Modelos de Regresión en R
Conoce los principales Modelos de Regresión y aprende a predecir los resultados de interés
Aprovecha al máximo la información de la que dispones para construir modelos que te permitan predecir resultados futuros.
En el curso aprenderás paso a paso la construcción de los principales modelos de Machine Learning de Regresión, entre ellos:
- Regresión Lineal Simple
- Regresión Lineal Múltiple
- Regresión Logística
- Regresión GAM
- Árboles de Decisión
- Bosques Aleatorios
Y serás capaz de utilizarlo en casos tan diversos como:
- Creación de Pronóstico de la demanda
- Planificación y análisis de pérdida de personal
- Predicción de factores externos
- Análisis de la competencia
- Predicción de fallas en equipos, máquinas o vehículos
- Simulación de crédito u otros riesgos financieros
- Predicción de condiciones de salud
La habilidad de utilizar el Machine Learning es escasa en la actualidad y es muy valorada por las empresas de vanguardia. ¡Inscríbete en el curso y obtén estos conocimientos con ejemplos en vídeo y casos prácticos que podrás ir replicando en tu computador para luego implementarlos con tus propios datos!
¡Nos vemos en el curso!
Tu Instructor
Mi nombre es Julio Solano. Soy ingeniero en Producción Industrial con más de 15 años de experiencia enfocada a Mejora Continua y Análisis de Datos. Actualmente curso mi Maestría en Ciencia de Datos y Business Analytics y me apasiona enseñar e impulsar el desarrollo de las empresas mediante el uso del análisis de datos.
He asesorado a muchas empresas exitosas en el pasado y actualmente soy director, instructor y consultor de Analítica de Datos en Grow Up Data Analytics. También soy certificado como Microsoft Certified Power BI Data Analyst Associate y mi experiencia como usuario de negocio me ayuda a poder explicarle a mis alumnos con ejemplos sencillos y prácticos similares a los que se encontrarán en la vida real.
Plan de Estudios
-
InicioMateriales de esta sección
-
Inicio1.1 Bases de Regresión Lineal (6:55)
-
Inicio1.2 Introducción a Regresión Lineal Multivariable (3:32)
-
Inicio1.3 Regresión Lineal Multivariable para predecir Costo (4:37)
-
Inicio1.4 Predecir utilizando el Modelo Lineal (11:40)
-
Inicio1.5 Evaluar el Modelo Gráficamente (6:51)
-
Inicio1.6 Evaluar el Modelo Curva de Ganancia (6:43)
-
Inicio1.7 Evaluar el RMSE (4:24)
-
Inicio1.8 Evaluar el R2 (3:40)
-
Inicio2.1 Introducción a Entrenamiento y Prueba del Modelo (Train / Test) (2:14)
-
Inicio2.2 Creación de los Conjuntos de Datos de Entrenamiento y Prueba (5:01)
-
Inicio2.3 Creación del Modelo de Regresión y Predicciones (4:20)
-
Inicio2.4 Comparación de Modelos de Entrenamiento y de Prueba (3:47)
-
Inicio2.5 Introducción a Validación Cruzada (Cross Validation) (2:24)
-
Inicio2.6 Construcción y Evaluación de un Modelo mediante Validación Cruzada (10:30)