¿Para qué sirve la estadística descriptiva?

1

Fundamentos de Estadística Descriptiva y sus Aplicaciones Prácticas

2

Estadística Descriptiva en el Flujo de Ciencia de Datos

3

Estadística Descriptiva Aplicada a Ciencia de Datos

Estadística descriptiva para analítica

4

Uso de Deepnote para Jupyter Notebooks en Ciencia de Datos

5

Tipos de Datos en Ciencia de Datos: Categóricos y Numéricos

6

Medidas de Tendencia Central: Media, Mediana y Moda

7

Media vs. Mediana: Diferencias y Aplicaciones Prácticas

8

"Estadística Descriptiva con Pandas: Medidas de Tendencia Central"

9

Rango y Rango Intercuartil en Medidas de Dispersión

10

Desviación Estándar y Varianza en Estadística Descriptiva

11

Cálculo y Visualización de Medidas de Dispersión en Python

12

Visualización de Datos: Catálogo y Uso de Diagramas en Python

13

Diagramas de Dispersión y su Análisis con Seaborn

Estadística en la ingesta de datos

14

Escalamiento Lineal de Datos Numéricos para Machine Learning

15

Transformaciones No Lineales para Datos Sesgados en Machine Learning

16

Procesamiento y Escalamiento de Datos Numéricos en Python

17

Mapeo de Variables Categóricas en Python: Dumi y OneHot

18

Codificación de Variables Categóricas en Python con Pandas y Scikit-Learn

19

Correlación y covarianza en análisis de datos

20

Construcción y Análisis de la Matriz de Covarianza en Python

Proyecto de aplicación

21

Álgebra Lineal: Vectores y Valores Propios de una Matriz

22

Análisis de Componentes Principales (PCA) y Proyección de Vectores

23

Reducción de Dimensionalidad con PCA en Python

Despedida

24

Estadística Descriptiva: Claves para el Análisis de Datos

Crea una cuenta o inicia sesión

¡Continúa aprendiendo sin ningún costo! Únete y comienza a potenciar tu carrera

Estadística Descriptiva Aplicada a Ciencia de Datos

3/25
Recursos

¿Qué es lo que hace a este curso de estadística descriptiva único?

La estadística descriptiva es una parte esencial de las matemáticas que ofrece múltiples aplicaciones en la ciencia de datos. Aunque existe gran cantidad de material sobre este tema, este curso es diferente. Aquí, se contextualiza el uso de la estadística descriptiva dentro de la ciencia de datos, explorando no solo las fórmulas matemáticas detrás de los estadísticos descriptivos, sino también cómo identificar la cara correcta de las estadísticas, según el contexto. Inspirado en el libro "The Naked Statistics", este curso busca profundizar en lo realmente importante para aplicar efectivamente esta rama de las matemáticas.

¿Cómo se estructura el curso?

El curso se divide en dos grandes bloques, cada uno enfocado en diferentes aspectos de la estadística descriptiva aplicada a la ciencia de datos.

Bloque 1: Ingesta de datos y validación

En este bloque se abordan dos elementos fundamentales:

  1. Identificación de tipos de datos: Es crucial en data science reconocer si estamos ante variables numéricas, cadenas de texto, datos estructurados o no estructurados. Este proceso inicial es esencial para trabajar con cualquier conjunto de datos.

  2. Definición del pipeline o flujo de procesamiento: Aquí se decide qué se necesita hacer con los datos para que sean útiles. Esto puede incluir transformaciones como normalización y escalamiento, aspectos comunes en la ciencia de datos que tienen bases estadísticas subyacentes.

El objetivo de este bloque es que los estudiantes reconozcan que muchos elementos de la estadística descriptiva se han estado utilizando sin ser conscientes de ello.

Bloque 2: Preparación de datos y análisis exploratorio

Este bloque se enfoca en la preparación final de los datos y en el análisis exploratorio, aspectos cruciales antes de entrenar un modelo de machine learning. Se analizan elementos como:

  • Análisis exploratorio de datos (EDA): Herramienta esencial en data science. Implica identificar correlaciones y reducir conjuntos de datos cuando sea necesario, siempre con una base estadística sólida.

Este bloque busca que los estudiantes comprendan la importancia de la estadística descriptiva en la exploración y análisis de datos, para extraer insights valiosos o construir modelos efectivos.

¿Qué no cubre este curso?

