- Peso total
- 10 GB+
- Audio
- Español
- Nivel
-
- Todo los niveles
- Contraseña Winrar
- ebzo.net
- Actualización del Curso
- 10/2021
Requisitos
Conoce toda la estadística inferencial de la mano de Juan Gabriel Gomila, Arnau Mir y Ricardo Alberich, expertos en la estadística y con más de 30 años de experiencia tanto en su docencia como en su aplicación práctica en la empresa. Asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido de estadística inferencial del curso. En particular verás los mismos contenidos que explicamos en la carrera a los matemáticos, ingenieros, economistas, biólogos, médicos o informáticos como por ejemplo:
Logística e instalación de R y RStudio y de Anaconda Navigator para Python.
Diseño experimental y tipos de muestreo, para que aprendas cómo se deben recopilar los datos para que el análisis estadístico o de Machine Learning tenga sentido.
Estimación puntual de parámetros poblacionales, incluyendo la media, la proporción, la desviación típica, el tamaño de la población o el máximo entre otros.
Elaboración de todos los intervalos de confianza para los parámetros poblacionales y su correcta interpretación desde el inicio, para que nunca más te equivoques al leer esa salida de un algoritmo de R o de Python.
Contrastes de hipótesis de una muestra, de dos muestras independientes y de dos muestras emparejadas para todos los estadísticos de contraste que estudiaremos, incluso cómo automatizar el análisis con R y con Python.
Bondad de ajuste, de homogeneidad y de independencia para verificar si los datos proceden de poblaciones normales, o de poblaciones independientes entre otros. Incluido el test chi cuadrado de Pearson y el test de Kolmogorov Smirnov entre otros.
Análisis de la varianza para estudiar k poblaciones en paralelo y ver si todas ellas tienen la misma media o bien alguna destaca, muy útil en marketing para detectar filones de segmentos a explotar para maximizar las ventas y los beneficios.
Regresión lineal simple, múltiple y clustering desde cero, para que luego puedas expandir tus conocimientos en los cursos de Machine Learning de la A a la Z
Tareas, ejercicios, tests, problemas y casos reales para que pongas en práctica todo lo que aprendas con nosotros en el curso.
Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial.
Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos publicados por Juan Gabriel Gomila como los cursos de Machine Learning o Inteligencia Artificial con Python o RStudio, el Curso de Data Science con Tidyverse y RStudio o incluso los varios cursos de Deep Learning1! Todo el material del curso está enfocado en resolver los problemas de falta de base en el ámbito de estadística inferencial que presentan los estudiantes de esos cursos avanzados y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.
¿Para quién es este curso?
- Ganas de aprender acerca del mundo de la estadística inferencial.
- Conocimientos básicos de matemáticas.
- Es muy recomendable haber hecho el curso online de estadística descriptiva, el de probabilidad y el de álgebra lineal con R y Python de Juan Gabriel Gomila.
- No es necesaria una base de programación, pero si recomendable para sacar más provecho a la parte de estadística.
Conoce toda la estadística inferencial de la mano de Juan Gabriel Gomila, Arnau Mir y Ricardo Alberich, expertos en la estadística y con más de 30 años de experiencia tanto en su docencia como en su aplicación práctica en la empresa. Asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido de estadística inferencial del curso. En particular verás los mismos contenidos que explicamos en la carrera a los matemáticos, ingenieros, economistas, biólogos, médicos o informáticos como por ejemplo:
Logística e instalación de R y RStudio y de Anaconda Navigator para Python.
Diseño experimental y tipos de muestreo, para que aprendas cómo se deben recopilar los datos para que el análisis estadístico o de Machine Learning tenga sentido.
Estimación puntual de parámetros poblacionales, incluyendo la media, la proporción, la desviación típica, el tamaño de la población o el máximo entre otros.
Elaboración de todos los intervalos de confianza para los parámetros poblacionales y su correcta interpretación desde el inicio, para que nunca más te equivoques al leer esa salida de un algoritmo de R o de Python.
Contrastes de hipótesis de una muestra, de dos muestras independientes y de dos muestras emparejadas para todos los estadísticos de contraste que estudiaremos, incluso cómo automatizar el análisis con R y con Python.
Bondad de ajuste, de homogeneidad y de independencia para verificar si los datos proceden de poblaciones normales, o de poblaciones independientes entre otros. Incluido el test chi cuadrado de Pearson y el test de Kolmogorov Smirnov entre otros.
Análisis de la varianza para estudiar k poblaciones en paralelo y ver si todas ellas tienen la misma media o bien alguna destaca, muy útil en marketing para detectar filones de segmentos a explotar para maximizar las ventas y los beneficios.
Regresión lineal simple, múltiple y clustering desde cero, para que luego puedas expandir tus conocimientos en los cursos de Machine Learning de la A a la Z
Tareas, ejercicios, tests, problemas y casos reales para que pongas en práctica todo lo que aprendas con nosotros en el curso.
Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial.
Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos publicados por Juan Gabriel Gomila como los cursos de Machine Learning o Inteligencia Artificial con Python o RStudio, el Curso de Data Science con Tidyverse y RStudio o incluso los varios cursos de Deep Learning1! Todo el material del curso está enfocado en resolver los problemas de falta de base en el ámbito de estadística inferencial que presentan los estudiantes de esos cursos avanzados y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.
¿Para quién es este curso?
- Estudiantes de ingenierías, economías y ciencias que quieran aprender los fundamentos de estadística inferencial.
- Todos aquellos que quieran trabajar con el entorno estadístico R.
- Futuros estudiantes de cursos de Machine Learning y de Inteligencia Artificial.
- Data Scientists que quieran tener un fundamento sólido de matemáticas y variables aleatorias.
- Ingenieros de ML, IA con falta de base para aprender mejor cómo funcionan estos algoritmos y saber interpretar sus valores.
- Estudiantes de los cursos de ML, IA, TensorFlow de Juan Gabriel Gomila que necesiten asentar sus bases teóricas en la inferencia estadística.
