Contenido del curso
Continúa aprendiendo sobre EDA
Nombre del curso: Curso de Análisis Exploratorio de Datos
Dean: Sebastián Delmont
Faculty Manager: Ricardo Celis
Profesor: Jesús Vélez Santiago
Dirección: Jeniffer Cruz y Miguel Torres
Producción OPS: Lizeth Cáceres y Rocío Martínez.
Creación audiovisual: Susana Pinilla y César Pinilla
Edición de video: Karol Hincapié
Postproducción de audio: Jorge Torres
Diseño gráfico: Amelia Amórtegui y Carolina Baquero
Coordinación General: Andrés Arizmendy, Daniel Gutierrez, Carol Baquero, Carlos Céspedes, Sura Cedeño y Sara Hernández
Revisión: Axel Yaguana, Joalin Pineda
Luis Fernando Aguilar Sanchez
Estudiante
Sebastian Sarasti
Estudiante
Miguel Torres
Estudiante
jabes nestor frias martinez
Estudiante
Carlos Mazzaroli
Estudiante
William Pabon
Estudiante
Jeinfferson Bernal G
Estudiante
Ruddy Ramos
Estudiante
Leonel Ernesto Revelo Tobar
Estudiante
Eduardo Hoppenstedt
Profesor
Diego Jurado
Estudiante
Sebastian Nolasco
Estudiante
Mauricio Escobar
Estudiante
Jorge Andres Avendano Carabali
Estudiante
Naren Fragozo
Estudiante
Josue Gonzalez
EstudianteJeinfferson Bernal G
Estudiante
Gibran Alonso Pérez Favela
Estudiante
Roger Christian Cansaya Olazabal
EstudianteMarcos Y Ruiz
Estudiante
Daiana Davidson
Estudiante
David Sosa Olea
Estudiante
Nancy Santana
Estudiante
Jhon Freddy Tavera Blandon
Estudiante
Jhon Jairo Bazurto Quintero
Estudiante
Francisco Javier Garcia Moreno
EstudianteMuchas felicidades al equipo de Platzi por la calidad de este curso, en definitiva, de los mejores cursos que he tomado en la plataforma 💚
El curso es bueno, sin embargo podría haber sido mucho mejor al desarrollar el curso con datasets mucho más complejos. Desde mi punto de vista, deberían lanzar un curso de EDA avanzado.
¡Gracias, Sebastián! Haremos ese curso Avanzado. :D
curso EDA avanzado siuuuuu
Bueno gente, les tiro un trucazo, en un codigo corran este codigo
import palmerpenguins import pandas as pd import pandas_profiling as pp df = palmerpenguins.load_penguins() pp.ProfileReport(df)
Tira un reporte general de los datos bastante bueno para el principio del EDA
Excelente trucazo para empesar un AED. Muchas gracias.
Gracias.
Gracias
Suscribo a los comentarios previos. Disfruté mucho este curso y le encontré mucha utilidad. Genial el profe y el contenido.
Definitivamente, las preguntas son la fuente de toda exploración.
Gracias Platzi por atender las observaciones sobre el anterior curso de EDA. Se valora en este curso el seguimiento de una única fuente de datos.
Definitivamente un excelente curso, espero que hayan más como este 😃
Gracias!
Me ha quedado una duda: En la clase 24 se comentó respecto a los datos desbalanceados.
Saludos
Resumen 1. ¿En qué orden de complejidad y tiempo se encuentra los distintos tipos de analítica de datos? Descriptiva, Diagnóstica, Predictiva, Prescriptiva 2. Las variables ordinales y nominales pertenecen a las variables de tipo ____. Categórico 3. ¿Cuáles son 3 de los tipos de análisis de variables que podemos realizar? Análisis univariado, Análisis bivariado, Análisis multivariado
¿Qué busca analizar el análisis univariado? Busca analizar a cada variable por separado; entender qué la define en sí misma. 5. ¿Puedes realizar análisis exploratorios de datos en la nube? Verdadero 6. ¿Qué es la validación de datos? El proceso de asegurar la consistencia y precisión dentro de un conjunto de datos. 7. ¿Cuál es una consecuencia de no limpiar y validar nuestros datos? Si los datos no son precisos desde el comienzo, los resultados definitivamente no serán precisos.
