Entrenamiento completo en Data Science con Python 2020
4.5 (697 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,591 students enrolled

Entrenamiento completo en Data Science con Python 2020

Formación completa en ciencia de datos: Matemáticas, Estadística, Python, Estadística Avanzada, Aprendizaje Automático
4.5 (697 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,593 students enrolled
Last updated 5/2020
Spanish
Spanish [Auto-generated]
Current price: $139.99 Original price: $199.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 16.5 hours on-demand video
  • 46 articles
  • 86 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • El curso proporciona todo el conjunto de herramientas necesarias para convertirte en científico de datos.
  • Llena tu currículum con las demandadas habilidades de ciencias datos: Análisis estadístico, Programación Python con NumPy, pandas, matplotlib y Seaborn, Análisis estadístico avanzado, Tableau, Machine Learning con modelos de estadísticas y scikit-learn, Deep learning con TensorFlow
  • Impresiona a los entrevistadores mostrando una comprensión del campo de las ciencias de datos.
  • Aprende como preprocesar datos
  • Comprende las matemáticas detrás del aprendizaje automático (¡algo absolutamente necesario que los otros cursos no enseñan!)
  • Comienza a escribir código en Python y aprende cómo usarlo para el análisis estadístico.
  • Realiza regresiones lineales y logísticas con Python
  • Ejecuta análisis de agrupamientos y factores
  • Adquiere capacidades para crear algoritmos de aprendizaje automático en Python, usando NumPy, statsmodels y scikit-learn.
  • Aplica tus habilidades a casos de negocio de la vida real
  • Utiliza marcos de trabajo de aprendizaje profundo de última generación como TensorFlow de Google.
  • Desarrolla una intuición empresarial mientras codificas y resuelves tareas con grandes cantidades de datos
  • Despliega el poder de las redes neuronales profundas
  • Mejora algoritmos de aprendizaje automático mediante el estudio del subajuste, el sobreajuste, el entrenamiento, la validación, la validación cruzada n veces, las pruebas y la forma en que los hiperparámetros podrían mejorar el rendimiento
  • Calienta tus dedos ya que estarás ansioso por aplicar todo lo que habrás aprendido aquí a más y más situaciones de la vida real
Requirements
  • No se necesita experiencia previa. Comenzaremos desde lo más básico
  • Necesitarás instalar Anaconda. Te mostraremos como hacerlo paso a paso.
  • Microsoft Excel 2003, 2010, 2013, 2016, o 365
Description

El problema

La Data Science o ciencia de datos es una de las profesiones más adecuadas para prosperar en este siglo. Es digital, orientada a la programación y analítica. Por lo tanto, no es de extrañar que la demanda de científicos de datos haya aumentado en el mercado laboral.

Sin embargo, la oferta de Data Science es muy limitada. Es difícil adquirir las habilidades necesarias para ser contratado como científico de datos.

¿Y cómo puedes hacer eso?

Las universidades han sido lentas en crear programas especializados de ciencia de datos. (sin mencionar que los que existen son muy caros y consumen mucho tiempo).

La mayoría de los cursos de Data Science en línea se centran en un tema específico y es difícil entender cómo la habilidad que enseñan encaja en el cuadro completo.

La solución

La ciencia de datos es un campo multidisciplinario. Abarca un amplio rango de temas.

· Comprender el campo de la ciencia de datos y los tipos de análisis realizados

· Matemáticas

· Estadística

· Python

· Aplicar técnicas estadísticas avanzadas en Python

· Visualización de datos

· Aprendizaje automático

· Aprendizaje profundo

Cada uno de estos temas se basa en los anteriores. Y te arriesgas a perderte en el camino si no adquieres estas habilidades en el orden correcto. Por ejemplo, te costaría aplicar las técnicas de Aprendizaje Automático antes de entender las Matemáticas subyacentes. También puede ser abrumador estudiar el análisis de regresión en Python antes de saber lo que es una regresión y tener nociones básicas de programación en Python.

Por lo tanto, en un esfuerzo por crear la capacitación disponible en línea más efectiva, eficiente con el tiempo y estructurada, creamos En entrenamiento Completo en Data Science con Python 2020.

Creemos que este es el primer programa de entrenamiento que resuelve el mayor reto para entrar en el campo de las ciencias de datos – tener todos los recursos necesarios en un solo lugar.

Además, nuestro objetivo es enseñar temas que fluyen sin problemas y se complementan entre sí. El curso te enseña todo lo que necesitas saber para convertirte en un científico de datos a una fracción del costo de los programas tradicionales (sin mencionar la cantidad de tiempo que ahorrarás).

Las habilidades

1. Introducción a los datos y la ciencia de datos

Macrodatos, inteligencia de negocio, análisis de negocio, aprendizaje automático e inteligencia artificial. Sabemos que esta jerga pertenece al campo de la Data Science, pero ¿qué significa?

