Curso para crear proyectos "data-driven" en ciencia de datos

4.7/5.0

398 Estudiantes

Curso para crear proyectos "data-driven" en ciencia de datos

Crea proyectos de ciencia de datos con enfoque data-driven con una visión integral desde la alfabetización y cultura basada en datos hasta la implementación práctica de modelos y despliegue de soluciones con esta cultura, aprendiendo a conectar el contexto del negocio con preguntas analíticas, evaluar la calidad de la información, preparar y limpiar datos, y realizar exploraciones iniciales con herramientas que facilitan descubrir patrones y relaciones útiles para la toma de decisiones fundamentadas.

4.7/5.0

398

Profesor:

Diana Chacón Ocariz

Este curso incluye:

Certificado de finalización
2h 59m
horas de contenido
Recursos descargables

Empezar curso

Este curso incluye:

Certificado de finalización
Recursos descargables

A quién va dirigido

Principiantes en análisis de datos, ciencia de datos. Cualquier persona que desee desarrollar una mentalidad basada en datos y aprender a utilizarlos para tomar mejores decisiones en su vida personal y profesional. No se requieren conocimientos previos en ciencia de datos o programación.

Temario

Módulo 1 | 6 clases

Alfabetización de Datos y Cultura de data Driven

Clase 1

Introdución al Curso

Clase 2

Concepto de Alfabetización

Clase 3

Importacia de Alfabetización

Clase 4

Habilidades

Clase 5

Características de Data Driven

Clase 6

Beneficios de Data Driven

Módulo 2 | 3 clases

Etapas de un Proyecto de Datos

Clase 1

Etapas, Parte 1

Clase 2

Etapas, Parte 2

Clase 3

Diferencias con Proyecto de Software

Módulo 3 | 9 clases

Comprender el Contexto del Negocio

Clase 1

Contexto

Clase 2

Formando Preguntas Analíticas, Parte 1

Clase 3

Formando Preguntas Analíticas, Parte 2

Clase 4

Tipo de Preguntas Analíticas

Clase 5

Ejemplo de Preguntas del Negocio

Clase 6

Ejemplo Formando Preguntas

Clase 7

Ejemplo de Tipos, Parte 1

Clase 8

Ejemplo de Tipos, Parte 2

Clase 9

Conclusión

Módulo 4 | 14 clases

Calidad de los Datos y Procesos ETL-ELT

Clase 1

Introducción a la Calidad de los Datos

Clase 2

Calidad de los Datos

Clase 3

Procesos ETL y ELT, Parte 1

Clase 4

Procesos ETL y ELT, Parte 2

Clase 5

Tipos de Datos, Parte 1

Clase 6

Tipos de Datos, Parte 2

Clase 7

Limpieza

Clase 8

Transformación

Clase 9

Ejemplo de Fuentes de Datos

Clase 10

Ejemplo de Limpieza parte 1

Clase 11

Ejemplo de Limpieza parte 2

Clase 12

Otros Ejemplos, Parte 1

Clase 13

Otros Ejemplos, Parte 2

Clase 14

Conclusión

Módulo 5 | 12 clases

Análisis Exploratorio de Datos

Clase 1

Definición Análisis Exploratorio

Clase 2

Análisis Univariante

Clase 3

Análisis Bivariante, Parte 1

Clase 4

Análisis Bivariante, Parte 2

Clase 5

Análisis Multivariante

Clase 6

Librerías

Clase 7

Ejemplo de YData Profiling

Clase 8

Ejemplo con SweetViz

Clase 9

Ejemplo DTale parte 1

Clase 10

Ejemplo DTale parte 2

Clase 11

Ejemplo Sketch

Clase 12

Conclusión

Módulo 6 | 20 clases

Visualización de Datos

Clase 1

Introducción a Visualización

Clase 2

Visualización Distribución de Datos

Clase 3

Ejemplo de Histograma

Clase 4

Ejemplo de Densidad

Clase 5

Ejemplo de Cajas

Clase 6

Ejemplo de Violín

Clase 7

Partes de un Todo

Clase 8

Ejemplo Pastel

Clase 9

Ejemplo Rectángulo

Clase 10

Relación entre Variables

Clase 11

Ejemplo de Barras, Parte 1

Clase 12

Ejemplo de Barras, Parte 2

Clase 13

Ejemplo de Mapas de Calor

Clase 14

Ejemplo de Dispersión

Clase 15

Ejemplo de Líneas y Burbujas

Clase 16

Recursos, Parte 1

Clase 17

Recursos, Parte 2

Clase 18

Recursos, Parte 3

Clase 19

Consejos y Buenas Prácticas

Clase 20

Consejos y Conclusión

Módulo 7 | 7 clases

Modelado de los Datos

Clase 1

Definición IA

Clase 2

Aprendiazaje Automático, Parte 1

Clase 3

Aprendiazaje Automático, Parte 2

Clase 4

Aprendiazaje Automático, Parte 3

Clase 5

Herramientas de Python

Clase 6

Ejemplos de ML Aplicados al Restaurante

Clase 7

Conclusión

Módulo 8 | 4 clases

Implementación y Despliegue

Clase 1

Proyecto Análisis, Parte 1

Clase 2

Proyecto Análisis, Parte 2

Clase 3

Proyecto de Ciencia de Datos

Clase 4

Conclusión

Valoraciones

4.7

135.0 Valoraciones

1 (0.7%)

0 (0.0%)

3 (2.2%)

30 (22.2%)

101 (74.8%)

Profesor:

Diana Chacón Ocariz

Ingeniero en Informática Aplicada a la Gestión de Empresas. Analista de datos. Python, SQL, PowerBI.

Preguntas frecuentes

¿Cuándo empieza el curso?

Los cursos de Código Facilito son 100% online On-demand lo que significa que están grabados y los puedes empezar cuando quieras y a tu propio ritmo.
¿Cómo funciona la membresía premium?

Al suscribirte tendrás acceso ilimitado a todos los cursos de Código Facilito. En tu cuenta podrás agregar cursos, ver cualquier video, tener seguimiento de tus cursos y en los cursos que lo indican: presentar un examen al final y obtener un certificado digital. Además tendrás acceso exclusivo a clases premium semanales que son en vivo donde puedes hacer preguntas al instructor.

Cada mes agregamos nuevos contenidos, actualizando cursos existentes y cursos completamente nuevos.

La membresía se actualiza de manera recurrente y puedes cancelar en cualquier momento desde tu cuenta en un par de clics.
¿Qué puedo aprender en Código Facilito?

Nos especializamos en programación: desde lo básico hasta lo pro. Frontend, HTML5, CSS, JavaScript, backend con Python, Rails y mucho más. Puedes explorar nuestro catálogo completo aquí.
Tengo otra pregunta, ¿dónde los contacto?

Te atendemos con gusto en ayuda@codigofacilito.com