Udemy
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
Turn what you know into an opportunity and reach millions around the world.
Learn More
Your cart is empty.
Keep shopping
Domina la Ciencia de Datos con Python: Desde Cero a Experto
21 students

Domina la Ciencia de Datos con Python: Desde Cero a Experto

Aprende a analizar, visualizar y predecir datos con Python, usando Pandas, NumPy, Matplotlib y Machine Learning.
Created byUridium Finance
Last updated 1/2025
Spanish

What you'll learn

  • Conceptos básicos de ciencia de datos.
  • Manejo de bibliotecas esenciales como NumPy, Pandas y Matplotlib.
  • Proceso completo de la ciencia de datos: desde la obtención hasta la visualización de datos.
  • Técnicas avanzadas de manipulación de datos con Pandas.
  • Exploración, limpieza y división de datasets para análisis.
  • Creación de gráficos (barras, histogramas, dispersión, cajas, pastel, líneas).
  • Visualización de datasets reales como el Titanic y bienes raíces.
  • Conceptos de estadística descriptiva e inferencial.
  • Probabilidad, correlación, regresión y pruebas de hipótesis.
  • Aplicación de estadística con datasets reales.
  • Técnicas y gráficos para descubrir patrones e insights en los datos.
  • Métodos para transformar y optimizar datos: One Hot Encoding, Ordinal Encoding, Binary Encoding, Binning e Imputación.
  • Funciones avanzadas como apply, tablas dinámicas, multi-índices, pivotes y series temporales.
  • Conceptos clave de Machine Learning y sus aplicaciones.
  • Implementación de modelos de regresión lineal desde la teoría hasta la práctica.
  • Análisis y visualización de datos del Titanic y bienes raíces.
  • Desarrollo de modelos predictivos con regresión lineal.

Course content

8 sections • 80 lectures • 8h 3m total length
  • Introduccion3:59
  • Recursos del Curso0:01
  • Introduccion a Numpy0:58
  • Matrices numpy14:36
  • Slicing de Matrices5:17
  • Introduccion a Pandas1:13
  • Pandas Dataframes8:30
  • Conjuntos de Datos12:05
  • Introduccion a Matplotlib1:01
  • Primer Grafico Matplotlib3:34
  • Proceso de la Ciencia de Datos5:02

Requirements

  • Conocimientos básicos de programación Aunque cubriremos conceptos de Python, se recomienda tener una comprensión básica de programación.
  • Python instalado Es necesario tener instalado Python 3.x en tu computadora para seguir las lecciones prácticas.
  • Familiaridad con los conceptos básicos de matemáticas y estadísticas será útil pero no es obligatorio.
  • Ganas de aprender y explorar el mundo de la ciencia de datos.

Description

Este curso está diseñado para proporcionarte una base sólida en Python y sus aplicaciones en la Ciencia de Datos. A lo largo de las semanas, adquirirás habilidades para manipular, analizar y visualizar datos utilizando herramientas fundamentales como Pandas, Matplotlib y Seaborn. También profundizaremos en conceptos estadísticos esenciales, análisis exploratorio de datos, y técnicas avanzadas como la ingeniería de características y el aprendizaje automático con Scikit-Learn.

A lo largo de 15 semanas, aprenderás:

  1. Conceptos básicos de Python: Familiarízate con la sintaxis y las estructuras fundamentales del lenguaje.

  2. Introducción a la ciencia de datos: Explora los principios que guían la manipulación y análisis de datos.

  3. Manipulación de datos con Pandas: Aprende a manejar conjuntos de datos con la biblioteca más popular en ciencia de datos.

  4. Visualización de datos con Matplotlib y Seaborn: Crea gráficos informativos que faciliten la comprensión de datos complejos.

  5. Introducción a la estadística: Adquiere una base sólida en estadística para el análisis de datos.

  6. Análisis Exploratorio de Datos (AED): Desarrolla habilidades para encontrar patrones y relaciones clave en los datos.

  7. Ingeniería de Características: Descubre cómo mejorar tus modelos a través de la creación de nuevas variables.

  8. Pandas Avanzado: Domina técnicas avanzadas para gestionar grandes volúmenes de datos.

  9. Introducción al aprendizaje automático: Comprende los fundamentos de los algoritmos de machine learning.

  10. Sobreajuste e infraajuste: Aprende a ajustar tus modelos para un mejor desempeño.

  11. Scikit-Learn: Aplica las técnicas más avanzadas de machine learning con esta poderosa biblioteca.

  12. Aprendizaje supervisado: Explora los algoritmos que utilizan datos etiquetados para realizar predicciones.

  13. Aprendizaje no supervisado: Analiza los algoritmos que identifican patrones sin supervisión humana.

  14. Métricas de evaluación: Evalúa el desempeño de tus modelos y optimiza su precisión.

  15. Selección de modelos y ajuste de hiperparámetros: Mejora tus resultados ajustando los parámetros clave de los modelos.

Al finalizar este curso, serás capaz de analizar grandes cantidades de datos de manera efectiva, crear visualizaciones impactantes, y desarrollar modelos predictivos usando Python. ¡Comienza tu viaje en la ciencia de datos con nosotros y prepárate para dar los siguientes pasos en tu carrera!

Who this course is for:

  • Principiantes en Ciencia de Datos
  • Programadores y Desarrolladores
  • Profesionales de Negocios y Marketing
  • Emprendedores y Freelancers
  • Estudiantes Universitarios