• Introducción (6 capítulos) 00:45:51
1. Introducción 00:02:45
2. Contenidos del curso 00:07:25
3. Conoce a Juan Gabriel Gomila, tu profesor de Data Science 00:01:39
4. Descargando nuestra herramienta de trabajo: R y R Studio 00:08:06
5. La organización es la clave 00:20:16
6. Un paseo por la interfaz de R Studio 00:05:39

• Adquirir y preparar nuestros ingredientes - Los datos (25 capítulos) 06:10:21
1. Preparando los datos para su análisis 00:02:55
2. ¿En qué consiste esto del Data Science? 00:13:11
3. El fichero CSV y la función read.csv 00:15:08
4. Opciones adicionales de read.csv 00:14:48
5. Leyendo datos de un XML 00:13:26
6. Leyendo tablas incrustadas en un HTML 00:11:27
7. Leyendo datos desde un JSON 00:10:23
8. Acceso a los datos con la sintaxis de $ 00:09:59
9. Los ficheros de ancho fijo 00:13:18
10. Creando ficheros Rdata y rds 00:11:50
11. Cargando ficheros Rdata y rds 00:15:38
12. Eliminar datos sin valor con na.omit 00:07:14
13. Limpieza selectiva de los datos sin valor 00:11:45
14. Reemplazo de NA con la media o extracción aleatoria 00:22:39
15. Evitando duplicaciones de entradas 00:06:53
16. Reescalado lineal de datos 00:14:03
17. Normalizando o estandarizando datos de un data frame 00:16:55
18. Categorizando información numérica 00:15:23
19. Variables ficticias para categorizaciones 00:12:27
20. Formas de eliminar la información que falta 00:20:15
21. Formas de completar la información que falta 00:26:05
22. Combinando y separando los datos 00:27:05
23. Uso de modelos predictivos para eliminar NAs 00:23:54
24. Detección de outliers a través de box plots 00:18:19
25. Enmascarando los outliers con transformaciones y cappings 00:15:22

• ¿Qué tenemos aquí? - El análisis exploratorio datos (16 capítulos) 04:09:39
1. Acerca del análisis exploratorio de los datos 00:03:21
2. Resumiendo nuestros datos con summary y str 00:14:53
3. Estadísticos y medidas básicas 00:25:46
4. Subconjuntos de datos 00:25:15
5. Divisiones con split 00:06:58
6. Partición de data frames con variables alfanuméricas 00:14:23
7. Partición de data frames con variables categóricas 00:19:15
8. Histogramas, boxplots y scatterplots 00:22:19
9. Personalizando nuestros gráficos 00:17:00
10. Múltiples gráficos con la función par 00:07:14
11. El paquete lattice 00:13:33
12. Comparación a través de representaciones 00:19:07
13. El gráfico de las judías 00:06:03
14. Análisis de la causalidad 00:12:00
15. La técnica de la validación cruzada 00:13:40
16. Gráficos cuantil - cuantil 00:28:52

• ¿Donde pongo esto? - El proceso de clasificación (18 capítulos) 04:51:16
1. Acerca de la clasificación en data science 00:02:51
2. Cómo generar matrices de confusión 00:15:06
3. Diagramas de mosaico 00:08:04
4. Análisis de componentes principales 00:23:23
5. Diagramas ROC 00:24:23
6. Los árboles de clasificación 00:21:36
7. La poda del árbol de clasificación 00:18:26
8. Los bosques aleatorios 00:16:13
9. Máquinas de soporte vectorial 00:26:23
10. Naïve Bayes 00:12:33
11. K Nearest Neighbors 00:18:17
12. Eligiendo el mejor número de vecinos para la decisión 00:16:52
13. Redes neuronales para clasificar 00:21:22
14. Análisis del discriminante lineal 00:09:29
15. La regresión logística 00:14:16
16. Conexión a la API de Twitter 00:13:03
17. Limpiando los tweets descargados 00:15:51
18. Clasificación de textos para análisis de sentimiento 00:13:09