¿Por qué aprenderlo?

Como candidato a científico de datos, debes entender los pormenores de cada una de estas áreas y reconocer el enfoque apropiado para resolver un problema. Esta 'Introducción a los datos y la ciencia de datos' te dará una visión completa de toda esta jerga y dónde encaja en el ámbito de la Data Science.

2. Matemáticas

Aprender las herramientas es el primer paso para hacer ciencia de datos. Primero debes ver el panorama completo para luego examinar las partes en detalle.

Damos un vistazo detallado específicamente en el cálculo y el álgebra lineal, ya que son los subcampos en los que se basa la ciencia de datos.

¿Por qué aprenderlo?

El cálculo y el algebra lineal son esenciales para la programación en ciencia de datos. Si quieres entender algoritmos de aprendizaje automático avanzados, entonces necesitarás estas habilidades en tu arsenal.

3. Estadística

Necesitas pensar como un científico antes de convertirte en un científico de datos. La estadística entrena tu mente para enmarcar los problemas como hipótesis y te da técnicas para comprobar estas hipótesis, al igual que un científico.

¿Por qué aprenderlo?

Este curso no sólo te da las herramientas que necesitas, sino que también te enseña cómo utilizarlas. Las estadísticas te entrenan para pensar como un científico.

4. Python

Python es un lenguaje de programación relativamente nuevo y, a diferencia de R, es de propósito general. ¡Puedes hacer cualquier cosa con él! Aplicaciones web, juegos de ordenador y ciencia de datos son algunas de sus capacidades. Es por eso que, en un corto espacio de tiempo, Python ha logrado disrumpir muchas disciplinas. Se han desarrollado bibliotecas extremadamente potentes para permitir la manipulación, transformación y visualización de datos. Sin embargo, donde Python realmente brilla es cuando se trata de aprendizaje automático y profundo.

¿Por qué aprenderlo?

Cuando se trata de desarrollar, implementar e implantar modelos de aprendizaje automático a través de infraestructuras poderosas como scikit-learn, TensorFlow, etc., Python es un lenguaje de programación imprescindible.

5. Tableau

Los científicos de datos no sólo necesitan ocuparse de los datos y resolver problemas relacionados con los datos con herramientas de programación como Python. También necesitan convencer a los ejecutivos de la empresa de las decisiones correctas a tomar. Estos ejecutivos quizá no sean conocedores de la ciencia de los datos, por lo que el científico de datos debe ser capaz de presentar y visualizar la historia de los datos de una manera que ellos puedan entender. Aquí es donde entra en juego Tableau, y te ayudaremos a convertirte en un experto narrador de historias utilizando el software de visualización líder en inteligencia empresarial y ciencia de datos.

¿Por qué aprenderlo?

Un científico de datos se vale de herramientas de inteligencia empresarial como Tableau para comunicar resultados complejos a los responsables de la toma de decisiones que no tienen formación técnica.

6. Estadística avanzada

Las regresiones, el agrupamiento y el análisis de factores son disciplinas que se inventaron antes del aprendizaje automático. Sin embargo, ahora todos estos métodos estadísticos se ejecutan a través del aprendizaje automático para proporcionar predicciones con una precisión sin precedentes. En esta sección se examinarán estas técnicas en detalle.

¿Por qué aprenderlo?

La ciencia de datos trata sobre construir modelos predictivos y podrás convertirte en un experto en estos métodos a través de esta sección de "Estadística avanzadas".

7. Aprendizaje automático

La parte final del programa de Data Science y a la que apuntan las otras secciones es el aprendizaje profundo. La capacidad de emplear el aprendizaje automático y profundo en su trabajo es lo que a menudo separa a un científico de un analista de datos. Esta sección cubre todas las técnicas comunes de aprendizaje automático y los métodos de aprendizaje profundo con TensorFlow.

¿Por qué aprenderlo?

El aprendizaje automático está en todas partes. Compañías como Facebook, Google, y Amazon han estado usando por años máquinas que pueden aprender por su cuenta. Ya es tiempo de que tú controles las máquinas.

***Lo que obtendrás***

· Un programa de ciencia de datos de $1250

· Apoyo activo de Preguntas y Respuestas

· Todo el conocimiento para ser contratado como científico de datos

· Una comunidad de estudiantes de ciencia de datos

· Un certificado de finalización

· Acceso a actualizaciones futuras

· Resuelve casos de negocio de la vida real que te darán ese empleo

Te convertirás en un científico de datos desde cero

Estamos encantados de ofrecer una garantía incondicional de 30 días para la devolución de tu dinero. No hay riesgo para ti. El contenido del curso es excelente, y esto es muy sencillo para nosotros, ya que estamos seguros de que te encantará.

