¡Hola a todos! Nos complace darles la bienvenida a este fascinante viaje por el mundo de la Ciencia de Datos y Python. Este curso ha sido diseñado con el objetivo de proporcionarles las habilidades y herramientas necesarias para explorar, analizar y entender los datos, así como para realizar sus propias investigaciones y proyectos de Ciencia de Datos.
En este curso, comenzaremos desde cero, aprendiendo los fundamentos de Python, uno de los lenguajes de programación más utilizados en el campo de la Ciencia de Datos. Cubriremos temas esenciales como la sintaxis de Python, estructuras de datos, control de flujo, funciones y librerías esenciales como NumPy, Pandas y Matplotlib.
A medida que avancemos, nos adentraremos en el apasionante mundo de la Ciencia de Datos. Aprenderemos sobre la manipulación de datos con Pandas, la visualización de datos con Matplotlib y Seaborn, y los conceptos fundamentales de estadística. Además, exploraremos la Analítica Exploratoria de Datos (EDA) y la ingeniería de características, dos habilidades esenciales para cualquier científico de datos.
El objetivo principal de este curso es proporcionar una base sólida en Python y la Ciencia de Datos. Al final del curso, serán capaces de manipular, analizar y visualizar datos utilizando Python y sus librerías, así como comprender los conceptos fundamentales de la Ciencia de Datos. Pero lo más importante es que este curso les proporcionará las herramientas necesarias para seguir aprendiendo y explorando por su cuenta.
Esperamos que estén tan emocionados como nosotros por este viaje. ¡Empecemos a aprender!
- Conceptos básicos de Python
- Introducción a la ciencia de datos
- Manipulación de datos con Pandas
- Visualización de datos con Matplotlib y Seaborn
- Introducción a la estadística
- Análisis Exploratorio de Datos (AED)
- Ingeniería de Características
- Pandas Avanzado
- Introducción al aprendizaje automático
- Sobreajuste e infraajuste
- Scikit-Learn
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Métricas de evaluación
- Selección de modelos y ajuste de hiperparámetros