Diplomado en Machine Learning con RStudio
TÍTULO QUE OTORGA
Diplomado en Machine Learning con RStudio
DURACIÓN
16 semanas (96 horas cátedra)
Sobre el Diplomado:
El Diplomado en Machine Learning en RStudio tiene como objetivo formar profesionales capaces de analizar datos, construir modelos predictivos y comunicar resultados de manera efectiva, utilizando el entorno R y RStudio, una de las herramientas más potentes y utilizadas en el ámbito académico y profesional.
El programa aborda el flujo completo de un proyecto de Ciencia de Datos, desde la preparación y manipulación de datos (tidyverse), el análisis exploratorio y la visualización, hasta la construcción, validación e interpretación de modelos de Machine Learning supervisados y no supervisados.
Este diplomado se desarrolla en conjunto con el MITIC, en el marco de su estrategia de fortalecimiento de capacidades digitales avanzadas, y cuenta con beca del 100% del costo del programa, promoviendo el acceso equitativo a formación tecnológica de alto nivel.
Dirigido a:
Estudiantes/egresados universitario de carrera con énfasis en TIC O egresados del Bachillerato Técnico en Informática BTI
"Becas otorgadas con el financiamiento del Gobierno del Paraguay - MITIC, a través de Agenda Digital"
Herramientas y recursos necesarios:
El participante deberá contar con una computadora personal con capacidad para instalar y utilizar el entorno R y RStudio, trabajar con librerías del ecosistema tidyverse, generar visualizaciones con ggplot2 y elaborar reportes reproducibles con RMarkdown, así como con una conexión estable a internet para el acceso a materiales académicos y recursos digitales del programa.
Horario y Modalidad:
Lunes y Martes 18:00 a 21:00
Modalidad virtual
Nuestros docentes
El diplomado cuenta con docentes con sólida formación académica y experiencia práctica en Machine Learning y análisis de datos:
- Luis Ríos
Economista. Especialista en Inteligencia Artificial para Productos y Servicios, con experiencia en docencia universitaria y aplicación de modelos de Machine Learning en contextos reales.
Módulos
● Instalación y configuración de R y RStudio
● Entorno de trabajo, scripts y tipos de datos
● Operadores básicos y buenas prácticas de programación
● Vectores, listas, matrices y data frames
● Indexación, conversión de tipos de datos
● Importación y exportación de archivos
● Introducción al ecosistema tidyverse
● Limpieza y transformación de datos
● Unión y reestructuración de tablas
● Estadística descriptiva
● Tablas de frecuencia y correlaciones
● Interpretación inicial de datos
● Gráficos básicos y avanzados
● Personalización y combinación de visualizaciones
● Exportación de gráficos
● Tipos de aprendizaje automático
● Flujo de trabajo de Machine Learning
● División de datos en entrenamiento y prueba
● Regresión lineal y logística
● Árboles de decisión, Random Forest, KNN, SVM
● Redes neuronales y métricas de desempeño
● Clustering (k-means, jerárquico)
● Análisis de Componentes Principales (PCA)
● Interpretación y visualización de resultados
● Visualización de métricas y predicciones
● Interpretabilidad de modelos
● Reportes reproducibles con RMarkdown
● Desarrollo de un proyecto integral de Machine Learning
● Aplicación de modelos a datos reales
● Presentación y defensa del proyecto final
Requisitos para la inscripción
*Copia del certificado de estudios
*Copia de la cédula de identidad
*Llenar formulario de inscripción