¿Cuáles habilidades y herramientas usamos?

Clase 9 de 30 • Curso de Big Data y Ciencia de Datos 2016

Juan Francisco Mosquera

student•

Hola , excelente curso hasta el momento , respecto al machine learning podríamos tratar algo de tensorflow ? , como entrenar y predecir utilizando tensorflow .

Muchas gracias , excelente explicación de los temas .

Diego Diaz

student•

eso seria muy util!

Daniel Rojas

student•

te recomiendo comenzar con el modelo softmax de tensorflow para ir entendiendo un poco mejor el poder de tensorflow :) es muy práctico!

Usuario anónimo

user•

Antes de escribir una sola línea de código nos toca responder la sientes preguntas:
Cuál es nuestro OBJETIVO, cuál es la PREGUNTA EXACTA, que queremos MODERAR, como definimos el ÉXITO, pueden nuestras predicciones sobre pasar un cierto NIVEL DE CONFIANZA. ENTERARTE ÍNTIMAMENTE DEL ESPACIO EL PROBLEMA ES LA PARTE MÁS IMPORTANTE. No solamente se pro activo escribiendo código ya que leer, deliberar, hablar, tiene su lugar en el proceso de entender el problema, CUANTO MEJOR ENTIENDAS EL ESPACIO DEL PROBLEMA MEJORES SOLUCIONES VAS A ENCONTRAR EN SISTEMAS INGENIERILES

erick blanco

student•

Este curso me hizo acordar la película el código enigma, alan turing creo un sistema de análisis predictivo basado en matematica, se salvaron millones de vida gracias al big data simplemente extraordinario

Carmen Sánchez Salgado

student•

no sabía de está película, vpy a verla, gracias!

Aufsten Aufsten

student•

Muy buena referencia, es impresionante como existe gente tan adelantada a su tiempo.
Además de que es una película muy inspiradora para nosotros, los programadores de hoy.

Leonardo Javier Alviarez Hernández

student•

Es muy importante resaltar las palabras de William sobre lo crucial que es enterarse y empaparse del espacio del problema, incluso indica que, para él, llegar a escribir código más rápido no es lo único que equivale a productividad. Dice que le tómo mucho tiempo entender ese balance y sentirse cómodo con eso. Me parece genial ese comentario y parte medular de su explicación.

Giovanny Varón

student•

Superr, me ha encantado este curso. Ahora estoy valorando más mis clases de Estadística, Matemáticas para la toma de decisiones y Álgebra Lineal, porque ya sé que tienen una aplicación increíble en el mundo tecnológico. 😃

Moisés Manuel Morín Hevia

student•

También yo xD xD ahora quiero prestar más atención en las clases.

Usuario anónimo

user•

Dentro de la matemática tenemos tres sub campos:
ESTADÍSTICOS: nos permite ver qué tratamiento funciona mejor MEDICINA A, MEDICINA B
MACHINE LEARNING: es lo que usa Facebook para etiquetar a tu tía a tu primo. Usando álgebra lineal.
OPTIMIZACIÓN: ¿cuál sería la ruta más eficiente para poder conocer todas las capitales latinoamericanas en coche?

A-B B.

student•

Hola, tengo una consulta, soy administradora, haciendo una maestría en Data science o Analytcs, cuan complejo es para llegar a convertirme en una Data Science enfocada en negocios? gracias por la respuesta y comentarios.

Uriel Ramírez

student•

Una de las partes importantes ya la tienes que es una intuición por entender que métricas son importantes en la empresa. Lo siguiente es transformar eso en código. ¿Es difícil aprender a programar?, la verdad que no tanto, es mucha práctica. Inclusive sería bueno que te pasaras por el curso de programación básica si crees que aún te falta algo más para comenzar con Data Science.

Cristiam Camilo Lopez Ruiz

student•

No olvides el componente matemático, no financiera claro es un poco mas a fondo.

Giancarlo Rubio Lazo

student•

Respuestas a mi objetivos como DATA SCIENCE:

Predecir valores futuros del sector laboral.
Modelar los precios de los distintas materias primas.
Mostrarme a mi mismo mi logro.
Entender el lenguaje que utilice al máximo.