Este curso se centra en la estadística descriptiva aplicada a ciencia de datos y no cubrirá temas de estadística inferencial, como teoría de probabilidad, inferencia o tests de hipótesis, los cuales forman parte de la estadística inferencial.

¿Qué se aprenderá en las clases posteriores?

A lo largo del curso, se abordarán diferentes componentes y prácticas esenciales en estadística descriptiva, comenzando en la próxima clase por los tipos de datos y comenzando a trabajar con código en Python. Este enfoque práctico permitirá a los alumnos aplicar inmediatamente lo aprendido y reforzar las lecturas teóricas con ejercicios interactivos y dinámicos, mejorando así su comprensión y habilidades en el área de la ciencia de datos.

En resumen, este curso se enfoca en dos filosofías fundamentales: usar la estadística para la ingesta y procesamiento de datos, y para la necesaria analítica y exploración. Prepárate para embarcarte en este emocionante viaje hacia el dominio de la estadística descriptiva en ciencias de datos.

Aportes 37

Preguntas 2

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Plan del curso

¿Cuál es diferenciador de este curso?

Sabemos y tenemos bien claro que la estadística descriptiva es súper común, pero el diferenciador más grande de este curso es que estamos contextualizando la estadística descriptiva específicamente para Ciencia de Datos. No solo vamos a entender las fórmulas matemáticas si no el contexto de la estadística para descubrir todas las caras que tiene.
.

¿Cuáles serán los puntos específicos que vamos a tratar en este curso?

  • Primera parte del curso: Vamos a abordar cuales son los elementos de estadística la descriptiva para la ingesta y el procesamiento de los datos.

.

  • Segunda parte del curso: Vamos a ver análisis exploratorio de los datos, identificar correlaciones de los datos, abordaremos si a partir de eso podemos reducir el conjunto de datos que necesitamos para un modelo, por ejemplo. Entonces, el objetivo es abordar los estadísticos para exploración y analítica.

Plan del curso

Estadísticos para ingesta y procesamiento

  • Conocer los tipos de variables
  • Definir el pipeline o flujo de procesamiento (cambio de formato, normalización, escalamiento)

Estadística para analítica y exploración

  • Análisis exploratorio de los datos
  • Correlaciones, reducción de datos

Encontré este artículo de Análisis exploratorio de datos que me resultó muy interesante. Vamos por el camino correcto futuros Data Scientist.

https://es.wikipedia.org/wiki/Análisis_exploratorio_de_datos

Francisco Camacho es una gran profesor de matemáticas. 😉

Gran trabajo del Profesor Francisco Camacho, es el segundo curso que tomo con él, gran calidad en sus cursos, es un privilegio tomar esta clase.

Estoy viendo estadística en la U, así que estoy en una maratón de todos los cursos de estadística de Platzi. Justo lo que necesito

Me encanta saber que Pacho le ha puesto cariño a este curso, se nota que está bien pensado y esta forma de estructurarlo… 🤯

Muy bien!

A tener en cuenta
Será un curso de estadística para ciencia de datos
Vamos a entender las fórmulas detrás de los estadísticos descriptivos y el contexto estadístico de dichas formulas.
.
Plan del curso
El curso posee dos grandes bloques:
Estadísticos para ingesta de datos y procesamiento:

  • Conocer los tipos de datos: si son numéricos, cadenas de texto, estructurado, etc.
  • pepiline o flujo de procesamiento de estos: lo que haremos a los datos para que sean útiles.

Estadísticos para analítica y exploración

  • Análisis exploratorio de los datos, base de la estadística descriptiva.
  • Identificar correlaciones para buscar la reducción del conjunto de datos

Estructura del curso
.

  • Ingesta de datos

  • Validacion
    .

    1. Tipos de datos a trabajar y su clasificación
    2. Definir el flujo de procesamiento de datos (que hay que hacer con esos datos)
      .
  • Preparación

  • Entrenamiento modelo
    .

    1. Analisis exploratorio de loa datos (correlaciones, reducción de datos)

PLAN DEL CURSO

  1. Estadísticos para ingesta y procesamiento de datos
  2. Estadísticos para analítica y exploración de datos

Esta clase es excelente, probablemente debería estar antes en la ruta de aprendizaje, aún así, no significa que el profesor sea muy capacitado y la explicación esté sumamente bien desarrollada.

