Desafío 01

Clase 28 de 30 • Curso de Big Data y Ciencia de Datos 2016

Clase anteriorSiguiente clase

Resumen

Resumir el conjunto de datos en 5 formas distintas como visualizaciones, estadísticos sumarios.

El dataset puedes encontrarlo en: https://www.kaggle.com/mchirico/philadelphiacrimedata

Carlos Efrain Coello Delgado

student•

mi desarrollo 😃 excelente curso sigo con el curso profesional

Fabian Merchan

student•

Me gustó mucho la visualización de crímenes por hora, a pesar que se sabe que la mayoría de crímenes ocurren en la noche, nunca se me habría ocurrido que el mayor pico ocurre a las 4 de la tarde a plena luz del día. Me lo robaré para mi estudio.

Andres Leonardo Arevalo

student•

https://www.kaggle.com/mchirico/philadelphiacrimedata

Camilo Baez

student•

Se debe enviar el resultado del desafío?

Diego Forero

Team Platzi•

Es bueno que los compartas aquí con tus compañeros, no es obligatorio.

Rafael Alfonso Ramirez Zuñiga

student•

EXCELENTE CURSO

Carlos Nexans

student•

Les dejo mi estudio de los datos de crímenes en Filadelfia

Oswaldo Jiménez

student•

https://github.com/oswaldojp/DataSience/blob/master/CrimeDataPhiladelphia.ipynb

Alejandro Angulo Carrera

student•

Los distintos ejercicios que pude ver son interesantes, sin embargo, para un tema como el crímenes, creo que falta algo más, como un análisis de vecindad y de cluster sobre la plataforma del sistema de información geográfico, que permita no sólo ver la representación en series de tiempo y por tipo de crimen, sino el reto es el modelamiento y pasar a un sistema inteligente. Faltan variables en el data set como las características sociales de los distritos y las actividades económicas como su nivel, pues efectivamente hay patrones de comportamiento y unos son recursivos, por lo que hay variables estructurales que pueden analizarse para superar en términos predictivos la tasa de crímenes. El único ejercicio que intenta correlacionar variables es que asocia la cantidad de estaciones de policías con la cantidad de crímenes. Sería interesante analizar si la ocurrencia de crímenes por horario también guarda una similaridad con la cantidad de policías por estación y el número de recorridos que hacen y cada que tiempo, ya que un delito se comete en determinado tiempo, pero si las rondas o patrullaje son frecuentes con un determinado tiempo, se puede analizar la correlación.

Desafío 01

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?