Continúa aprendiendo ciencia y análisis de datos para ejecutar estrategias efectivas

¡Saludos a todos! Quedo atenta a sus comentarios y feedback. Ojalá pronto nos veamos en otro curso de Platzi 😄
Muchas gracias por las felicitaciones, aprovecho por felicitarlos por todos sus logros y animarlos a que sigan explorando el área de Data Science.

Me gustó mucho el enfoque aplicado que se le dio al curso para la resolución de un problema especifico. Por favor más cursos de este tipo, me encantaría profundizar más sobre soluciones de negocio a partir de datos.

El curso me parece muy bueno para dar un panorama general de como los datos pueden ser utilizados para mejorar los servicios y productos mientras se mantiene la rentabilidad de la empresa. Es un verdadero mundo lo que se puede hacer con la información.

Bueno… para resumir los retos decidí hacerlos todos y enviarlos en el último video del curso… aquí va:
.
Retos Data Science
.
Reto 1
Piensa en 3 empresas que almacenan un gigantesco volumen de datos y están usando big data hoy en día.
.

• Microsoft

• Samsung

• Google
  .
  Reto 2
  Piensa qué tipos de datos manejan las 3 empresas del reto anterior y para qué crees que los están utilizando.
  .

• Datos de Personas

• Datos de Transacciones

• Datos de Navegación

• Datos de Machine 2 Machine

• Datos Biométricos
  .
  Lo utilizan para dar mejores recomendaciones para anuncios, también para tener en cuenta el tiempo usado en las páginas web y los datos biométricos para desbloquear el móvil.
  .
  Reto 3
  Piensa en 3 empresas que tengan una cultura de datos (data-driven), donde todas sus decisiones se toman con base en la información que generan.
  .

• Netflix

• Amazon

• Apple
  .
  Reto 4
  Piensa en 3 empresas (de 3 sectores/industrias diferentes) que están utilizando lenguaje automatizado.
  .

• MercadoLibre

• Airbnb

• Instagram
  .
  Reto 5
  Piensa en 3 empresas que producen tecnología de deep learning y para qué crees que la están utilizando (1 con imágenes, 1 con vídeo y 1 con sonido).

• Google Photos (Imágenes)

• Google Translate (Sonido)

• YouTube (Video)
  .
  Reto 6
  ¿Cuál es tu rol? Piensa en dónde te proyectas, qué área(s) de la ciencia de datos te llaman la atención, cuáles herramientas te llamaron la atención y qué propósito quieres cumplir como data scientist.
  .
  Data Science, ya que lograr el análisis de datos basado en la organización del mismo mediante la programación es una habilidad la cual está en gran demanda actualmente.
  .
  Reto 7
  Acaban de informarte que las ventas de tu empresa cayeron mucho hoy. Debes extraer la información de los clientes que compraron ayer y los clientes que compraron hoy para entender por qué cayeron las ventas. ¿Qué herramienta debes usar para realizar la extracción de datos?
  .
  Usaría SQL ya que con la extracción de datos los filtraría para los días solicitados.
  .
  Reto 8
  Vas a analizar las ventas registradas en tu base de datos, pero debes excluir del análisis cualquier registro donde la columna city sea Bogotá. ¿Qué operador lógico necesitas para obtener la información con este “filtro”?
  .
  NOT, porque excluye la información que sea solicitada, la cual es en este caso la columna ‘City - Bogotá’
  .
  Reto 9
  En la pestaña VENTAS_2020 observa la información de la “base de datos”, plantéate una pregunta y encuentra una solución por medio de queries en SQL.
  .
  ¿Qué cantidad de auriculares se han vendido desde que inició la empresa en 1990?
  .
  SELECT COUNT (DISTINCT id) from VENTAS_2020
  WHERE Producto = ‘Auriculares’
  AND Año >= 1990
  .
  Reto 10
  Mira el documental The Social Dilemma, piensa qué crees que es verdad o no y luego mira el siguiente análisis: https://www.youtube.com/watch?v=Frdna_cBwwU.
  ¿Qué aprendiste? ¿Acertaste en algunos de tus puntos? ¿Qué fue lo que más te asustó o sorprendió?
  .
  El documental tiene mucha información correcta, sin embargo la acomodaron para hacerla ver como un peligro inminente el cual se debe evitar a toda costa. Al ver el análisis confirmé que aunque las redes sociales sí usen información personal para diferentes ámbitos, son los usuarios quienes dan autorización y permisos a estos terceros. De igual manera es motivante el documental ya que indirectamente muestra la infinidad de posibilidades que puede hacer la programación.
  .
  Reto 11
  Piensa en un problema de negocio en la empresa donde trabajas (o donde te gustaría trabajar) y aplica la estructura de storytelling:
  .