• ¿Cuanto voy a vender? - Regresión (14 capítulos) 03:25:30
1. La regresión para predecir valores 00:02:38
2. La raíz del error cuadrático medio 00:10:16
3. K nearest neighbors 00:23:28
4. K Nearest Neighbors sin partición de validación 00:20:51
5. Regresión Lineal 00:25:23
6. Entendiendo los gráficos de los residuos en un modelo lineal 00:21:56
7. Opciones para las fórmulas de un modelo lineal 00:10:27
8. La función step para simplificar el modelo lineal 00:08:10
9. Árboles de regresión 00:22:52
10. Las técnicas de Bagging and Boosting 00:10:41
11. Bosques aleatorios para regresión 00:13:31
12. Redes neuronales para regresión 00:11:05
13. Implementando una k-fold cross validation en R 00:17:11
14. Implementando una LOOCV en R 00:07:01

• Simplifiquemos los datos - Técnicas de reducción de datos (12 capítulos) 02:49:07
1. Reduciendo los datos con Clustering y ACP 00:03:09
2. Clustering jerárquicos y dendogramas 00:14:02
3. Las distancias y el método de generación del cluster 00:14:38
4. Clusterings divisitivos y cortes en el dendograma 00:11:22
5. Clustering partitivos con k-means 00:17:12
6. Mini Batch K-means para segmentación de imágenes 00:20:09
7. Particiones alrededor de los k medoides 00:08:31
8. Clustering large application (clara) 00:04:17
9. Validando los resultados de un clustering 00:33:30
10. Clusterings basados en densidad de puntos 00:17:31
11. Clusterings basados en modelos 00:09:18
12. Reducir dimensiones con ACP 00:15:28

• Aprendiendo del pasado para pronosticar el futuro - Las Series Temporales (11 capítulos) 02:26:46
1. Series temporales y su utilidad 00:02:34
2. Trabajando con información financiera 00:23:59
3. Datos en tiempo real con quantmod 00:08:44
4. El formato de fecha en R 00:19:31
5. Operaciones y secuencias de fechas 00:08:24
6. Análisis preliminar de una serie temporal 00:18:20
7. El objeto serie temporal de R 00:17:44
8. La descomposición de una serie temporal 00:15:25
9. El filtrado de series temporales para localizar tendencias 00:11:28
10. Suavizado y predicción con el método de Holt-Winters 00:13:04
11. Creando un modelo autorregresivo integrado de media móvil 00:07:32

• Un cambio de look - Visualización de datos avanzada (18 capítulos) 04:05:06
1. El paquete ggplot2 00:05:06
2. Gráficos de dispersión 00:20:05
3. Gráficos de líneas 00:07:34
4. Gráficos de barras 00:14:16
5. Gráficos de distribuciones 00:11:20
6. Gráficos de mosaicos 00:06:47
7. Treemaps 00:10:48
8. Graficos con Matrices de correlación 00:21:28
9. Agregando tonalidades a las matrices de color 00:11:23
10. Mapas de calor  00:15:06
11. Representaciones en forma de grafo 00:15:06
12. Etiquetas y leyendas 00:13:08
13. Colores y temas 00:12:23
14. Gráficos multivariantes 00:18:12
15. Gráficos multivariantes con GGalli 00:17:28
16. Gráficos 3D y animaciones 00:18:36
17. Textos e Histogramas en 3D 00:16:53
18. Exportando los gráficos a varios formatos de salida 00:09:26

• ¡Creo que esto podría gustarte! - Sistemas de recomendación (22 capítulos) 05:11:55
1. Ofrecer una buena recomendación 00:04:22
2. El dataset de Movie Lens 00:09:04
3. Los datos de las peliculas y las matrices sparsed 00:08:10
4. Sistemas de filtrado colaborativo basado en ítems 00:11:47
5. Sistemas de filtrado colaborativo basado en usuarios 00:09:09
6. Representando la matriz de valoraciones 00:16:53
7. Filtrado colaborativo para datos binarios 00:13:14
8. Sistemas basados en contenido 00:20:35
9. Haciendo una clasificación de películas con clustering 00:38:31
10. Los sistemas de recomendaciones híbridos 00:09:35
11. Medidas de semejanza 00:16:44
12. Introducción a Machine Learning 00:06:37
13. Añadiendo repositorios de terceros, Githubs y fuentes externas 00:17:02
14. Una aplicación de ML - Sistema de reconocimiento de imágenes 00:31:15
15. Validando nuestras recomendaciones con validación cruzada 00:08:42
16. Evaluación de las valoraciones 00:11:34
17. Evaluación de las recomendaciones 00:08:22
18. Eficacia y Precisión 00:07:05
19. Identificar el modelo adecuado 00:12:45
20. Optimización de parámetros 00:13:38
21. Definiciones en el contexto de clasificación y recomendación 00:06:29
22. Cómo funciona el sistema de detección de fraudes 00:30:19

