Ciencia de Datos y Python - Matemáticas, modelos, estadísticas MÁS estudio de caso

Resumen

Aprende estadística, pruebas inferenciales, aprendizaje supervisado y no supervisado, carreras en ciencia de datos MÁS Python y bibliotecas.

Programa de estudio

- Introducción a la Ciencia de Datos -- Resumen de la Ciencia de Datos y sus aplicaciones -- Software requerido e instalación (Anaconda, Docker Desktop) -- Configuración de tu entorno - Python para la Ciencia de Datos -- Conceptos básicos de programación en Python -- Bibliotecas: NumPy, Pandas, Matplotlib -- Manipulación y visualización de datos - Matemáticas para la Ciencia de Datos -- Álgebra Lineal: Vectores, matrices -- Cálculo: Derivadas, integrales -- Probabilidad y Estadística: Distribuciones, muestreo, pruebas de hipótesis - Métodos Estadísticos -- Estadísticas descriptivas -- Estadísticas inferenciales -- Análisis de regresión - Modelos de Aprendizaje Automático -- Aprendizaje supervisado: Clasificación y regresión -- Aprendizaje no supervisado: Agrupamiento y reducción de dimensionalidad -- Evaluación y validación de modelos - Estudio de Caso -- Planteamiento de un problema real -- Recopilación, limpieza y preprocesamiento de datos -- Selección y entrenamiento de modelos -- Interpretación de resultados e ideas - Conclusión y Próximos Pasos -- Repaso de conceptos clave -- Caminos de aprendizaje futuros y recursos -- Consejos prácticos para aplicar la ciencia de datos - Proyecto del Curso -- Hitos y entregables -- Revisión por pares y retroalimentación -- Presentación final y envíos

Enseñado por

Peter Alkema and Regenesys Business School

Etiquetas