Justificación y contexto de tu proyecto
Cómo crear tu proyecto de ciencia de datos
Crea proyectos para afianzar tus conocimientos en ciencia de datos
Cada cuánto hacer un proyecto de datos
Dónde sacar ideas para proyectos de ciencia de datos
Generar y comunicar un proyecto de datos
Casos: personas que ya pasaron por este camino
Quiz: Justificación y contexto de tu proyecto
Ejecutando un proyecto de ciencia de datos
Plantea una pregunta interesante
Obteniendo los datos para tu proyecto
Ejecutando: obteniendo los datos
Limpieza de la información
Ejecutando: limpia tu conjunto de datos
Explora y encuentra patrones en la información
Ejecutando: exploración de la información
Ejecutando: completando la exploración de la información
Enriquecimiento de los datos para análisis profundo
Ejecutando: enriquecimiento de los datos
Aplicando un modelo de machine learning
Ejecutando: aplicando un modelo supervisado de machine learning
Ejecutando: aplicando un modelo no supervisado de machine learning
Ejecutando: aplicando un modelo no supervisado de anomalÃas
Prepara tu trabajo para comunicarlo con el mundo
Ejecutando: prepara tu trabajo para comunicarlo con el mundo
Quiz: Ejecutando un proyecto de ciencia de datos
Comunicando los resultados
Por qué es importante comunicar los resultados
Escribiendo tu primer blogpost técnico
Compartiendo en comunidad con tu primera presentación
Cómo mejorar tu repositorio en GitHub para ciencia de datos
Haciendo deploy de tus modelos
Construyendo una aplicación full stack que consuma tu proyecto
Quiz: Comunicando los resultados
Últimos pasos
Elige terminar: es mejor terminado que perfecto
Recuerda los objetivos del proyecto: practicar y carta de presentación
Comparte tu proyecto
Share sessions y office hours: comparte y asesorate de tu proyecto
Elige un plan para ti y continúa aprendiendo con más de 1000 cursos
Crea proyectos para afianzar tus conocimientos en ciencia de datos
2/32Recursos
Aportes 10
Preguntas 1
Ordenar por:
Me quedo con esta frase:
Los proyectos nos permiten conectar con el mundo real practicando todos los procesos de la ciencia de datos
Debemos aprender a:
-
Generar preguntas interesantes
-
Obtener la informacion
-
Limpiar los datos
-
Enriquecer los datos que tenemos
-
Comunicar de manera efectiva nuetsro proyecto
Que linda clase. SIn duda que es uuna carrera apasionante y que genera un sinfin de oportunidades. Gracias Ricardo.
Mi reflexión: encontrar los elementos finos en un data set vale oro. Es muy buena la recomendación del Maestro en este video. Llegar a ella implica limpiar los datos de toda la basura que traen consigo.
¿Qué significa practicar ?
- Conexión con la realidad
- Probar tecnologÃas
- Preparar la comunicación
- Encontrar el siguiente paso
- Generar preguntas interesantes
Una cosa es formar un conocimeinto abstracto, la otra es aplicarlo o crear cosas con el. Por eso la importancia de la creacion de proyectos.
__
Practicar es ir al mundo real, en la teoria tenemos cosas perfectas, creadas para aprender, pero lo que sucede en la realidad son cosas distintas
Cuando podemos comunicar sobre un tema, es porque realmente tenemos domino sobre el. Si no somos capaces de expresar las ideas sobre este, estamos creando una ilusion de conocimiento.
__
Conocimiento compartido = Conocimiento**2
El cientifico de datos debe enfrentarse a la manipulacion de datos para la creacion de modelos; pues estos datos reales tienen mucha informacion oculta que hace falta sacar; tenemos que enfocarnos y aprender a sacar datos de valor
El machine learning en el mundo real es complejo, la data muchas veces no esta estructurada, o le puede faltar variables
¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.