visualización de datos
- Creación de informes reproducibles con R Markdown
- Principios de la comunicación eficaz de datos
- Creación de informes profesionales
- Laboratorio no calificado: Elaboración de informes con calidad de publicación
- Laboratorio no calificado: Técnicas avanzadas de elaboración de informes
- Elaboración de relatos de datos eficaces
- Visualización y evaluación de informes
- Resumen del módulo
UNIDAD 15 - Proyecto final · 10 leccionesAnálisis exploratorio y visualización de datos - UNIDAD 15 - Proyecto final
UNIDAD 15 - Proyecto final · 10 lecciones
Análisis exploratorio y visualización de datos - UNIDAD 15 - Proyecto final
- Resumen del proyecto
- Ejemplo de proyecto 1
- Ejemplo de ejecución del proyecto nº 1
- Ejemplo de proyecto 2
- Proyecto Final: Exploración y visualización de datos de pacientes
- [Proyecto final
- Actividad práctica: Presentación de un informe EDA interactivo a un analista senior
- Resumen del módulo
- Aprovechar lo aprendido
- Resumen del curso y próximos pasos
UNIDAD 16 - Introducción al análisis estadístico en R · 19 leccionesAnálisis estadístico y técnicas avanzadas - UNIDAD 16 - Introducción al análisis estadístico en R
UNIDAD 16 - Introducción al análisis estadístico en R · 19 lecciones
Análisis estadístico y técnicas avanzadas - UNIDAD 16 - Introducción al análisis estadístico en R
- Curso de Introducción al Análisis Estadístico y Técnicas Avanzadas
- Programa del curso
- Uso de R en el laboratorio de código de Visual Studio
- Conexión de Copilot en Visual Studio Code Labs
- Estadísticas en acción
- Fundamentos del análisis estadístico
- Funciones estadísticas básicas en R
- Exploración de funciones estadísticas
- Elegir la prueba estadística adecuada
- Fundamentos del análisis estadístico
- Guía para el Testeo de hipótesis
- Qué son realmente las modelos
- Elegir la prueba RIGHT en R
- Comprender la prueba de hipótesis
- Implementación de pruebas en R
- Práctica de Testeo de hipótesis
- Pruebas de rendimiento de los empleados
- Testeo de hipótesis Evaluación
- Resumen del módulo
UNIDAD 17 - Análisis de regresión simple y múltiple · 16 leccionesAnálisis estadístico y técnicas avanzadas - UNIDAD 17 - Análisis de regresión simple y múltiple
UNIDAD 17 - Análisis de regresión simple y múltiple · 16 lecciones
Análisis estadístico y técnicas avanzadas - UNIDAD 17 - Análisis de regresión simple y múltiple
- Regresión en la toma de decisiones empresariales
- Comprensión de la Regresión lineal simple
- Implementación de la Regresión lineal en R
- Creación de su primer modelo de regresión
- Evaluación de la Regresión lineal simple
- Guía de regresión múltiple
- Introducción a la regresión múltiple
- Análisis de predictores múltiples
- Evaluación de la Regresión lineal múltiple
- Guía de diagnóstico de regresión
- Diagnóstico de modelos en R
- Estrategias de solución diagnóstica
- Práctica de validación de modelos
- Interpretación de los resultados de la regresión
- Diagnóstico del modelo y evaluación de la validación
- Resumen del módulo
UNIDAD 18 - Regresión logística binaria · 16 leccionesAnálisis estadístico y técnicas avanzadas - UNIDAD 18 - Regresión logística binaria
UNIDAD 18 - Regresión logística binaria · 16 lecciones
Análisis estadístico y técnicas avanzadas - UNIDAD 18 - Regresión logística binaria
- Regresión logística en acción
- Comprender la regresión logística
- Regresión logística básica en R
- Fundamentos de la regresión logística
- Su primer modelo logístico
- Evaluación de la Regresión logística binaria
- Guía de construcción de maquetas
- Construcción de modelos complejos
- Evaluación de la construcción e interpretación de modelos
- Guía de validación
- Validación de modelos de regresión logística binaria
- Técnicas de evaluación de modelos
- Técnicas de validación de modelos
- Optimización de modelos logísticos
- Evaluación y validación de modelos
- Resumen del módulo
UNIDAD 19 - Análisis de series temporales · 16 leccionesAnálisis estadístico y técnicas avanzadas - UNIDAD 19 - Análisis de series temporales
UNIDAD 19 - Análisis de series temporales · 16 lecciones
Análisis estadístico y técnicas avanzadas - UNIDAD 19 - Análisis de series temporales
- Series temporales en los negocios
- Comprender los datos de las series temporales
- Fundamentos de las series temporales
- Trabajar con series temporales en R
