Curso Avanzado de Estadística Multivariante con R y Python

Con Elisa Cabana y Juan Gabriel Gomila

Bienvenido a nuestro Curso avanzado de estadística multivariante con R y Python, donde Elisa Cabana y Juan Gabriel Gomila, dos de los instructores top de Udemy, así como matemáticos y analistas de datos de profesión te traen todo lo que necesitas para analizar datos del mundo multivariante tanto en R como en Python, los dos lenguajes de programación más utilizados de todo el mundo para el análisis de datos, y dos habilidades super solicitadas por las empresas en las ofertas de trabajo de Linkedin.

¿Qué vamos a aprender?

• Empezaremos con el análisis exploratorio para ser capaces de describir y visualizar los datos de las muestras que tenemos. La visualización es importante para entender los datos, así que poder producir gráficos 2D y 3D es sin duda un requisito para poder hacer un correcto análisis multivariante.

• Luego vamos a ver toda la teoría detrás de las variables aleatorias multivariantes y sus distribuciones respectivas.

• También veremos los métodos de inferencia multivariante para obtener conclusiones más generales respecto al proceso que ha generado los datos de que disponemos y poder contrastar hipótesis respecto a su estructura.

• Los métodos de componentes principales (ACP) y análisis factorial para reducir la dimensión y ver patrones que antes no se veían debido a la gran cantidad de datos, muy utilizados en el campo del Big Data para poder analizar datos en nuestras propias máquinas.

• El escalado multidimensional (MDS) para cuando los datos disponibles no corresponden a variables sino a similitudes o semejanzas entre ellos.

• Y finalizaremos con los métodos de agrupaciones que son clustering y clasificación para investigar si los elementos de nuestra muestra forman un grupo homogéneo o no, y poder clasificar nuevos datos que vengan en un futuro en uno de dichos grupos.

Y todo esto con trasparencias explicando toda la teoría, ejemplos y casos prácticos explicados al completo, todo el código fuente tanto en R como en Python y por supuesto ejercicios prácticos, cuestionarios, tareas, y material complementario para poder seguir el curso sin ningún problema y que al completarlo seas un experto del análisis de datos multivariante.