• ¿Cómo lo identificas?

• ¿Qué solución podría tener?

• ¿Cuál es su alcance?
  .
  Posiblemente para una StartUp (general) que apenas inicie y desee formarse teniendo en cuenta la calificación del servicio que brinda a los clientes.
  .
  Problema: La necesidad de calificar el servicio prestado por la StartUp evaluando a los usuarios (clientes) una vez al mes sin margen de error a repetir el cuestionario por segunda ocasión y encontrando posibles inconformidades de parte de los clientes.
  .
  Solución: Crear un script que permita recolectar los usuarios de la base de datos y les envíe un formulario único mensualmente para expresar dudas, gratificaciones o molestias que tuvieron durante el mes.
  .
  Alcance: Toda la base de datos de clientes de la StartUp.
  .
  Reto 12
  Valida la hipótesis que planteaste en el reto anterior, encuentra sus variables cuantitativas y cualitativas.
  .
  V. Cuantitativas:

• ¿Cuántas personas se quejan del servicio?

• ¿Cuántos clientes están conformes con el servicio?

• ¿Cuánta gente tiene dudas con el trabajo brindado por la StartUp?
  .
  Reto 13
  ¿Cómo sería tu clasificación numérica para resolver el caso de negocio de los retos anteriores?
  Los dividiría en tres grupos, los que se sienten satisfechos, los que tienen dudas y aquellos que están inconformes con el servicio
  .
  ¿Qué usuarios buscarías?
  Todos aquellos usuarios que tengan en vigencia el servicio prestado por la StartUp
  .
  ¿Cuál sería tu hipótesis?
  La StartUp necesita mejorar ya que inició hace poco y una forma práctica y eficaz de mejorarla es contactando a los clientes
  .
  Reto 14
  Identifica y clasifica las variables categóricas del caso de negocio que has estado trabajando en los retos anteriores.
  .

• Devolución del dinero

• Problemas técnicos

• Servicio tardío

• Créditos

• Política de la empresa
  .
  Reto 15
  Piensa cómo poner en conjunto la información cuantitativa y cualitativa en tu caso de negocio.
  .
  En un cuadro de columnas y filas, de manera horizontal colocaría la clasificación numérica y de manera vertical las variables categóricas anteriormente mencionadas.
  .
  Reto 16
  Piensa en los mensajes que podría haber dentro de las categorías que creaste. ¿Qué información adicional podrías encontrar analizando los textos relacionados a tu caso de negocio? ¿Cuáles serían los diferentes comportamientos?
  .

• Comisiones del servicio

• Estado del producto

• Generación de facturas
  .
  Reto 17
  Plantea una hipótesis de cómo afecta la geolocalización al comportamiento de tus usuarios y define el campo geográfico que más se adecua a tu caso de estudio (ciudades, pueblos, distritos, países…).
  .

• Hora de envío de los productos

• Costos de envío

• Problemáticas/Dificultades para el traslado de los productos
  .
  Reto 18
  Piensa qué acciones surgirían como resultado de tu análisis.
  .

• Llamar a los usuarios para solucionar cualquier impase o inquietud

• Responder mediante emails las dudas que genere el servicio

• Brindar soporte en caso dado que se comuniquen con servicio al cliente
  .
  Reto 19
  ¡Felicidades por terminar el Curso de Análisis de Negocios para Ciencia de Datos!
  .
  ¿Aprendiste algo nuevo?