- Exploración de datos de series temporales
- Elegir el método de previsión adecuado
- Evaluación de los componentes de las series temporales
- Guía de técnicas de previsión
- Previsiones de construcción
- Aplicación de métodos de previsión
- Evaluación de métodos de previsión de series temporales
- Guía de selección de modelos
- Evaluación de la precisión de las previsiones
- Evaluación del modelo Práctica
- Evaluación del modelo y valoración de la selección
- Resumen del módulo
UNIDAD 20 - Integración con Microsoft Tools y Final Project · 18 leccionesAnálisis estadístico y técnicas avanzadas - UNIDAD 20 - Integración con Microsoft Tools y Final Project
UNIDAD 20 - Integración con Microsoft Tools y Final Project · 18 lecciones
Análisis estadístico y técnicas avanzadas - UNIDAD 20 - Integración con Microsoft Tools y Final Project
- Exportación de informes de Excel con R
- Integración de R en Excel
- Mejora de la legibilidad de Excel con el formato R
- Formateo de R a Excel
- Automatización de informes de Excel con R
- Visión general de la integración de R-Power BI
- R en Power BI
- Resumen del proyecto
- Ejemplo de proyecto 1
- Ejemplo de proyecto: Ejecución del proyecto
- Ejemplo de proyecto 2
- Proyecto Final: Desarrollo y validación de modelos de regresión
- [Proyecto final
- Prueba de evaluación del proyecto final
- Resumen del módulo
- Aprovechar lo aprendido
- Actividad práctica: Presentación de los resultados analíticos a una parte interesada de la empresa
- Resumen del curso y próximos pasos
UNIDAD 21 - Web Scraping y recogida de datos · 18 leccionesAplicaciones e integración de datos avanzadas - UNIDAD 21 - Web Scraping y recogida de datos
UNIDAD 21 - Web Scraping y recogida de datos · 18 lecciones
Aplicaciones e integración de datos avanzadas - UNIDAD 21 - Web Scraping y recogida de datos
- Introducción a las aplicaciones e integración de datos avanzadas
- Programa del curso
- Uso de R en el laboratorio de código de Visual Studio
- Conexión de Copilot en Visual Studio Code Labs
- Introducción al Web Scraping Casos de uso y ética
- Introducción a la recogida de datos web
- Fundamentos del Web Scraping
- Manos a la obra con rvest: Guía práctica
- Generación de código de raspado web asistido por IA
- Prácticas básicas de Web Scraping
- Evaluación de conceptos de Web Scraping
- Comprender las API: Su puerta de acceso a los datos
- Fundamentos e implementación de la API
- Llamadas básicas a la API
- Uso de herramientas de IA para la generación de código API
- Primeros pasos con las API
- Diálogo sobre la estrategia de raspado web ético
- Evaluación de los fundamentos de API
UNIDAD 22 - Datos geoespaciales y visualización interactiva · 16 leccionesAplicaciones e integración de datos avanzadas - UNIDAD 22 - Datos geoespaciales y visualización interactiva
UNIDAD 22 - Datos geoespaciales y visualización interactiva · 16 lecciones
Aplicaciones e integración de datos avanzadas - UNIDAD 22 - Datos geoespaciales y visualización interactiva
- Por qué importan los mapas: Aplicaciones en el mundo real
- Introducción a los datos geográficos
- Examinar distintos tipos de mapas
- Fundamentos de los datos geográficos
- Evaluación de conceptos de datos geográficos
- Fundamentos del folleto e interactividad
- Crear su primer mapa interactivo
- Características interactivas esenciales en el folleto
- Construir mapas interactivos
- Conceptos de cartografía interactiva
- Cartografía interactiva avanzada
- Características avanzadas del folleto
- Mejores prácticas de visualización interactiva
- Introducción al diseño de mapas interactivos para datos espaciales
- Cartografía interactiva avanzada
- Evaluación de funciones interactivas avanzadas
UNIDAD 23 - Manipulación de datos avanzada con data.table · 8 leccionesAplicaciones e integración de datos avanzadas - UNIDAD 23 - Manipulación de datos avanzada con data.table
UNIDAD 23 - Manipulación de datos avanzada con data.table · 8 lecciones
Aplicaciones e integración de datos avanzadas - UNIDAD 23 - Manipulación de datos avanzada con data.table
- ¿Por qué data.table? Aplicaciones reales
- fundamentos de data.table
- Primeros pasos con data.table
- guía de sintaxis de data.table
- data.table Basics Evaluación
- Conceptos avanzados de data.table
- Optimización de las operaciones data.table
- Evaluación avanzada de operaciones data.table
