Curso de aprendizaje estadístico

Este curso gratuito de aprendizaje estadístico tiene como objetivo proporcionar a los participantes los conocimientos y habilidades necesarias para comprender y aplicar técnicas estadísticas en diversos contextos. Está diseñado para aquellos que deseen adquirir una comprensión profunda de los métodos estadísticos y utilizarlos de manera efectiva en su trabajo o investigación.

El curso está desarrollado por Github, una plataforma de desarrollo de software basada en la nube que permite a los desarrolladores colaborar, almacenar y gestionar proyectos de programación. Es ampliamente utilizada por programadores y equipos de desarrollo en todo el mundo.

Además, GitHub es conocido por su comunidad activa y su enfoque en el código abierto. Muchos proyectos de software libre y de código abierto se alojan en GitHub, lo que facilita la colaboración y la contribución de otros desarrolladores.

¿A quién va dirigido este curso de aprendizaje estadístico?

Este curso va dirigido a cualquier persona interesada en conceptos estadísticos básicos. Así, será de gran interés para los analistas de datos, investigadores, estudiantes universitarios y profesionales relacionados con áreas de toma de decisiones.

Se recomienda tener conocimientos básicos de matemáticas y estadística antes de iniciar el curso. Además, es conveniente contar con un ordenador con conexión estable a Internet para poder realizar el contenido del curso de forma online.

Por otro lado, no deberás tener un buen nivel de idiomas, pues el curso se imparte de manera íntegra en español. 

¿Qué aprenderás en este curso de aprendizaje estadístico?

Rubén Fernández Casal, Julián Costa Bouzas y Manuel Oviedo han diseñado este curso donde podrás aprender a tu propio ritmo bajo una licencia Creative Commons.

Los temas que se tratan en este curso de aprendizaje estadístico son los siguientes:

1. Prólogo
2. Introducción al aprendizaje estadístico
   1. Aprendizaje Estadístico vs. Aprendizaje Automático
   2. Métodos de Aprendizaje Estadístico
   3. Construcción y evaluación de los modelos
   4. La maldición de la dimensionalidad
   5. Análisis e interpretación de los modelos
   6. Introducción al paquete caret
3. Árboles de decisión
   1. Árboles de regresión CART
   2. Árboles de clasificación CART
   3. CART con el paquete rpart
   4. Alternativas a los árboles CART
4. Bagging y Boosting
   1. Bagging
   2. Bosques aleatorios
   3. Bagging y bosques aleatorios en R
   4. Boosting
   5. Boosting en R
5. Máquinas de soporte vectorial 
   1. Clasificadores de máximo margen
   2. Clasificadores de soporte vectorial
   3. Máquinas de soporte vectorial
   4. SVM con el paquete kernlab
6. Otros métodos de clasificación
   1. Análisis discriminate lineal
   2. Análisis discriminante cuadrático
   3. Naive Bayes
7. Modelos lineales y extensiones
   1. Regresión lineal múltiple
   2. El problema de la colinealidad
   3. Selección de variables explicativas
   4. Análisis e interpretación del modelo
   5. Evaluación de la precisión
   6. Métodos de regularización
   7. Métodos de reducción de la dimensión
   8. Modelos lineales generalizados
8. Regresión no paramétrica
   1. Regresión local
   2. Splines
   3. Modelos aditivos
   4. Regresión spline adaptativa multivariante
   5. Projection pursuit
9. Redes neuronales
   1. Single-hidden-layer feedforward network
   2. Clasificación con ANN
   3. Implementación en R

Acceso al curso de aprendizaje estadístico

Accede al curso de aprendizaje estadístico impartido por Rubén Fernández Casal a través de Github. Tanto la inscripción como la participación son totalmente gratuitas.

Durante el curso, tendrás acceso a material multimedia y diferentes cuestionarios interactivos que te ayudarán a progresar y a aprender a tu propio ritmo.

Si quieres seguir formándote, también pueden interesarte este curso de estadística para ciencia de datos o este otro curso de simulación estadística con Python. Ambos son completamente gratuitos.