• Inicios de SQL

• La importancia de SQL, R y Python para la ciencia de datos

• Herramientas útiles a tener en cuenta para una buena optimización de datos

• La importancia del Data Driven en las empresas
  .
  ¿Qué fue lo que más te gustó?

• Qué y cómo debe trabajar un científico de datos
  .
  ¿Cuál será tu siguiente paso para convertirte en data scientist?

• Curso de POO y Algoritmos con Python

Me encanto el curso, me ayudo a entender que es la Ciencia de datos y que es lo que realizan

Excelente curso, Silvia, muy completo y conciso.

Este curso se me fue como agua, estuvo muy interesante.

Lo más importante del curso son los roles, la importancia de las bases de datos y cómo podemos resolver un problema con las herramientas y el analisis necesario

Soy el primer comentario xd Saludos maestra Sílvia!

Un curso fantástico! A pesar de que es corto, te permite ver las diferentes temáticas que incluye el mundo de data science, no solo la parte técnica o la de negocio, sino también los dilemas éticos y la responsabilidad que la información trae.

lo tome por mera curisoidad, pero como me encantó! Se lo estoy recomendando a mis amigos no programadores pero que les encantan los negocios! ❤️

Este curso es muy valioso porque se apega a lo que muchos buscamos, una aplicación a los negocios de las tecnologías de ciencia de datos.

Un excelente curso, de hecho es el primero que tomo en Platzi y sin duda seguire la escuela para acercarme cada vez más a ser un data scientist

Me gustó mucha la manera en como Sílvia sintetiza todo en sus diapositivas, además que hace de los conceptos algo muy cercano y amigable, sobretodo para quienes nos aproximamos por primera vez a este tema de ciencia de datos. También me gustó que al principio del curso se adjuntara el excel para ir desarrollando el ejercicio en tiempo real con las clases que van sucediendo. Un gusto conocerte virtualmente 😉

Este curso fue muy chévere. A pesar de que tengo nociones en el área, los conocimientos que brinda el curso me fueron de mucha utilidad para reforzar y llenar vacíos que tenia, como también aprender y complementar otros conceptos ¡Muchas gracias!

¡Muchas gracias por el curso! Estuvo de 10. Gran forma de explicar, con un enfoque practico que hizo el curso bastante llevadero y ameno.

Realmente excelente profesora, da un enfoque muy práctico, esperemos tener más cursos así

Me gusto el enfoque practico y conciso del curso

Muy buen curso me hizo pensar mucho, me encantaría que en lugar de solo describir como podríamos hacer estos tipos de análisis se pucieran en plactica.

Este curso deja claro muchos conceptos que pueden ser un tanto confusos, pero vale la pena totalmente.

Genial!

Muy buen curso para darnos introducción a este camino de las ciencias de datos 😄

Gracias por el curso profesora hermosa.

gracias por las clases 😄

Excelente Curso y Sílvia de las mejores

Muchas gracias @Silvia, motivador este curso, me dio claridad en que rol me quiero desempeñar “Data Translstor”

El curso ha sido maravilloso de principio a fin, creo que a pesar de haber sido muy teórico, el incentivara que nos planteemos un problema fue muy bueno para entender mejor lo que estábamos aprendiendo. Todo fue muy claro, cada vez Platzi mejora más y más la calidad de sus cursos!

Excelente curso, la profesora Silvia es increíble

Buen curso, me ha ayudado mucho la parte de hipótesis y el análisis cuantitativo y cualitativo.

Excelente curso!

Me gusto la interacción de este curso dejándonos preguntas que responder y reflexionar. Y la manera de aplicar los conceptos a un caso de negocio real. Si alguien conoce libros que aborden mas estos temas del curso como la utilidad de los datos en negocios y ética en manejo de datos compartan!

Gracias Silvia y gracias Platzii por este curso que nos da las bases para analizar los problemas de negocio y implementar estrategias efectivas

Excelente curso! Love it!