UNIDAD 24 - RMarkdown avanzado · 12 leccionesAplicaciones e integración de datos avanzadas - UNIDAD 24 - RMarkdown avanzado
UNIDAD 24 - RMarkdown avanzado · 12 lecciones
Aplicaciones e integración de datos avanzadas - UNIDAD 24 - RMarkdown avanzado
- Informes dinámicos en acción
- Fundamentos de RMarkdown dinámico
- Texto dinámico y sección condicional en RMarkdown
- Creación de informes dinámicos
- Creación de informes dinámicos
- Informes dinámicos Evaluación
- Informes interactivos
- Añadir elementos interactivos
- Funciones interactivas de RMarkdown
- Cómo utilizar elementos interactivos para mejorar tus informes
- Características de los informes interactivos
- Elementos interactivos Evaluación
UNIDAD 25 - Introducción al almacenamiento en la nube y la Administración de datos · 7 leccionesAplicaciones e integración de datos avanzadas - UNIDAD 25 - Introducción al almacenamiento en la nube y la Administración de datos
UNIDAD 25 - Introducción al almacenamiento en la nube y la Administración de datos · 7 lecciones
Aplicaciones e integración de datos avanzadas - UNIDAD 25 - Introducción al almacenamiento en la nube y la Administración de datos
- Fundamentos del almacenamiento en la nube
- Almacenamiento en la nube para el análisis de datos
- Trabajar con la interfaz de almacenamiento de Azure
- Gestión de archivos en Azure Blob Storage
- Seguridad y rentabilidad con Azure Blob Storage
- Comprensión de los conceptos relacionados con el almacenamiento en la nube y la gestión de datos
- Evaluación de los conceptos de almacenamiento en la nube
UNIDAD 26 - Proyecto Capstone e integración de la cartera · 17 leccionesAplicaciones e integración de datos avanzadas - UNIDAD 26 - Proyecto Capstone e integración de la cartera
UNIDAD 26 - Proyecto Capstone e integración de la cartera · 17 lecciones
Aplicaciones e integración de datos avanzadas - UNIDAD 26 - Proyecto Capstone e integración de la cartera
- Preparación del proyecto y fases iniciales del análisis
- Guía de estudio: Preparación de los datos para el análisis (opcional)
- Análisis inicial de las zonas taxi
- Preparación del proyecto y evaluación del análisis inicial
- Técnicas de visualización espacial
- Guía de estudio: Modelización y análisis espacial (Optativo)
- Modelización estadística y análisis espacial
- Evaluación de modelos estadísticos y análisis espacial
- Presentación de resultados
- Guía de estudio: Documentación y organización (opcional)
- Documentación y resultados
- Documentación y evaluación de resultados
- Demuestre sus habilidades en Ciencia de datos
- Organizar su cartera
- Muestra tu trabajo: Portafolio de GitHub
- Por qué un buen portfolio abre puertas que las solicitudes no pueden abrir
- Actividad práctica: Presentación de tu proyecto de fin de carrera ante un tribunal de evaluación de proyectos
Al terminar
Lo que harás al terminar
Podrás desarrollar análisis reproducibles, crear visualizaciones e integrar datos y servicios en la nube. También contarás con un proyecto capstone para demostrar tus habilidades en R y resolver un problema de negocio.
Perfil
¿Para quién es este curso?
Está dirigido a personas principiantes que desean aprender programación en R para análisis de datos. Es adecuado para quienes buscan desarrollar un portafolio práctico y trabajar con herramientas como Visual Studio Code, GitHub Copilot y Azure.
Principiantes con interés en programación y datos
Certificado oficial
Certificado con validez SEP: 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
26 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
53 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
- Certificado SEP incluido (sin costo). 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 Microsoft.
- 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.
- 26 unidades · 415 lecciones
- 12 meses de acceso
- 53 cuestionarios de evaluación
- Certificado SEP incluido (sin costo), 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 Microsoft; 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.
¿El curso tiene validez SEP?
Sí, incluido sin costo. Al completar el curso recibes un certificado emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
¿El curso tiene tutor o clases en vivo?
No. Es un curso autodidacta: estudias por tu cuenta, a tu ritmo, sin tutor ni sesiones en vivo.
¿Cómo se evalúa?
Te evalúas con actividades automáticas, sin entregas a un tutor.
