Árboles, Random Forests y XGBoost en R: ¡Con Casos Reales!

Bienvenidos al curso Arboles de Decisión, Bosques Aleatorios y Potenciados por Gradientes (Gradient Boosting) en R. Al finalizar este curso, podrás elaborar modelos de aprendizaje supervisado (machine learning) haciendo uso de diferentes paquetes de R como ROCR, CARET y XGBoost.

Estos nuevos conocimientos te resultarán útiles si estás interesado en hacer carrera como analista de inteligencia de negocios o para obtener insights que te permitan tomar mejores decisiones con base a datos si eres un emprendedor.

Este es un curso muy completo con más de 40 sesiones divididas en 9 secciones. En el, abordamos herramientas de data mining y machine learning con mucha profundidad y con un enfoque de caso de enseñanza 100% práctico. A diferencia de otros cursos, este va más allá de ser simplemente un curso de programación en R ya que aborda tanto la limpieza previa de los datos como la comparación entre modelos y el análisis de los resultados. 

Iniciaremos el curso elaborando un árbol de clasificación paso a paso y con cálculos manuales para que comprendas la caja negra atrás del algoritmo. Luego, utilizaremos un caso de enseñanza con datos reales, en la que asumiremos el rol de un analista de datos recién contratado por una agencia de viajes que deberá predecir los clientes con mayor probabilidad de adquirir un programa con base a datos históricos.

Diseñé este curso para estudiantes universitarios y profesionales interesados en la ciencia de datos y machine learning pero que por su formación tienen muy poca experiencia en lenguajes de programación. Este es un curso abierto para todos que incluye una sección introductoria a R, por lo que no tiene prerrequisitos.

***** ¡TODOS los códigos de R utilizados en los videos están en la sección de Recursos de las sesiones! *****

Te invito a que revises la clase modelo y te inscribas. ¡Espero verte pronto!

Árboles, Random Forests y XGBoost en R: ¡Con Casos Reales!