Octavio Flores

student•

Creo que es hora de agregar python a mis estudios!

Moisés Manuel Morín Hevia

student•

Esta en corto.

José Eder Guzmán Mendoza

student•

Son bastantes habilidades y herramientas que hay que aprender.

Moisés Manuel Morín Hevia

student•

Demasiado, si quieres comerte el mundo necesitas un conjunto.

Carmen Sánchez Salgado

student•

Exacto, no todo es programar. No soy Data Scients aún pero sé que gran parte de la solución es entender el problema, entenderlo muy bien.

Moisés Manuel Morín Hevia

student•

Programar es fácil, pensar es difícil.

ROHWINZON URAZAN

student•

Buen día, se puede usar lenguajes como PHP y C#? Gracias!

Diego Forero

Team Platzi•

Los lenguajes usados por su velocidad y soporte para cálculos matemáticos son lenguajes como Python o R, otros lenguajes como PHP por ser interpretados son mas lentos y no tienen el mismo soporte para estos cálculos.

ROHWINZON URAZAN

student•

Muchas gracias por tu respuesta!

Moisés Manuel Morín Hevia

student•

La cantidad de datos & el poder computacional van en aumento. Matemática (Estadística, optimización, algebra, cálculo, machine learning), Programación (Python, R), Entender el negocio(Cuestiones a resolver),

Diana Bocanegra

student•

Tres campos: Matemáticas (Estadística, aprendizaje de máquina, optimización - algebra líneal); Ingeniería de software (Phyton, R, Scala); Entendimiento del problema.

Moisés Manuel Morín Hevia

student•

Buen resumen.

jesus Encinas

student•

Hola, es recomendable tomar el curso de análisis de datos, antes de tomar este?

Diego Forero

Team Platzi•

Te puede servir para entender mejor algunos conceptos, aunque este curso va desde lo más básico.

Alejandro Ramos

student•

Esta bueno el curso

Moisés Manuel Morín Hevia

student•

Demasiado, mucho partido.

Jose Isaac Ramirez Rh

student•

que habilidades y herramientas hay en

para mercadologos

David Buitrago Arenas

student•

bueno la búsqueda de insights y las aplicaciones que tengan posibilidad de hacer clustering, categorización.

Diego Oruna Cabrera

student•

Yo estoy fusionando el Growth Marketing con Data Science, debido a que el Growth, está enfocado 100% en datos, y DS es precisamente el expertise que necesito.

Ricardo N. Bravo Meza

student•

Mis objetivos:

Predecir y descubrir tendencias.
Usar apropiadamente estos descubrimentos.

Moisés Manuel Morín Hevia

student•

Espero lo cumplas ! Eres el mejor !

¿Cuáles habilidades y herramientas usamos?

Bienvenidos

Aprende sobre Big Data y Ciencia de Datos con los cursos actualizados

Bienvenido al curso

¿Qué es un Data Scientist?

Ejemplos de uso de Data Science

Cómo funciona una búsqueda de Google y el Algoritmo de Spotify

Retos de un data scientist

¿Porqué surge Data Science ahora y no antes?

¿En cuáles campos trabajan Data Scientists?

¿Cuáles habilidades y herramientas usamos?

Workflow de un Data Scientist

Introducción a Python

Guía de Jupyter

Configurando un NoteBook

Continuando con nuestro ejemplo

Flujo de trabajo de un Data Scientist

Workflow Típico de un Data Scientist

Recolectar datos, limpiar datos dormir con sus datos

Modelos de datos

Construir un modelo

Validar su modelo y predecir el futuro

Comunicar los resultados

Algebra Lineal para Data Science

Básicos de Probabilidad

Automatización en Data Science

Hacer que las máquinas hagan todo

Objetos del mundo real en el espacio vectorial y métricas de distancia

Ejemplo de espacio vectorial y métricas de distancia

Conclusiones

Cómo ser un data Scientist

Cierre del curso

Desafío 01

Desafío 02

Contenido complementario

¿Qué es big data y cuál es su papel en datascience?