¿Cuál de los siguientes comandos puede ayudarte a conocer cuántas variables de cada tipo existen en tus datos? df.dtypes.value_counts() 9. ¿Cuál de las siguientes opciones te permite obtener una descripción de valores únicos y frecuencias únicamente de tus variables categóricas?
df.describe(include=[object, "category"]) 10. ¿Cuál de los siguientes elementos no es una medida de tendencia central? rango 11. ¿Cuál de los siguientes elementos no es una medida de dispersión? Moda
¿Por qué es importante jugar con el número de bins de nuestros histogramas al momento de explorar con nuestros datos? Jugar con el número de bins de nuestros histogramas permite descubrir picos o bajadas de datos en ciertas zonas qué podrían ser de interés. A su vez, puede permitir reducir el ruido al incrementar los bins y tener un vistazo general.
La función inversa de la Función de Distribución Acumulada para los valores 0.25 y 0.75 sería equivalente a ____. Obtener los valores de los cuantiles 1 y 3 de nuestro diagrama de cajas. 14. ¿Qué es el teorema del límite central? La media de las muestras tiende aproximadamente a una distribución normal. 15. ¿Cuál de las siguientes opciones no es recomentable al realizar una gráfica de puntos con gran densidad? Modificar la transparencia de los puntos. REPASAR CLASE 16. ¿Qué significa un valor alpha de 1/30 en una gráfica de puntos?
El alpha indica que son necesarios 30 puntos para obtener el color original sin transparencia. 17. Realizaste una gráfica de puntos y observas que los puntos forman patrones de bandas, ¿cuál de las siguientes opciones podría ser una alternativa de visualización? Convertilo en un diagrama stripplot.
REPASAR CLASE 18. Te encuentras realizando un análisis de correlación de Pearson entre dos variables y obtienes como resultado una correlación de 0. ¿Qué no podrías concluir de este resultado? No existe ninguna correlación entre las dos variables observadas. 19. La regresión simple únicamente puede manejar relaciones lineales. Verdadero 20. ¿Qué es la Paradoja de Simpson? Fenómeno en el cual es posible concluir dos cosas totalmente opuestas a partir de los mismos datos, dependiendo el cómo se clasifican estos.
Falto algo importante en este EDA y fueron las conclusiones.
Definitivamente un gran curso, de los mejores cursos en la carrera de data science que he tomado hasta ahota <3
Totalmente de acuerdo. Muy practico.. Lo que se necesitaba!
ha sido un curso muy largo, fue algo bastante intenso pero creo que en su mayoría logré adquirir mucho conocimiento, buen curso y comunidad tan positiva de compartir sus resultados en los comentarios.
Tremendo curso, muchomejor que el anterior.
La teoría excelente.Algo larga. Pero todo es practica y practica. Hasta que sea automático y ni te percates. Preguntar aprender y practicar.
El curso en si malo no es, pero por experiencia les recomiendo 2 cosas:
Busquen que tipo de projectos pueden hacer con el análisis EDA
Busquen los pasos
Busquen información adicional sobre el analisis multivariado, no explica el curso ni 1/4 de lo dificil y complejo que es por ejemplo hacer una predicción.
Se puede mejorar, pero cuando estoy haciendo este comentario vi que ya estaban subiendo videos nuevos asi que imagino que ya lo habran tenido en cuenta.
Llevo casi 10 meses estudiando a full en platzy, les recomiendo para avanzar rapido y aprender bien hagan projectos chicos con ayuda de gpt de ultima y busquen info a parte de los temas
excelente me encanto este curso, muy bueno
Excelente curso!, gran profesor, con explicaciones muy didácticas, a pesar del ser un nivel básico cubre muchos puntos importantes. También muy agradecida con Platzi .
Es importante tener en cuenta que el análisis exploratorio de datos no es un proceso lineal y puede requerir múltiples iteraciones para refinar y mejorar los resultados. Además, es fundamental tener en cuenta el contexto y la naturaleza de los datos para seleccionar las técnicas y herramientas adecuadas.
En resumen, la exploración y análisis de datos es una parte fundamental del proceso de análisis de datos y puede proporcionar información valiosa para tomar decisiones informadas y desarrollar modelos precisos y efectivos.
Excelente curso, con buena pedagogía, entendible para todos, gracias...
Excelente Curso, Siempre hay algo nuevo que aprender, La calidad del curso es Muy buena, Muy recomendado
