Repositorio de referencia para todas las clases, ejercicios y proyectos aprobados durante el Bootcamp de Data Science en 4Geeks Academy.
📁 Ver todas las clases y proyectos
- Clase_01_PREWORK — Introducción al bootcamp
- Clase_02_PREWORK — Fundamentos básicos para preparación
- Clase_03_CALCULO_Y_ALGEBRA — Fundamentos matemáticos para Machine Learning
- Clase_04_GITHUB — Control de versiones y colaboración en proyectos
- Clase_05_MLOPs — Operacionalización de proyectos de ML
- Clase_06_PROBABILIDAD — Conceptos básicos de probabilidad para Ciencia de Datos
- Clase_07_ESTADISTICA_DESCRIPTIVA — Análisis y resumen de datos
- Clase_08_DISTRIBUCIONES_DE_PROBABILIDAD — Modelos de distribución para análisis de datos
- Clase_09_TEST_DE_HIPOTESIS — Fundamentos para evaluar hipótesis en datos
- Clase_10_OPTIMIZACION_DE_ALGORITMOS — Técnicas para mejorar eficiencia en ML
- Clase_11_SQL — Consultas y análisis en bases de datos relacionales
- Clase_12_WEB_SCRAPING — Extracción de datos de la web
- Clase_13_APIs — Consumo e interacción con APIs para análisis de datos
- Clase_14_15_16_EDA — Análisis Exploratorio de Datos en profundidad
- Clase_17_REGRESION_LOGISTICA — Modelos de clasificación para datos binarios
- Clase_18_REGRESION_LINEAL — Modelos de regresión para datos continuos
- Clase_19_REGRESION_LINEAL_REGULARIZADA — Regularización para evitar sobreajuste
- Clase_20_ARBOLES_DE_DECISION — Modelos de árboles para clasificación/regresión
- Clase_21_RANDOM_FOREST — Ensamble de árboles para modelos robustos
- Clase_22_BOOSTING — Modelos de boosting para mejorar la precisión
- Clase_23_NAIVE_BAYES — Modelos de clasificación basados en probabilidades
- Clase_24_KNN — Modelos de vecinos más cercanos para clasificación/regresión
- Clase_25_K_MEANS_NO_SUPERVISADO — Modelos de clustering para segmentación de datos
- Clase_26_SERIES_DE_TIEMPO — Modelos para análisis temporal y predicción de datos
- Clase_27_DEEP_LEARNING — Fundamentos de aprendizaje profundo y redes neuronales
- Clase_28_NLP — Modelos para análisis de texto y procesamiento de lenguaje natural
- Clase_29_FLASK — Desarrollo de APIs y aplicaciones web para modelos de ML
- Clase_30_STREAMLIT — Dashboards interactivos para análisis de datos
- ✅ Material de clase proporcionado por los profesores.
- 💻 Proyectos implementados para cada módulo.
- 📊 Ejercicios, notebooks e informes para apoyar el aprendizaje.
- Lenguaje:
Python 3.9+ - Análisis de datos:
Pandas,Numpy,Matplotlib,Seaborn - Machine Learning:
Scikit-learn,XGBoost,LightGBM,CatBoost - Despliegue:
Flask,Streamlit - Otros:
Git,GitHub
Si quieres colaborar, consultar o simplemente conectar:
- 👤 GitHub
- ✉️
sergioroquehernandez93@gmail.com
© 2025 — Proyecto personal para documentar todas las clases y proyectos realizados en 4Geeks Academy.