Herramientas que todos necesitamos
Clase 27 de 35 • Curso Profesional de Data Science 2016
Contenido del curso
Llevar tus cosas a Producción
- 3

Llevar tus cosas a producción
05:53 min - 4

Bases de datos: SQL o NoSQL
05:22 min - 5

ETL
12:01 min - 6

Mostrar tus datos mediante dashboards
07:38 min - 7

Repaso por Jupyter Notebook
07:34 min - 8

Ejemplo de inferencia en twitter para producción
20:35 min - 9

Creando nuestro modelo matematico
17:45 min - 10

Automatización
24:35 min - 11
Llevar tus cosas a producción
07:13 min
Machine Learning
- 12

Un poco de contexto sobre machine learning
10:40 min - 13

Entrenando un modelo de Machine Learning
12:03 min - 14

Modelos de regresión, clasificación, clustering y reducción de dimensionalidad
15:38 min - 15

Modelos canónicos y para que los usamos
17:02 min - 16

Más modelos canonicos
28:24 min - 17

Itera rápido o muere lento
06:33 min - 18

Recolectando y limpiando nuestros datos
23:28 min - 19

Implementando nuestros modelos de Machine Learning
16:23 min - 20

Creando y ejecutando nuestro pipeline
32:34 min - 21
Machine Learning
12:04 min
Estadística
Herramientas clave que usa un data scientist
Construyendo un equipo de data science
¿Qué sigue?
Para ser un miembro efectivo de un equipo profesional de data science, hay un set de herramientas de ingeniería de software que todos necesitamos saber.
Es muy fácil pensar que en tu viaje a través de data science, que lo único que importa es construir modelos geniales de machine learning, construyendo modelos de inferencia estadística, etc.
Pero la realidad es que cuando trabajamos como data scientist nos encontramos haciendo unas cuantas cosas.
Vamos a cubrir tres herramientas principales, la primera es AWS o Amazon Web Services, la cual es una colección de servicios de cómputo basados en la nube
La segunda son los comandos de la terminal que usamos para explorar datos en la terminal.
Y la tercera es GIT siendo un lenguaje de control de versiones que usamos para colaborar efectivamente en una base de código\Ncon otros data scientists e ingenieros de software.