¿Por qué esperar? Cada día es una oportunidad perdida.

Haz clic en el botón “Comprar ahora” sé parte de nuestro programa de ciencia de datos hoy.

Who this course is for:
  • Debes tomar este curso si quieres convertirte en un Científico de Datos o si quieres aprender sobre el área
  • Este curso es para ti si quieres una gran carrera.
  • Este curso también es ideal para principiantes, ya que comienza desde los fundamentos y gradualmente desarrolla tus habilidades
Course content
Expand all 292 lectures 16:22:35
+ El campo de la ciencia de datos - Las distintas disciplinas
5 lectures 31:09
Ciencia de Datos y jerga de Negocios: ¿Por qué hay tanta?
1 question
Cuál es la diferencia entre el análisis y la analítica
03:50
Cuál es la diferencia entre el análisis y la analítica
1 question
Analítica de negocio, analítica de datos y ciencia de datos: una introducción
3 questions
Continuando con la IN, AA e IA
09:31
Continuando con la IN, AA e IA
2 questions
Un desglose de nuestra Infografía de Ciencia de Datos
04:03
Un desglose de nuestra Infografía de Ciencia de Datos
1 question
+ El campo de la ciencia de datos - Los beneficios de cada disciplina
1 lecture 03:45
La razón tras estas disciplinas
03:45
La razón tras estas disciplinas
1 question
+ El campo de la ciencia de datos - técnicas populares de ciencia de datos.
11 lectures 53:30
Técnicas para trabajar con datos tradicionales
08:13
Técnicas para trabajar con datos tradicionales
1 question
Ejemplos de la vida real de datos tradicionales
01:44
Técnicas para trabajar con macrodatos
04:26
Técnicas para trabajar con macrodatos
1 question
Ejemplos de la vida de real de macrodatos
01:32
Técnicas de inteligencia de negocios (IN)
06:45
Técnicas de inteligencia de negocios (IN)
4 questions
Ejemplos de la vida de real de inteligencia de negocios
01:42
Técnicas para trabajar con métodos tradicionales
09:04
Técnicas para trabajar con métodos tradicionales
4 questions
Ejemplos de la vida real de métodos tradicionales
02:45
Técnicas de aprendizaje automático (AA)
06:55
Técnicas de aprendizaje automático (AA)
2 questions
Tipos de aprendizaje automático
08:13
Tipos de aprendizaje automático
2 questions
Ejemplos de la vida real de aprendizaje automático (ML)
02:11
Ejemplos de la vida real de aprendizaje automático (ML)
5 questions
+ El campo de la ciencia de datos - Herramientas populares de ciencia de datos
1 lecture 05:51
Lenguajes de programación necesarios y software utilizado en la ciencia de datos
05:51
Lenguajes de programación necesarios y software utilizado en la ciencia de datos
4 questions
+ El campo de la ciencia de datos - Carreras en ciencia de datos
1 lecture 03:29
Encontrando el trabajo - Qué esperar y qué buscar
03:29
Encontrando el trabajo - Qué esperar y qué buscar
1 question
+ El campo de la ciencia de datos - desmitificando concepciones erróneas comunes
1 lecture 04:10
Desmitificando concepciones erróneas comunes
04:10
Desmitificando concepciones erróneas comunes
1 question
+ Parte 2: Estadística
1 lecture 04:02
Población y muestra
04:02
Población y muestra
2 questions
+ Estadística - Estadística descriptiva
22 lectures 47:44
Tipos de datos
2 questions
Niveles de medición
03:43
Niveles de medición
2 questions
Variables categóricas - Técnicas de visualización
1 question
Ejercicio de variables categóricas
00:01
Variables numéricas - Tabla de distribución de frecuencias
03:09
Variables numéricas - Tabla de distribución de frecuencias
1 question
Ejercicio de variables numéricas
00:01
El histograma
02:14
El histograma
1 question
Ejercicio de histogramas
00:01
Tablas cruzadas y diagramas de dispersión
04:44
Tablas cruzadas y diagramas de dispersión
1 question
Ejercicio de tablas cruzadas y diagramas de dispersión
00:01
Media, mediana y moda
04:20
Ejercicio de media, mediana y moda
00:01
Sesgo
02:37
Ejercicio de sesgo
00:01
Sesgo
1 question
Varianza
05:55
Ejercicio de varianza
00:01
Desviación estándar y coeficiente de variación
04:40
Desviación estándar
1 question
Ejercicio de desviación estándar y coeficiente de variación
00:01
Covarianza
03:23
Covarianza
1 question
Ejercicio de covarianza
00:01
Coeficiente de correlación
03:17
Correlación
1 question
Ejercicio de coeficiente de correlación
00:01