Excelente curso

muy buen curso… el abre bocas perfecto para iniciar el data science.

Me gustó mucho el curso como introducción a aplicación de negocios de Data Science y sobre todo el tema practico de los Top Offenders para ejemplificar el proceso de como se hace análisis de datos, me quedó mucho más claro de esa manera, muchas gracias

Senti el curso con un tono muy natural! Los conceptos se transmitian de manera muy sencillo y eso es ideal!
Gracias Profesora Silvia!

Me encanta la forma que explica: claro, concreto, conciso y muy ameno; seguimos con los conocimientos adquiridos en este maravilloso mundo de los datos. ❤️

Muy contento con el contenido y el resumen compartido

Muy muy buen curso! Tomare la ruta de data analytics!
Muy buena suerte, demasiados exitos y salud a todos y cada uno de ustedes, un completo gusto!

Muchas Gracias Silvia, en verdad siento que logre adaptar mis conocimientos Contables al Area de Ciencia de Datos, espero ser tu alimno en proximas clases, Saludos !!

Excelente Curso, buena fluidez de la información, en la parte técnica amplia mucho el panorama de lo que abarca la Big Data.

Una excelente profesora me gustaría verla en mas cursos

Muchas gracias por darnos un panaroma de la ciencia de datos, soy contador publico y siempre he estado cerca de los datos pero ahora quiero profundizar y creo que llegue al lugar correcto, dejo este comentario y lo volvere a ver dentro de 1 año, la idea ser data science en ese momento chaooo.

Fué un curso SÚPER BIEN EXPLICADO, sencillo, corto, al punto! Me encantó. aparte estoy aplicando alugunos de los datos del curso para aprender de manera efectiva online que me han servido!

hIKA

ಥ_ಥ ¡¡Gracias, Sílvia Ariza Sentís!!… Algún día te abrazaré.
❤️

5 estrellas, excelente material, resumido y de gran ayuda para entender la ciencia de datos!

excelente cursos, de los mejores que he tomado en platzi, hasta ahora.

Ante todo, quiero aclarar que soy un viejo y que tengo la brillantez de un frijol (todos vosotros sois mejores que yo, sin duda).

Después del bla, bla, bla, te doy las gracias Silvia por este maravilloso curso y gracias a todos los compañeros por sus aportaciones. Por n-sima vez me doy cuenta de lo afortunado que soy por poder aprender de todas vuestras aportaciones. En serio, sois geniales y un orgullo para nuestra comunidad.

¿Por qué es fundamental este curso para mí?. Porque, en mi opinión, sin datos ni herramientas para manejarlos, otros opinan por nosotros. ¡Sin datos ni herramientas para manejarlos, mi opinión es humo!.

Todos sabemos que para las empresas que ofrecen servicios y productos gratuitos, al final, nuestros datos son el valor de cambio. Si nuestros datos son el valor de cambio, nuestra información es el valor de cambio y al final lo somos nosotros. Todos conocemos casos como Facebook y bla, bla, bla.

En mi opinión, no obstante, hay casos que nos afectan a todos y nos dejamos engañar cada instante de nuestra vida, sin darnos cuenta. Pongo algunos ejemplos (aunque creo que hay muchos más):

• Introducir el BI en las empresas es un objetivo imprescindible para cualquier manager en una empresa. ¡NO!. Si el BI no es una estrategia gerencial, puede convertirse en una táctica departamental y ya sabemos como somos los humanos, ¿no?. Conclusión: El BI acaba siendo una porquería sin importancia, a la que nadie hace caso y que se asigna a fracasados (para cubrir el expediente).

• El BI está anticuado, ahora lo que es más “cool” es la AI (por favor, añadir vocecitas extrañas a lo anterior 😉 ). ¡NO!. La idea de que lo nuevo elimina lo antiguo es de idiotas (posiblemente más de lo que lo soy yo). Como brillantemente ha aclarado Silvia, son peras y manzanas. Adoptar la AI no significa ignorar el BI, son categorías diferentes. Gracias Silvia, es necesario aclarar términos y tú has sido genial en esto. Aunque parezca mentira, el resultado de una encuesta en LinkedIn dio como resultado, que más del 80% de las personas (managers y CEO’s incluidos), opinan que el BI está anticuado, hoy en día (¡increíble!).

