AYUDAS A LA NAVEGACIÓN:


CABERECA PARA LA VERSÍON IMPRIMIBLE:

Logotipo SPRI    Logotipo de Euskadi+innova

CABECERA DE LA PÁGINA:

Logotipo SPRI

MENÚ AUXILIAR:

Innovar para mejorar

RUTA DE ACCESO A LA PÁGINA ACTUAL:


CONTENIDO DE LA PÁGINA:

Taller
Programación en lenguaje R Avanzado (Online)

Vota este evento
Resultado:      0 votos
Compartir: Twitter Facebook Google + Delicious Menéame

Próximas ediciones

  • Del 06/07/2020 al 09/07/2020: Online
  • Del 06/07/2020 al 09/07/2020: Online
  • Del 13/07/2020 al 16/07/2020: Online
  • Idioma de impartición Español

 

Este curso es la continuación de "Introducción a la programación en lenguaje R".

Se trata de un curso dirigido principalmente a los profesionales e investigadores que quieran trabajar los aspectos más avanzados de la programación en R. Uno de los lenguajes más populares para programación estadística, aprendizaje automático y la ciencia de los datos.

Este curso será impartido online a través de la plataforma de vídeo conferencia ZOOM.
Aforo limitado a 15 personas.

 

Objetivo

El objetivo es aprender las potencialidades y ventajas que esta herramienta de software libre ofrece para realizar operaciones de manejo de datos incluyendo el almacenamiento, recuperación, creación de estructuras de datos, confección de tablas y gráficos estadísticos, así como herramientas auxiliares para la preparación de informes, artículos y presentaciones con R.

 

Dirigido a

Profesionales o personas investigadoras de distintos ámbitos que tengan interés en conocer el programa R y en utilizar dicha herramienta en el ámbito de la programación, la estadística y las matemáticas. Se recomiendan conocimientos de estadística descriptiva.

Recomendación

Asistir previamente al Taller introductorio: Introducción a la programación en lenguaje R.

 

Programa

Corrección de errores tipográficos:

  • Creación de un diccionario con las opciones correctas.
  • Corrección masiva de los errores.
  • Comprobación de las correcciones.

Unión de tablas:

  • Unión de tablas similares vertical y horizontalmente.
  • Enriquecimiento de una tabla con información de otra.
  • Selección de los elementos comunes de varias tablas.
  • Selección de los elementos comunes y no comunes de varias tablas.

Filtrado:

  • Filtrado simple con variables no numéricas.
  • Filtrado simple por variables numéricas.
  • Filtrado compuesto por variables numéricas y no numéricas simultáneamente.
  • Filtrado por la clase de las variables.
  • Filtrado por el número de elementos diferentes de una variable.
  • Eliminación de duplicados.
  • Filtrado por las variables de otra tabla.
  • Filtrado por las filas de otra tabla.
  • Filtrado por los elementos de otra tabla.
  • Valores únicos.
Tratamiento avanzado de datos:
  • Extracción de los elementos de una fecha.
  • Adición del día de la semana.
  • Modificación de variables en función de otras variables.
  • Agregaciones simples de datos.
  • Agregaciones de los datos por varias variables.
  • Gráficos avanzados de las agregaciones.
  • Unión de varias agregaciones.
  • Operaciones con variables.
  • Modificación de caracteres en variables.
  • Normalización simple de tablas.
  • Normalización compuesta de tablas.
  • Corrección de las normalizaciones.
  • Verticalización de tablas.

Extracción de datos estructurados:

  • Extracción de una tabla.
  • Extracción de varias tablas de una misma url.
  • Extracción y unión de varias tablas de distintas url.
  • Extracción automatizada y unión de varias tablas de distintas url.
  • Extracción y guardado de varias tablas de distintas url.
  • Extracción automatizada y guardado de varias tablas de distintas url.

Outliers:

  • Definición.
  • Problemas de su no tratamiento.
  • Detección de outliers: Gráficamente. Extracción de los outliers. Determinación de las observaciones que incluyen outliers. Extracción de los valores de los outliers.
  • Tratamiento de los outliers: Eliminación de las observaciones. Transformación en NAs. Creación de nuevas variables dummy de forma masiva. Tratamiento individualizado.
  • Valores perdidos.
  • Cuantificación de los valores perdidos: Total. Por variables. Por observaciones.
  • Análisis gráfico de los valores perdidos.
  • Eliminación de los valores perdidos variable por variables.
  • Eliminación masiva de los valores perdidos.
  • Eliminación de variables con alto porcentaje de valores perdidos.
  • Imputación por valores estadísticos (media, moda, mediana)
  • Métodos de imputación múltiple.
  • Creación de modelos para la imputación.

Próximas ediciones

Online

Fecha: Del 06/07/2020 al 09/07/2020

Precio: 70 €

  • Agencia coordinadora: Bizkaia Enpresa Digitala
  • Horario: De 09:00 a 12:00
  • Duración: 12 horas
  • Organizador: Bizkaia Enpresa Digitala
  • Impartido por: Borja Balparda (C2B)
  • Formas de pago: Transferencia bancaria, Por tarjeta

Más información

Online

Fecha: Del 06/07/2020 al 09/07/2020

Precio: 70 €

  • Agencia coordinadora: Miramon Enpresa Digitala
  • Horario: De 15:00 a 18:00
  • Duración: 12 horas
  • Organizador: Miramon Enpresa Digitala
  • Impartido por: Borja Balparda (C2B)
  • Formas de pago: Transferencia bancaria, Por tarjeta

Más información

Online

Fecha: Del 13/07/2020 al 16/07/2020

Precio: 70 €

  • Agencia coordinadora: Araba Enpresa Digitala
  • Horario: De 09:00 a 12:00
  • Duración: 12 horas
  • Organizador: Araba Enpresa Digitala
  • Impartido por: Borja Balparda (C2B)
  • Formas de pago: Transferencia bancaria, Por tarjeta

Más información




AYUDAS A LA NAVEGACIÓN: