Formación Data Science

Paso a paso

1. 1 Introducción a la ciencia de datos

   ¡Da tus primeros pasos en el campo, aprendiendo cómo los datos pueden ser útiles para nuestro trabajo diario y cómo sacar el máximo provecho de este recurso!

   En esta primera parte, cargará un conjunto de datos del mundo real y realizará un análisis de datos de forma exploratoria, utilizando varias bibliotecas de Python, como Seaborn , Matplotlib, SciPy y Pandas.

   Uno de los enfoques será el uso de la biblioteca Pandas, una de las herramientas más poderosas para el análisis y la exploración de datos. Además de Pandas, recordaremos algunos conceptos importantes en estadística, para potenciar nuestra capacidad de análisis.

   Entonces, con el equipo de buceo Vale, ¿vamos sumergir?

   • 

     Artigo ¿Que hace un cientista de datos?

   • 

     Curso Data Science: Primeros pasos

     06h

   Faça esse curso e:

   • Aprenda a importar y explorar datasets usando bibliotecas de Python
   • Conozca los diferentes tipos de variables que pueden aparecer en un dataset
   • Cuales técnicas pueden ser aplicadas para explorar y analizar los datos
   • Entienda los diferentes tipos gráficos y visualizaciones
   • Data Visualization presentando las informaciones en forma concisa, objetiva y resumida
   • Aprenda a analizar la distribución de los datos con las medidas de tendencia central y medidas de distribución

   Mais detalhesdo curso Data Science: Primeros pasos

   • 

     Artigo Histograma: qué es, ejemplos, gráficos y tipos | Alura Cursos Online

   • 

     Curso Python Pandas: Tratamiento y análisis de datos

     16h

   Faça esse curso e:

   • Aprenda a importar datos y exportar dataframes
   • Domina como limpiar y tratar datos faltantes
   • Conoce como remover outliers y crear nuevas variables
   • Seleccione y genera las frecuencias de los datos
   • Entienda como usar Python Pandas, Matplotlib, Jupyter y Anaconda

   Mais detalhesdo curso Python Pandas: Tratamiento y análisis de datos

   • 

     Curso Estadística con Python: Frecuencias y medidas

     10h

   Faça esse curso e:

   • Comprenda las estadísticas y los números que lees
   • Descubra la diferencia entre media, mediana y moda en la práctica
   • Conozca los tipos de datos y clasifíquelos
   • Sepa que es la distribución de frecuencia
   • Conozca la varianza y la desviación estándar

   Mais detalhesdo curso Estadística con Python: Frecuencias y medidas

   • 

     Curso Estadística con Python: Probabilidad y muestreo

     12h

   Faça esse curso e:

   • Compreende las distribuciones de binomial, poisson y normal
   • Entiende que es nivel e intervalo de confianza
   • Conoce técnicas de muestreo
   • Calcule o tamanho da amostra

   Mais detalhesdo curso Estadística con Python: Probabilidad y muestreo

2. 2 Modelos de Data Science

   Después de aprender a analizar y explorar los datos del pasado, ¿por qué no intentar sacar conclusiones sobre el futuro?

   En este paso, aprenderá a usar técnicas como Regresión lineal para demostrar los impactos de algunas variables y crear modelos que pueden ayudar a predecir resultados futuros.

   • 

     Artigo Series temporales: Tipos de estacionalidad | Alura Cursos Online

   • 

     Curso Regresión Lineal: Análisis de correlaciones y previsión de resultados

     12h

   Faça esse curso e:

   • Utiliza visualizaciones para entender la distribución de tus datos
   • Descubre la diferencia entre variables dependentes y explicativas en tus datos
   • Aprende a separar datos de entrenamiento y teste
   • Modela con regresiones lineales
   • Entienda los errores en función de los residuos y métricas
   • Compara y guarda los mejores modelos

   Mais detalhesdo curso Regresión Lineal: Análisis de correlaciones y previsión de resultados

   • 

     Curso Regresión Lineal: Técnicas Avanzadas de Modelado

     08h

   Faça esse curso e:

   • Aplica transformaciones antes de entrenar tus modelos
   • Aplica regresiones con Statsmodel y Sklearn
   • Aprende técnicas Avanzadas de Modelado
   • Obtén previsiones puntuales
   • Interpreta coeficientes estimados
   • Efectúa análisis gráficas de los resultados encontrados

   Mais detalhesdo curso Regresión Lineal: Técnicas Avanzadas de Modelado

3. 3 Visualización de datos

   Entender el "pasado" y "predecir el futuro" es algo asombroso y sin duda uno de los roles principales de una persona científica de datos, pero crear análisis y modelos increíbles capaces de generar proyecciones con precisión no es condición suficiente para tomar su proyecto de ciencia en papel. datos.

   Un buen análisis y modelos precisos deben estar alineados con una comunicación asertiva, para que los involucrados en el proyecto entiendan sus conclusiones y los impactos que su modelo puede traer al negocio.

   • 

     Curso Data Visualization: Explorando con Seaborn

     08h

   Faça esse curso e:

   • Importe datos y trabaje con dataframes
   • Aprenda a tratar los datos antes de analizalos
   • Sepa como utilizar Seaborn para creación de diferentes gráficos
   • Utilize Python Pandas con la incrível herramienta de Google Colaboratory
   • Desarrolle técnicas graficas y cuantitativas, buscando a obtener informaciones relevantes

   Mais detalhesdo curso Data Visualization: Explorando con Seaborn

   • 

     Curso Visualización de datos: graficación con Matplotlib

     12h

   Faça esse curso e:

   • Aprende a hacer visualizaciones con Matplotlib
   • Comprenda cómo funcionan las figuras y los ejes de Matplotlib
   • Personaliza tus visualizaciones con diferentes colores, estilos, anotaciones, etc
   • Visualice diversos tipos de datos diferentes, como series temporales y datos categóricos
   • Tener visualizaciones de los datos puede proporcionar asertividad en la toma de decisiones basada en los datos

   Mais detalhesdo curso Visualización de datos: graficación con Matplotlib

4. 4 Testes con Data Science

   Muchas veces un buen análisis y visualizaciones coherentes no son suficientes para garantizar que nuestras conclusiones sean estadísticamente relevantes, para eso necesitamos recurrir a pruebas de hipótesis.

   ¡Así que ahora viene una de las partes más emocionantes de estudiar Data Science! Visualice la distribución de los datos recopilados, plantee preguntas e hipótesis, cree intervalos de confianza para sus muestras y utilice Python para realizar pruebas estadísticas.

   Después de aprender sobre pruebas, ¿por qué no estudiar sobre experimentación? Después de todo, una buena parte del área de Data Science está relacionada con el desarrollo de experimentos, ¡desde la recolección de datos hasta la validación de hipótesis!

   • 

     Curso Data Science: Introducción a Tests Estadísticos con Python

     06h

   Faça esse curso e:

   • Visualice la distribución de los datos colectados
   • Levante preguntas e hipótesis
   • Responda las hipótesis usando tests
   • Cree intervalos de confianza para sus muestras
   • Compare dos grupos de muestras
   • Utilice Python para ejecutar tests estadísticos
   • Responda preguntas de manera formal, no solo exploratoria

   Mais detalhesdo curso Data Science: Introducción a Tests Estadísticos con Python

   • 

     Curso Análisis de experimentos: pruebas, mapas de colores y análisis de datos

     10h

   Faça esse curso e:

   • Aprende a diseñar experimentos para la recolección de datos
   • Proponer modelos matemáticos para entender un problema dado
   • Probar la significación estadística de los parámetros de un modelo matemático
   • Construya mapas de colores para ayudar a la interpretación de datos
   • Analice los datos recopilados en un experimento usando Python con Pandas, Matplotlib, Seaborn y StatsModel

   Mais detalhesdo curso Análisis de experimentos: pruebas, mapas de colores y análisis de datos