• Sistemas de transformación digital, como el paradigma de la oficina sin papeles (“paperless office”), lo cual implica substituir el papel por sistemas que digitalicen documentos (incluyendo OCR), están anticuados hoy en día. ¡NO!. Una vez más un sistema anterior no significa malo.

Los managers que aseguran que el “paperless office” está anticuado, suelen advocar (eternamente) por aplicaciones móviles (que nunca llegan), o por CMS (que se convierten en “repositorios de burocracia”), mientras sus despachos se convierten en estercoleros llenos de papeles, con los cuales pretenden “hacer ver que hacen” y mentirnos con el sesgo siguiente: Los genios son desordenados y marranos, yo soy desordenado y marrano, luego yo soy un genio (por favor, añadir vocecitas).

Una encuesta publicada por mí en LinkedIn arrojó el siguiente resultado: Un 40% de los encuestados opina que el “paperless office” está anticuado hoy en día 😦 .
He devorado los cursos de transformación digital y gestión documental en “nuestro” Platzi (gracias) y he montado n sistemas de gestión documental (incluyendo OCR), el último en Java.

Todos los estudios (con datos) que he leído y que he hecho yo mismo, arrojan un porcentaje de ahorro superior al 50% en las empresas con circuitos administrativos que incluyen “paperless office” y un ROI muy pequeño (casi siempre inferior al año).

Efectivamente, los sesgos se eliminan con “Data Driven” y herramientas de análisis para tomar decisiones.

• Hay que eliminar las centrales térmicas y nucleares ¡YA!, porque si no el mundo se va al carajo (vocecitas). ¡NO!. El problema es que, como ya expresó (con datos) el ex vicepresidente y ex aspirante a la Casa Blanca 😦, Al Gore, las decisiones era imprescindible tomarlas en los 90’s y hoy ya son IRREVERSIBLES.

Como aprendí en la carrera de Ciencias en “nuestro” Platzi, un sistema muy acertado de clasificar el grado de evolución y de supervivencia de las civilizaciones (basado en datos), es por su consumo energético (escala de Kardashov). Si eliminamos los sistemas de generación de energía actuales (térmicos y nucleares) sin tener en funcionamiento los sistemas alternativos, ¿no es como lanzarse a una piscina sin saber si tiene agua?.

¡Ojo!, yo soy un firme partidario de las energías alternativas y verdes, pero creo que las decisiones deben ser tomadas basándose en datos, si no, podemos seguir a cualquiera de nuestros políticos y caer todos en un “black hole” de destrucción del planeta o en una Edad Media donde la mayoría de nosotros debe morir, porque no habrá recursos para todos.

Etc, etc, etc…

CONCLUSIÓN: Si has llegado hasta aquí, posiblemente eres un/a Santo/a. Si, increíblemente, piensas como yo, que es imprescindible tomar decisiones basadas en datos y mejorar nuestro propio sistema de toma de decisiones (en las empresas y fuera de ellas), entonces es que Silvia (como a mí mismo), te ha cambiado un poquito la vida y te ha aportado (como a mí) valor.

Yo agradezco muchísimo a Platzi y a Silvia (como a todos los profesores) el valor que aportan a mi vida y que con ello me permiten ser mejor persona. Nunca son pocos los reconocimientos para personas y equipos que lo hacen bien. Yo (personalmente), las críticas me las ahorro, los reconocimientos los expreso. ¿Tú lo haces?, son personas y lo necesitan como nosotros y si les pinchas sangran también como nosotros. Por favor, hazlo, expresa tu reconocimiento si piensas, como yo, que lo merecen.

“By the way”, siguiendo los cursos de Platzi (incluyendo los de construcción de marca personal y de estrategia en LinkedIn, entre muchos otros), sin postularme para ningún puesto de trabajo, he recibido ofertas con cifras concretas, que mejoran (de momento) mi sueldo actual en 1,5x. Yo no los llamo a ellos, ellos me llaman a mí.

