Francisco Camacho
Curso de Matemáticas para Data Science: Estadística Descriptiva

Opiniones del Curso de Matemáticas para Data Science: Estadística Descriptiva

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.

Avatar Leidy Johana Oviedo Martinez

Leidy Johana Oviedo Martinez

@ljoviedom

Es un excelente curso y Pacho un muy buen profesor.

Avatar Nicolás Felipe Fernandez Fandiño

Nicolás Felipe Fernandez Fandiño

@nickingnova

Siento que el docente tiene muy clara las informacion pero quiza el curso este mal ubicado dentro de la ruta o la explicacion es poco profunda respecto a la practica en el Deep Note pero no me parece uno buen curso, es muy superficial.

Avatar Miguel Fernando Cruz Santiago

Miguel Fernando Cruz Santiago

@mivki890

Me gustó mucho el curso

Avatar Brian David Pajares Correa

Brian David Pajares Correa

@brian1989

Ya sé Aplicarás estadística descriptiva para análisis de datos Clasificarás los tipos de variables Conocerás las medidas de tendencia central Entenderás qué es la estadística descriptiva

Aprendes sobre visualización de datos con Python

Avatar Mariano Gobea Alcoba

Mariano Gobea Alcoba

@marianogobeaalcoba

Realmente es un curso de alto vuelo. Creo que hay muchas cosas que se dan por sentado y en las cuales se debería profundizar un poco mas. Como por ejemplo el uso de las funciones de cada librería. Igualmente una gran experiencia.

Avatar Sergio Andres Rios Gomez

Sergio Andres Rios Gomez

@Ingeniero_SergioRios

Excelente curso, me gustaría ver un ejemplo de la vida real donde se aplique los conceptos teóricos que se vieron

Avatar Cristian Adán Cáceres Castañeda

Cristian Adán Cáceres Castañeda

@cristian_caceres

Me gusto aplicar los conceptos de estadistca en python y conocer deepnote. Gracias.

Avatar Sebastian Dario Reinoso Carpio

Sebastian Dario Reinoso Carpio

@sebastian-dario-reinoso-carpio

Existen algunos puntos tratados en el curso que faltan explicar, parece que los temas deberían ir más adelante en la escuela

Avatar Gibran Eduardo Hernandez Vilchis

Gibran Eduardo Hernandez Vilchis

@gibraneduardo523

Muy buen curso sobre estadística descriptiva el uso de Deepnote facilito mucho tomar notas. Los conceptos fueron claros y el profesor muy ameno

Avatar Luis David Tolentino Barrera

Luis David Tolentino Barrera

@luisdavidtolentino

El contenido es muy bueno, solo que falta explicar un poco más a cerca de las funciones de sklearn que se usan durante el curso.

Avatar Andres Felipe Vargas Gonzalez

Andres Felipe Vargas Gonzalez

@andrewvgonz

Estuvo bueno el curso, me hubiera gustado que estuviese despues de algebra líneal en el path de Data Science y que el curso se hubiese enfocado en la resolución de un caso para entender mejor el por qué debemos hacer escalamiento de datos.

Avatar Juan Jose Arosa Orjuela

Juan Jose Arosa Orjuela

@juanjoaror

Entiendo que habían explicaciones que se podían tomar más tiempo, pero siento que se comian explicaciones tal vez que requerían un poquito más de profundización.

Avatar jose juan martinez

jose juan martinez

@JJML

deberían poner primero el curso de Álgebra lineal antes que este curso y arreglar los errores de este

Avatar Viviana Martinez Guevara

Viviana Martinez Guevara

@viviana.mg

Me gustó que se usara python y deepnote para explicar la estadística descriptiva, por mejorar me habría gustado que hubieran problemas para resolver y también como sugerencia, reorganizaría la escuela de data science y pondría primero los curso de cálculo y álgebra lineal, antes de ver estadística y probabilidad

Avatar Paula Adgi Romano

Paula Adgi Romano

@paularoma

Bien el profesor explicando. Estaría bueno tener este curso mas adelante luego de aprender/recordar ciertos contenidos matemáticos para luego incorporarlos en este curso. Se ve mas avanzado para lo que viene después.

Avatar Mariano Orozco Garcia

Mariano Orozco Garcia

@marianoog

Me gusta mucho de estos cursos que son prácticos; sin embargo, en este curso en particular me faltaron más matemáticas para entender como funcionan algunas cosas.

Avatar Erick Peralta

Erick Peralta

@a1270895

Es un buen curso, al igual que el profesor. Pero, ¿cuál es la crítica constructiva? Falto profundizar en varias cuestiones para poder entender mejor. Quizá alargando más el curso se pudo haber logrado. Pondría el curso a un nivel intermedio más que uno básico, precisamente por esa cuestión.

Avatar Antonio Ramón Molina Simancas

Antonio Ramón Molina Simancas

@amolinasimancas

Excelente el profe Camacho. Se torna complejo hacia el final y faltó reforzar un poco los últimos temas pero en general fue un buen curso.

Avatar Jafet Calderon

Jafet Calderon

@jafet-calderon

Este curso requiere tener varios conocimientos previos para poder aprovecharlo al maximo, por lo que tuve que tendria que 'adelantarme' algunos cursos para entender los temas que vienen despues de la clase numero 21. Es decir el curso es excelente de la clase 1 a la 21 pero luego de esa clase no pude seguir el hilo

Avatar Nelson Ricardo Ramírez García

Nelson Ricardo Ramírez García

@NelsonRamirez

Gracias profesor por explicarnos un tema tan importante de manera sencilla.

Avatar Sergio Esteban Gamboa Muñoz

Sergio Esteban Gamboa Muñoz

@segamboam

No conocia las tecnicas para las variables categoricas ni algunos pequeños usos de python para ser usado en el analisis de datos

Avatar David Felipe Zabala Castañeda

David Felipe Zabala Castañeda

@dzabala03

Falta que el profe sea un poco más explicativo en algunos códigos o procedimientos

Buen curso aunque creo que quedan algunos vacíos, la introducción a ML muy buena porque va introduciendo el término pero queda un poco obligado y contrasta un poco. No queda muy claro de lo eigenvalores.

Avatar David E Marquez  S

David E Marquez S

@DavidMarquezBokken

SI bien es muy buen curso, tiene una falencia importante y es que en algunos momentos la explicación se vuelve muy compleja, teniendo que recurrir a Youtube para entender un concepto que pudo haberse visto de forma más simple sin perder rigurosidad