Gente, ese curso se va a poner bueno 🔥.

el plan del curso

objetivos

  • entender que es la estadística
  • como se aplica en data

estructura

pre procesamiento

  • tipos de datos
  • flujo de procesamiento (como estructurar los datos)
  • como la uso

análisis de los datos

  • que es
  • que tiene que ver con la estadística

Este enfoque de presentar los conceptos de estadística adaptados a la Ciencia de Datos, contextualizando con las etapas del proceso, me parece MUY interesante.

El curso está dividido en dos grandes bloques: 1. **Ingesta de datos y validación**: Aquí se abordan los tipos de datos, el procesamiento de datos y cómo la estadística descriptiva se aplica en estas etapas. 2. **Preparación de datos y análisis exploratorio**: Este bloque se centra en el análisis exploratorio de datos, la identificación de correlaciones y cómo la estadística descriptiva es esencial para obtener insights valiosos antes de entrenar modelos de machine learning. Estos bloques permiten contextualizar la estadística descriptiva específicamente para la ciencia de datos.
Me gusto mucho que definiera tan claro sobre lo que se abordara en el curso 👍.

Espero mucho de este profe para aprender mucho acerca de lo elementos estadisticos. Estos seran perfectos para la mejora y como nos ayudara en machine learning u otros puntos de datascience.

😄😄

3. Plan del curso

  • Contextualizamos el uso de la estadística descriptiva en data science.
  • Estadísticos para ingesta y procesamiento.
  • Estadísticos para analítica y exploración.

Buena clase.

Excelente contenido y se ve que lo ha preparado muy bien.

Información resumida de esta clase
#EstudiantesDePlatzi

  • Este curso es diferente a todos por qué está hecho en Platzi

  • En la primera parte del flujo de trabajo en la ciencia de datos aprenderemos sobre estadísticos para la ingesta y el procesamiento de los datos

  • En la segunda parte aprenderemos sobre estadísticos para la analítica y exploración de los datos

  • Siempre lo primero es identificar los tipos de datos que tenemos

  • Hay que haces un análisis exploratorio de los datos

  • ¿Cómo uso la estadística para la ingesta y procesamiento de los datos?

  • ¿Cómo uso la estadística para hacer analítica y exploración en los datos?

  • Esto aprenderemos 😃

Alcance de la estadística descriptiva para el procesamiento de datos.

Estadísticos para ingesta y
procesamiento.

  • Ingestión

  • Procesamiento

  • Almacenamiento

  • Servicio

Dos bloques de Estudio: Estadísticos para ingesta de datos y Estadísticos para analitica y exploraciòn.

Me gusta mucho por dónde va el curso. Tener los temas segmentados por las etapas que envuelven cada uno de los roles va a ser muy útil para el desarrollo de proyectos. 😃

excelente plan de trabajo, muy organizado

Resumen de la clase: plan del curso

Vamos a trabajar sobre dos elementos fundamentales que van a definir a su vez dos casos de uso específico:

¿Cómo uso la estadística para hacer la ingesta y el procesamiento de los datos?

¿Cómo uso la estadística para hacer la analítica y la exploración necesarias para pasar a un desarrollo de modelo o sacar insights de valor de los datos?

El curso busca desarrollar estas dos filosofías en sus contenidos

Francisco Camacho lo felicito por que hacer una clase de cual es el plan (objetivo) del curso esta genial por que sabes para donde va y cuales seran los entregables de este curso

Se agradece que exista una clase que explique el plan del curso, asi podremos encontrar informacion que complemente nuestro aprendizaje

espero mucho de este curso.

Pero lo que veo es que debo volverme un especialista para develar quien miente en estadistica, de lo contrario son actos de fe

Gran curso!

Dicho de una manera simple (en mi humilde opinión) … El saber el cómo … el cuándo … y el para qué utilizar la Estadística Descriptiva dentro del ámbito de Data Science …

Me gusta el enfoque que le esta dando Francisco. Estudié ingeniería y este año precisamente a los de 5to año de secundaria les he enseñado medidas de tendencia central: promedio, mediana y moda, medidas de dispersión: rango, desviación media, varianza, desviación estándar y coeficiente de varciación, y medidas de posición: cuartiles, deciles, percentiles…

Creo que este curso era totalmente necesario en la ruta…

El curso se ve super interesante. Estoy muy emocionado por continuar viendolo y aprendiendo.