Gracias, una vez más, Platzi y gracias Silvia.

y vamos por el propósito de ser científico de datos

Creo me me llama más la atención de aprender
Data Science, de tomar los datos y llegar a conclusiones para tomas de decisiones 😃

Excelente curso!! Me ha motivado a seguir con la escuela de data science 😋

• Lo que más me gustó del curso fue todos los ejemplos prácticos aplicados a problemas reales de negocio que nos mostró la profesora.
• Lo que más me sorprendió fue que la ciencia de datos este tan estrechamente relacionada con machine learning e inteligencia artificial.
• Mi siguiente paso para convertirme en data scientist será tomar los cursos sugeridos por la profesora y tomar la escuela entera de ciencia de datos

Silvia, muchas gracias por el buen curso, la verdad me llevo muchas cosas de aquí a la practica. Espero seguir encontrando más cursos que pueda explotar de la misma forma. Felicidades y muchas gracias.

Me encantó el curso, es un gran acercamiento a la Ciencia de Datos y cómo se aplica, creo que así no nos “espantamos” sobre este maravilloso campo de los datos.
Ánimo a todos, abrazos virtuales.
#Nuncaparesdeaprender

¿Cuando es el próximo meetup?

Me gusto bastante el curso y me dio un mejor enfoque de cual es el camino a seguir. Gracias.

UN CURSO MUY INTEREZANTE,.

Gracias Silvia, eres una crack 💪

Me encanto este curso porque claramente pude poner de ejemplo mi trabajo, que es en Servicio a cliente en un e-commerce y pude entender un poco mas como poder clasificar las quejas de los clientes.

Está fascinante saber como es el flujo de desarrollo de una solución a partir de Datos!

Muchas gracias, esto es lo que me gusta, y sería genial lograr ser analista

Muchas gracias por este curso !!

estoy llorando de felicidad

Excelente curso.

Excelente curso

answers Teest
Resumen
1.
Solo podemos analizar información numérica, ya que es la única que nos permite hacer operaciones y tener métricas. Esta afirmación es:

Falsa

¿Qué tipo de información podemos analizar?

Todas las respuestas son correctas.

Tu empresa quiere convertirse en data-driven, ¿cuál de los siguientes pasos se debe llevar a cabo primero?

Medir todo.

¿Cuál es una de las particularidades y usos más importantes del machine learning?

Se mejora y perfecciona constantemente según las nuevas realidades y situaciones de la industria.

¿En qué proyectos podemos implementar deep learning?

Todas las respuestas son correctas.

¿Qué lenguajes o programas debes aprender inicialmente como data scientist?

Lenguajes de consulta a bases de datos como SQL y lenguajes de programación como R y Python.

El primer lenguaje o programa que voy a usar cuando tenga una base de datos y quiera simplificarla es:

Un lenguaje de consulta a bases de datos como SQL.

Pandas y NumPy pertenecen a:

Python

ggplot2 y dplyr pertenecen a:

R

¿Cuándo usamos la expresión GROUP BY de SQL?

Siempre que una variable dentro de SELECT no esté agrupada.

¿Cuál de las siguientes consultas en SQL nos permite encontrar CUÁNTAS ventas se hicieron en febrero?

SELECT COUNT (DISTINCT id) FROM VENTAS WHERE month = 2

Los cookies de una página web son capaces de recolectar nuestra información personal. Esta afirmación es:

Verdadera

Las técnicas de storytelling nos permiten:

Estructurar nuestros análisis de una manera más eficiente.

Un caso de negocio tiene que partir de una hipótesis. Esta afirmación es:

Verdadera

¿Cuál es la estructura de un análisis de caída de ventas de un mes?

Qué: las ventas cayeron de manera anómala. Por qué: explorar variables que expliquen el resultado. Cómo: encontrar efectos cíclicos y cambios en nuestras variables explicativas.

¿Qué tipo de dato nos permite analizar información cualitativa?

Texto

Fusionar información cuantitativa y cualitativa nos ayuda a interpretar características categóricas de usuarios, operaciones y conjuntos de datos. Esta afirmación es:

Verdadera

¿Para qué sirve la minería de texto?

Para encontrar información nueva a través de la exploración de nuestros datos.

Crear análisis con un nivel geográfico de alta agregación (países, continentes) puede incurrir en conclusiones sesgadas o erróneas. Esta afirmación es:

Verdadera

¿Qué debes hacer si tu análisis muestra que algunas tiendas de nuestro negocio tienen pérdidas?

Evaluar los resultados y plantearnos el cierre de algunas sedes.

Ver menos

brutal este curso

Curso excelente y apuntes magníficos tanto asi que los tuve que imprimir muy buenos, senti que despejo muchas dudas, dejo muy claro los roles que tiene cada uno, de verdad muy completo.

Aprendimos: que es una tabla, que es una base de datos, que hace un ds, que hace un ingeniero, que hace un analista, qué datos hay en el mundo, que empresas lo hacen, información numérica, categórica, de imágenes, de datos

Análisis de negocios, desde hipótesis de problema hasta ver qué datos numéricos tenemos para solucionarla, categorías, ciudades, información geográfica, temporal, tomando acciones

Ver el impacto de hacer un análisis de negocio a partir de los datos.

Un curso SUPER disfrutable!

Gracias Silvia

Excelente curso profe!!!

Silvia mil gracias por compartir tus conocimientos, eres muy clara en tus explicaciones y eso hace que sea mas fácil entender un tema que tiene mil variables y que para algunos nos es mas complejo entender, pero si duda alguna sabes trasmitir tu conocimiento! Saludos

Excelente profesora! Muy fluida a la hora de explicar, con teoría y practica acorde y entendible. Muchas gracias por todo el contenido!

excelente informacion

Muchas gracias por el curso, el inicio de ingeniero de datos

Buen curso, gracias.

Me encanto!

Me gustó mucho el curso, muy conciso y entretenido. La experiencia y técnica para enseñar de Silvia es excelente, te engancha desde la primera clase. Siento que he aprendido la base correcta de como se debe analizar los datos y estoy entusiasmado en seguir aprendiendo para especializarme como Científico de Datos. Espero que en el avance de mi ruta de aprendizaje nos volvamos a encontrar en otros cursos. Gracias!!!

Me encanto el curso, logre captar y entender todo bastante bien, sentia como q estaba teniendo una clase presnecial, la forma de explicar de la profe silvia es excelente, y me hizo amar mas a la carrera de data

Me encantó el curso. Silvia explica de manera muy simple conceptos que parecen súper complejos. Ojalá haya muchos más cursos con ella.

Me gusto este curso, tocaste temas donde muy poca gente tienen conocimientos, gracias por tu ayuda.

Una gota de agua en este mar de comentarios, pero excelente curso, lo motiva a uno a seguir aprendiendo y la profe explicaba todo con cariño, de manera sencilla y amena. A veces no tenía toda la actitud para hacer una clase, pero su actitud me motivaba demasiado. Sin dudarlo me tomo los cursos de Silvia que sean 😃

es un buen comienzo, me sirvió para aclarar la información.

Excelente curso para introducirse en este mundo.

Muy buena profesora, gracias por compartir tus conocimientos. a continuar con Data Science.

Enriquece mi conocimiento

Me pareció que este curso estuvo muy bien explicado, la maestra transmitía el conocimiento de forma sencilla además de que el ejemplo del caso de negocio que se estuvo trabajando durante las últimas clases ayudó a que los conceptos fueran quedando claros.

Excelente curso profesora! Ahora gracias a este curso aprendí de la importancia de la cultura del data drive para una empresa o un negocio, sobre la organización de los datos, nociones básicas de sql y recolección de datos. También aprendí como hacer un análisis de un problema y plantearlo desde un punto de vista de Data sciencie. Los datos matan relato, y podemos ver en graficas y usando los algoritmos el beneficio de usar nuestras herramientas aprendidas.