Justificación y contexto de tu proyecto

1

Cómo crear tu proyecto de ciencia de datos

2

Crea proyectos para afianzar tus conocimientos en ciencia de datos

3

Cada cuánto hacer un proyecto de datos

4

Dónde sacar ideas para proyectos de ciencia de datos

5

Generar y comunicar un proyecto de datos

6

Casos: personas que ya pasaron por este camino

Quiz: Justificación y contexto de tu proyecto

Ejecutando un proyecto de ciencia de datos

7

Plantea una pregunta interesante

8

Obteniendo los datos para tu proyecto

9

Ejecutando: obteniendo los datos

10

Limpieza de la información

11

Ejecutando: limpia tu conjunto de datos

12

Explora y encuentra patrones en la información

13

Ejecutando: exploración de la información

14

Ejecutando: completando la exploración de la información

15

Enriquecimiento de los datos para análisis profundo

16

Ejecutando: enriquecimiento de los datos

17

Aplicando un modelo de machine learning

18

Ejecutando: aplicando un modelo supervisado de machine learning

19

Ejecutando: aplicando un modelo no supervisado de machine learning

20

Ejecutando: aplicando un modelo no supervisado de anomalías

21

Prepara tu trabajo para comunicarlo con el mundo

22

Ejecutando: prepara tu trabajo para comunicarlo con el mundo

Quiz: Ejecutando un proyecto de ciencia de datos

Comunicando los resultados

23

Por qué es importante comunicar los resultados

24

Escribiendo tu primer blogpost técnico

25

Compartiendo en comunidad con tu primera presentación

26

Cómo mejorar tu repositorio en GitHub para ciencia de datos

27

Haciendo deploy de tus modelos

28

Construyendo una aplicación full stack que consuma tu proyecto

Quiz: Comunicando los resultados

Últimos pasos

29

Elige terminar: es mejor terminado que perfecto

30

Recuerda los objetivos del proyecto: practicar y carta de presentación

31

Comparte tu proyecto

32

Share sessions y office hours: comparte y asesorate de tu proyecto

Generar y comunicar un proyecto de datos

5/32
Recursos

Aportes 7

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

Esta imagen me ayudo muchismo a entender el proposito de manejar datos

Al compartir nuestros proyectos; nos puede servir más que los titulos que tenemos; pues aqui estamos enseñandole al mundo que podemos trabajar en problemas del mundo real; tambien sirve para ampliar la barrera del conocimiento, no somos conscientes de las preguntas que los otros tienen o de su falta de estudio sobre eso, y puedes ser tu el que le ayude a comprender. Por eso es importante compartir

¿Donde podemos compartir nuestros resultados?

  1. Escribiendo un blog

  2. Compartiendolo en comunidades de interes

  3. A traves de nuestro repositorio (esto hace una gran diferencia)

  4. Haciendo Deploy del modelo

Lo mas importante es compartir y visibilizar, eso nos ayuda a generar una carta de presentacion de nuestra marca personal; si hacces un proyecto y nadie lo ve, entonces ese no existe

Profe, me gusta mucho como enseñas y como explicas. Un gusto poder tomar este curso.

Me gustaría tener el curso completo, pero no lo tengo en el plan Platzi

Es recomendable compartir lo relevante de los proyectos entre colegas profesionales de datos.
Porque un proyecto de Ciencia de Datos nos representa mejor que cualquier currículum (porque describe nuestros intereses generales ).
Un proyecto es una carta de presentación de lo que sabes. Establece conversaciones sobre distintos puntos de vista sobre un tópico de interés entre colegas.
Poder comunicar el proyecto ayuda a practicar un discurso adecuado. Encontrar la forma que más nos gusta exponer nuestro trabajo.

Al ser el unico en conocer una respuesta, es nuestro deber compartir con los demas nuestra conclusion y el procedimiento.