• Conexiones por doquier - Análisis de Redes Sociales (13 capítulos) 04:16:22
1. El papel de las redes sociales en el análisis de datos 00:03:31
2. La red social de Meetup y su API 00:26:11
3. Generar llamadas parametrizadas a las API 00:25:02
4. El problema del exceso de datos y el uso de data.table 00:17:20
5. Las matrices de adyacencia y listas de aristas de un grafo 00:21:15
6. El paquete igraph para representar grafos 00:20:33
7. Más opciones del paquete igraph 00:30:03
8. Nomenclatura y métricas de grafos 00:17:33
9. Calculando métricas en grafos 00:16:50
10. Añadir y quitar nodos y aristas en un grafo 00:12:30
11. Análisis de tweets y el grafo de retweets 00:31:09
12. Layouts basados en fuerzas de atracción y repulsión 00:15:48
13. Gephi y más layouts 00:18:36

• Un data scientist vale lo que sus informes (11 capítulos) 03:38:34
1. La documentación y presentación de los hallazgos 00:03:16
2. R markdown 00:13:50
3. Combinando HTML y R 00:25:28
4. Plots y más opciones de configuración en Markdown 00:22:57
5. Tablas con HTML y Kable 00:24:53
6. Shiny 00:25:10
7. Distribuyendo el reporte en pestañas 00:13:24
8. Selecciones dinámicas del usuario 00:22:31
9. Incrustando Shiny en un Markdown 00:16:52
10. Presentaciones en PDF 00:26:56
11. Generación dinámica de reportes 00:23:15

• Soluciones elegantes y eficientes en R (9 capítulos) 02:24:44
1. R no es un lenguaje de programación convencional 00:05:33
2. Operaciones vectorizadas 00:15:55
3. El uso de la función apply 00:12:48
4. Las funciones lapply y sapply 00:17:09
5. Aplicando funciones a subconjuntos con tapply y by 00:06:54
6. La técnica de dividir - aplicar - combinar 00:23:30
7. Trabajar con grandes datos con dplyr 00:12:41
8. Grandes datos y Data Table 00:23:55
9. Slice and Dice con Data Table 00:26:20

• Análisis de datos geoespaciales (GIS) (10 capítulos) 02:00:59
1. Acerca de los datos geoespaciales 00:02:49
2. El uso de mapas del paquete RGoogleMaps 00:08:45
3. Representando puntos sobre un mapa 00:19:26
4. Representar un mapa de calor con los crímenes de Chicago 00:17:06
5. Cargar ficheros ESRI 00:13:32
6. Representar datos de un fichero ESRI 00:10:38
7. El paquete maps de RStudio 00:07:21
8. Conversión de data frame a objetos espaciales 00:20:51
9. Combinar data frames, mapas y objetos espaciales 00:11:02
10. Añadir una nueva columna de datos con spCbind 00:09:29

• Un regalo final: otros lenguajes de programación y software con R (15 capítulos) 04:18:44
1. Trabajando con otros lenguajes de programación 00:06:20
2. Instalando rJava desde fuentes externas 00:11:30
3. Objetos de Java en R 00:21:10
4. La sintaxis de Java en los métodos de R explicada 00:18:03
5. Integración con Microsoft Excel 00:04:57
6. El mundo de las bases de datos relacionales y paquetes de R para conectarse 00:20:55
7. Instalando MySQL y MySQL Workbench 00:06:49
8. Cargando datos en MySQL a partir de un CSV 00:08:26
9. La librería RODBC 00:16:13
10. La librería de RMySQL 00:15:01
11. La librería RJDBC 00:11:14
12. Instalando MongoDB 00:10:56
13. El poder de las bases de datos no relacionales con R y MongoDB 00:45:04
14. El uso de Spark en RStudio 00:25:30
15. Conectando Spark, MySQL y análisis de datos distribuidos con RStudio 00:36:37