Nivel Básico
24 clases
4 horas de contenido
10 horas de práctica
Entiende y aplica estadísticas descriptivas para analizar datos en data science. Desde diferenciar estadísticas descriptivas e inferenciales hasta el uso de visualizaciones y reducción de dimensionalidad con PCA. Mejora tus análisis.
Estadística descriptiva para analítica
- 4
Uso de Deepnote para Jupyter Notebooks en Ciencia de Datos
01:19 min - 5
Tipos de Datos en Ciencia de Datos: Categóricos y Numéricos
16:06 min - 6
Medidas de Tendencia Central: Media, Mediana y Moda
09:47 min - 7
Media vs. Mediana: Diferencias y Aplicaciones Prácticas
17:17 min - 8
"Estadística Descriptiva con Pandas: Medidas de Tendencia Central"
20:58 min - 9
Rango y Rango Intercuartil en Medidas de Dispersión
05:25 min - 10
Desviación Estándar y Varianza en Estadística Descriptiva
14:29 min - 11
Cálculo y Visualización de Medidas de Dispersión en Python
11:14 min - 12
Visualización de Datos: Catálogo y Uso de Diagramas en Python
08:48 min - 13
Diagramas de Dispersión y su Análisis con Seaborn
12:32 min
Estadística en la ingesta de datos
- 14
Escalamiento Lineal de Datos Numéricos para Machine Learning
10:54 min - 15
Transformaciones No Lineales para Datos Sesgados en Machine Learning
08:51 min - 16
Procesamiento y Escalamiento de Datos Numéricos en Python
14:55 min - 17
Mapeo de Variables Categóricas en Python: Dumi y OneHot
05:00 min - 18
Codificación de Variables Categóricas en Python con Pandas y Scikit-Learn
12:58 min - 19
Correlación y covarianza en análisis de datos
09:09 min - 20
Construcción y Análisis de la Matriz de Covarianza en Python
13:09 min
Proyecto de aplicación
Despedida
Profes del curso
Conoce quién enseña el curso
Francisco Camacho
Co-founder & CTO at Hunty
Co-founder & CTO at Hunty
Opiniones del curso
4.8 · 1554 opiniones
joanv
@joanv·
Excelente curso,un poco confusas las preguntas en algunos casos
Ignacio Duarte
@ignacio-duarte·
Gran curso! la parte de PCA es muy compleja, se puede profundizar siempre más
Felipe Antonio Lopez
@Felipax·
Buenísimo el curso, buena intro para el ML
César Andrés Santana Gereda
@andres-santana-gereda·
Buen curso. Solo hay ciertas cosas por mejorar, por ejemplo explicar los conceptos de forma mas didactica ya que considero que la matematica detras y los conceptos del porque se usa algo son muy importantes.
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Data e Inteligencia Artificial
69 horas
19 Profes
Domina data science para sacar valor a los datos e incrementar su potencial con machine learning para integrar inteligencia artificial a productos de software.
Ruta
Ruta de Matemáticas
63 horas
12 Profes
Aprende en casa temas de matemáticas como álgebra, ecuaciones, funciones, cálculo y probabilidad. Desarrolla tus propios análisis matemáticos y aplícalos.
Ruta
Data Scientist
133 horas
31 Profes
¡Conviértete en Data Scientist! Domina el análisis de negocios, redes neuronales y más con cursos prácticos en Python, ML y Bases de Datos.
Ruta
Data Analyst
54 horas
14 Profes
Analiza datos estructurados para identificar patrones y tendencias. Crea reportes y visualizaciones estratégicas.
Ruta
Machine Learning Engineer
164 horas
37 Profes
Integra inteligencia artificial en el software de un producto y mejora su desempeño con sistemas de machine learning.
Ruta
Análisis de Datos con Python
32 horas
5 Profes
Da el siguiente paso como analista de datos utilizando Python. Analiza cantidades más grandes de datos, profundiza y agiliza tu proceso de análisis.
Ruta
Data Scientist con Python
96 horas
17 Profes
Explora el fascinante mundo del Data Science con Python. Cada curso es un paso crucial hacia el análisis de datos y la creación de modelos de machine learning.
Ruta
Data Engineer
94 horas
16 Profes
Crea la infraestructura de extracción y preparación de datos para analítica en organizaciones.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender