No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Conclusiones

24/25
Recursos

Aportes 68

Preguntas 4

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

隆Incre铆ble curso!

Fui tomando los apuntes del curso en Deepnote, aqu铆 se los comparto: Notas del curso

Adem谩s, est谩 habilitada la opci贸n por si los quieren duplicar a su dashboard 馃挌

Resumen del curso


  • Visi贸n de la estad铆stica descriptiva: Resumir informaci贸n con n煤meros y con visualizaciones

  • La estad铆stica descriptiva nos permite trabajar con 2 bloques fundamentales de la ciencia de datos:

    • El an谩lisis exploratorio de datos y en el procesamiento de la informaci贸n, antes de pasar al modelo de Machine Learning.
  • 驴Por qu茅 es tan importante el procesamiento de datos? El procesamiento de datos es muy importante para que todo tenga un formato estandarizado para que sea de f谩cil entendimiento para un modelo de Machine Learning. Sabiendo eso, las correlaciones son fundamentales para ver que variables tienen una alta relaci贸n y de ah铆 evidenciar que puede haber variables que pueden resultan redundantes para el modelo

  • Y como conclusi贸n final vimos la t茅cnica PCA: el an谩lisis de componentes principales es una t茅cnica utilizada para describir un conjunto de datos en t茅rminos de nuevas variables no correlacionadas.

Me pareci贸 brutal este curso, mucho m谩s de lo que esperaba, y esta 煤ltima parte de PCA lejos lo mejor, gran profesor Francisco Camacho

me di cuenta que mi tesis (se la cual estaba bien orgulloso) tiene varios errores estad铆sticos. ups!

el curso es muy f谩cil de seguir sin embargo considero que debe ir mejor ubicado en la ruta de aprendizaje deber铆a ir despu茅s de cursos relacionados con el algebra lineal, por que de nada sirve saber taclear si no comprendemos adecuadamente que se esta haciendo, por ejemplo todo el tema de PCA, se queda perdido si uno no sabe algebra lineal.

Excelente curso, la parte que faltaba para aprender Machine Learning, nada que envidiar a las universidades

Excelente curso, les dejo mis apuntes en Github.
Apuntes curso Estad铆sticas descriptivas

Francisco tiene una cualidad fundamental que tendr铆a que tener todo profesor : Habilidad para estructurar la informaci贸n a trav茅s de pasos sencillos. Una idea guarda relaci贸n con la siguiente, peque帽as piezas de un gran rompecabezas que 茅l se encarga de ir encajando y explicando para que todo tome coherencia 鈥 Hasta si nos ponemos a pensar aplica de cierta forma el t茅rmino de Correlaci贸n del que tanto se habla ac谩 en el curso al ir encadenando conocimientos tras conocimientos que guardan entre si eso mismo 鈥 Correlaci贸n!

En lo personal este curso me gusto mucho. Antes hab铆a tomado el curso de probabilidad de Pacho, pero la verdad me fui muy dif铆cil entender los 煤ltimos m贸dulos. Sent铆a que le hablaba m谩s a gente con amplios conocimientos de matem谩ticas gracias a su carrera que a aquellos que est谩n empezando a dar sus primeros pasos en Data Science y ML. Pero este curso fue muy diferente y la verdad se ve el crecimiento de Pacho como maestro. Espero que saque m谩s cursos as铆 en el futuro.

Por fin llego a entender para que realmente se utiliza PCA. Cre铆a que era un m茅todo para seleccionar variables (feature selection), pero lo que realmente busca son aquellas variables que m谩s informaci贸n brindan entre un conjunto de variables correlacionadas. Excelente curso!!!.

Buenas ! hice un proyecto con todo lo que fuimos viendo y practicando a la par, tiene la teoriaa complemento igual 馃槂
si alguien quiere sumar algo o verlo, aca est谩 馃槃
https://deepnote.com/project/Estadisticas-2022or-Teoria-or-Practica-hvm4HMEXQhWdq0iAcSjFxQ/%2FEstadistica Descriptiva.ipynb

Se nota cuando un profesor domina los conceptos que explica, dando como resultado un curso excelente!!!

Me parece un curso excelente y muy bien explicado, desde el inicio se plantearon los objetivos y durante las clases no se perd铆a ese scope general, muchas gracias Francisco por el empe帽o y dedicaci贸n!

Excelente profesor, excelente curso鈥!!!Muy bien explicados los conceptos a tal punto que la 煤nica opci贸n era querer continuar hasta el final.

De locos este curso.

Magnifico, qued茅 un poco choqueado con las formulas y debo reforzar mucho con los cursos de matem谩ticas pero la verdad est谩 super bueno.

隆Gran curso! Lamentablemente solo pude seguir bien hasta la mitad, de all铆 me perd铆, posiblemente porque lo primero ya lo hab铆a llevado en la universidad.

No entend铆 para nada la 煤ltima parte ni su importancia, porque s茅 hace, su raz贸n de hacer todo me perd铆 completamente

Me pareci贸 un buen curso, no excepcional pero tampoco se queda con una debajo del promedio. Hab铆a tomado casi la mitad del curso por el Datacademy y precisamente los temas que seleccionaron fueron los m谩s entendibles y digeribles. Despu茅s de esto, en la Estad铆stica en la Ingesta de Datos, se perdi贸 mucho el hilo: el contenido se fue de m谩s, dejando un hueco que puede ser cubierto en alg煤n otro curso (Fundamentos de Estad铆stica?). Me incluyo, vengo de alguien que vengo de 0 en el Data Science y que hasta este momento iba bien hasta tomar estos temas. El profesor Camacho muestra un amplio dominio del tema, me gustar铆a que fuera m谩s conciso en su lenguaje, como Facundo.

Para los colegas interesados en el mundo crypto y junto con los excelentes conocimientos que aporta este curso, me enter茅 que se pueden consolidar y subir estad铆sticas con gr谩ficas en el sitio Dune Analytics.

y tiene raz贸n, quiz谩 lo usabas pero no sabias que estabas haciendo鈥 el ultimo tema de PCA casi me hizo 鈥渆xplotar la cabeza鈥 toda esa 谩lgebra lineal ahora cobra sentido y utilidad XD. muy buen profesor, es de los mejores en platzi, el y Facundo hasta ahora son mis favoritos

Muy buen curso! Mis felicitaciones al profesor y al equipo Platzi!
Inclusive me pareci贸 mejor que cursos de maestr铆a en los que participe en una universidad.

Es curso de alto nivel, excelente profesor, excelente contenido!

Muy buen curso de Estadistica Descriptiva orientado a Data Science y ML, excelente contenido para volver a verlo.

Soy el unico que le parecio uno de los mejores cursos de platzi?

Excelente curso y gran profesor, explica tan bien los conceptos estad铆sticos que son f谩ciles de digerir y aparte nos da una entrada para poder agarrar datos, prepararlos y tenerlos listos para pasarlos a un modelo. Me encanto, ahora a practicar y a seguir estudiando para poder montar mis propios modelos de ML.

Un curso espectacular ya que no solo es algo simple en estad铆stica si no se enfoca en muchos mas puntos y te impulsa a tener un nivel mejor

Excelente curso gracias a un excelente profesor como lo es Francisco Camacho, esto me dio una motivaci贸n para nunca parar de aprender y convertirme en un data scientist.

隆Un gran curso!

馃懡 estoy empezando con ML y este curso est谩 brutal, excelente el profe.

me encanto el curso, todo fue facil de digerir gracias a las explicaciones sencillas

Excelente curso.

Excelente curso

Excelente curso, muy claro, muy preciso, muy motivador. Ojal谩 sigan sacando cursos con este excelente profesor. Felicitaciones

Excelente curso, me motivo a aprender m谩s por mi cuenta

Muy buen profesor!

por ahora el mejor curso de la ruta de aprendizaje. el profesor es muy claro

Estuvo muy completo este curso, excelente profesor!!!

Gracias, muy buen curso, espero terminar toda la escuela de matem谩ticas, antes de iniciar las escuelas enfocadas al desarrollo web, muy buen contenido, y lo mejor inclusi贸n de herramientas tecnol贸gicas.

Les dejo los resultados de un proyecto usando algo de lo aprendido en 茅ste curso: ejemplo de escalamiento de datos con la funcion tanh

Incre铆ble, ha sido toda una experiencia este curso, de hecho todos los conceptos ya los di en la carrera pero aqu铆 he podido a帽adir practicidad a toda la teor铆a que hab铆a aprendido.

Muy m谩gico!!

La verdad todo un crack, buen curso

隆Gran curso!, aunque estoy estudiando matem谩ticas jam谩s lleve un curso de estad铆stica descriptiva y aprend铆 un mont贸n de esto.

Es un buen curso con un excelente profesor, sin embargo, hay cuertas cosas que no se han visto en otros cursos en la ruta de Data Science y que considero no ayudan en la coheci贸n de implementar ciertas funciones de pandas y seaborn. Tendr茅 que tomarlo de nuevo, porque toda la parte teorica vale la pena reforzarla.

El curso estuvo genial, pero claramente est谩 ubicado muy arriba, terminos como el PCA, no los entend铆 en lo absoluto, deber铆a estar despues de los cursos de algebra lineal etc. Porque quiz谩 te hace creer que no eres capaz y abandones la ruta.

examAnswers
Resumen
1.
驴La estad铆stica descriptiva puede ser subjetiva en la definici贸n de sus m茅tricas?
Verdadero
2.
驴En qu茅 etapa del flujo de trabajo de un proyecto de Data Science se usa la estad铆stica descriptiva?
En la preparaci贸n y entrenamiento del modelo
3.
Un ejemplo de dato categ贸rico es:
G茅nero
4.
Un ejemplo de dato num茅rico es:
Precio
5.
Un diagrama de frecuencia nos sirve para:
Ver todos los posibles valores de un dato y cada cu谩nto aparecen.
6.
La media es una excelente medida de tendencia central cuando tenemos outliers en nuestro conjunto de datos. Este enunciado es:
Falso
7.
Para calcular la mediana de un dato en nuestro dataset lo hacemos con:
df[鈥榥ame鈥橾.median()

驴Cu谩l de estas visualizaciones es muy 煤til para presentar los intercuatiles?

