Una Introducción Suave a la Ciencia de Datos

Resumen

Explora los fundamentos de la ciencia de datos, desde la influencia de la inteligencia artificial hasta el aprendizaje automático práctico en Python. Cubre conceptos clave, aplicaciones para la resolución de problemas y herramientas esenciales de Python para los aspirantes a científicos de datos.

Programa de estudio

• Introducción a la Ciencia de Datos
Visión general de la Ciencia de Datos y su impacto
El papel de la IA dentro de la Ciencia de Datos
Aplicaciones reales de la Ciencia de Datos
• Metodología de la Ciencia de Datos
Entendiendo el proceso de la ciencia de datos
Formulación de problemas y generación de hipótesis
Toma de decisiones basada en datos
• Recolección y Limpieza de Datos
Tipos de datos: estructurados y no estructurados
Técnicas de recolección de datos
Limpieza y preprocesamiento de datos
• Análisis Exploratorio de Datos (EDA)
Estadísticas descriptivas
Técnicas de visualización de datos
Identificación de patrones y perspectivas
• Introducción a Python para Ciencia de Datos
Conceptos básicos de Python e instalación
Notebooks de Jupyter
• Bibliotecas Esenciales de Python
NumPy para datos numéricos
Pandas para manipulación de datos
Matplotlib y Seaborn para visualización de datos
• Introducción al Aprendizaje Automático
Aprendizaje supervisado vs. no supervisado
Selección y evaluación de modelos
Sobreajuste y subajuste
• Aprendizaje Automático Práctico en Python
Conceptos básicos de Scikit-learn
Construcción de modelos de regresión lineal simples
Clasificación con árboles de decisión y regresión logística
• Ética en la Ciencia de Datos
Importancia de la ética en la ciencia de datos
Privacidad y seguridad de los datos
Sesgo y equidad en la IA
• Proyecto Final
Definir un problema basado en datos
Aplicar el proceso completo de ciencia de datos
Presentar hallazgos y perspectivas

Asignaturas

Conferencias