Diagrama de caja
9.
La desviaci贸n est谩ndar se puede dividir por:
Poblaci贸n y muestra
10.
El rango de un dato que describe la altura en un conjunto de datos se puede calcular como:
df[鈥榟eight鈥橾.max() - df[鈥榟eight鈥橾.min()

Un diagrama de dispersi贸n nos sirve para:
Contrastar dos variables de nuestro set de datos.
12.
Una de las razones por las que realizamos escalamientos es:
Para que los optimizadores de nuestros modelos funcionen mejor.
13.
Las transformaciones no lineales nos sirven para tipos de datos:
Fuertemente sesgados y no sim茅tricos
14.
Un tipo de mapeo num茅rico que causa una representaci贸n compacta es el:
Dummy
15.
El preprocesamiento por mapeo se puede aplicar tanto a variables categ贸ricas y num茅ricas:
Verdadero
16.
Cuando el coeficiente de correlaci贸n es alto:
Los datos en nuestro diagrama de dispersi贸n se agrupan con una pendiente positiva.
17.
Una matriz de covarianza nos sirve para:
Comparar la varianza y covarianza de todos nuestros datos en una matriz.
18.
El an谩lisis de componentes principales es un proceso de:
Reducci贸n de dimensionalidad

Muchas gracias por este curso, en serio lo disfrut茅, ya que de toda la ruta este es el primero que se adentra y tiene que ver m谩s que ver con el entorno real de un cient铆fico de datos.

Este curso me hizo sentir que ya estoy entrando en materia.

隆Excelente curso!

El curso es bueno. Pero creo esta mal dise帽ado la ruta de analisis de datos con python. Primero tuvo que haber un curso de algebra lineal con los temas que presento el profe, y despues recien va este curso.

Muchas gracias, que buen curso!

definitivamente este curso lo volver茅 a tomar

me duele el cerebro, que gran cantidad de informaci贸n de calidad, muchas gracias

Gran curso鈥

muchas gracias =D , es la mejor base para continuar aprendiendo.

Curso con conceptos avanzadso explicados muy rapidamente y con insuficiencia, asi que es confuso.

Gracias por el curso. Muy interesante

Informaci贸n resumida de esta clase
#EstudiantesDePlatzi

  • Felicidades mereces una vida mejor 馃槂

  • Aprendimos mucho y es importante practicar

  • La estad铆stica descriptiva la necesitamos para el an谩lisis exploratorio de la informaci贸n y el procesamiento de dicha informaci贸n

  • Es importante aprender a utilizar la t茅cnica del an谩lisis de componentes principales y aprender sobre otras t茅cnicas para la reducci贸n de datos

**** Es un muy buen curso aprend铆 demasiado, y este m茅todo que Platzi tiene para ense帽arle a sus alumnos, se hace f谩cil las matem谩ticas.
Gracias el profesor FRANCISCO CAMACHO es un gran educador, hasta la pr贸xima profe


Tenia planeado tomar este curso en dos d铆as estudiando 4 horas cada d铆a, y termine tard谩ndome 5 d铆as, adem谩s de tomar varias notas de libros y videos que ver, fue muy dif铆cil y aun siento que tengo que repasar algunos conceptos, pero este curso me encanto, va subiendo la dificultad y justificando la importancia de lo que aprendemos

Un curso genial. El profesor maneja muy bien el tema, y su s铆ntesis matem谩tica es excelente. Fue mucho m谩s conciso y 煤til que lo que vi en la universidad.

Gracias por el curso Francisco, aprend铆 mucho, muy 煤til y creo que ya puedo hacer ETL a mis datos e interpretarlos de la mejor manera.

Excelente curso, pone en contexto de una manera general y sencilla el flujo de datos en data science y como aplicar la estad铆stica en cada etapa. Gracias Francisco esperando seguir aprendiendo contigo la evaluaci贸n del modelo, modelo en producci贸n para cerrar la interacci贸n usuario final con un caso de negocio.

Excelente curso!

De los mejores cursos de Platzi.

Me encanto el cursos, buen profesor Francisco, una metodolog铆a clara, nos va llevando de lo general a lo especifico y nos da las pautas para hacer un correcto uso de ese primer momento de los datos, para hacer un buen an谩lisis con ML, tan claro como en esta conclusi贸n bien explicada lo que debemos conocer para profundizar luego

Excelente profesor

Fue muy genial el curso, dio una nocion muy especifica del uso de la estadistica y AL para data science

Excelente muchas gracias