Clase 1 de 22 • Curso de Estadística Inferencial para Data Science e Inteligencia Artificial
Contenido del curso
Estadística Inferencial para Ciencia de Datos e IA
Componentes Básicos de la Estadística
Distribución Normal: Conceptos y Ejemplos Prácticos
Tipos de Muestreo y Teorema del Límite Central
Funciones de muestra en Python: aleatorio y sistemático
Muestreo Estratificado: Creación y Aplicación en Python
Quiz: Estadística inferencial para analítica
Cálculo de la Media Muestral y Conceptos de Estadística Básica
Diferencias entre varianza y desviación estándar muestral y poblacional
Varianza y Desviación Estándar Automatizadas en Python
Intervalos de Confianza en Estadística y Ciencia de Datos
Cálculo de Intervalos de Confianza paso a paso
Cálculo y visualización de intervalos de confianza en Python
Quiz: Estadísticos y cálculos
Pruebas de Hipótesis en Ciencia de Datos e Inteligencia Artificial
Pruebas de Hipótesis: Test-Student, Pearson y ANOVA
Errores Tipo I y II en Pruebas de Hipótesis
Pruebas de Hipótesis con Python: Distribución t de Student
Análisis de Correlación y ANOVA en Python
Técnica de Bootstrapping para Muestras Pequeñas
Bootstrapping y Remuestreo en Python: Automatización Práctica
Validación Cruzada en Modelos de Inteligencia Artificial
Automatización de Validación Cruzada en Python para Modelos Predictivos
Quiz: Hipótesis y validación
El curso de Estadística Inferencial para Ciencia de Datos e Inteligencia Artificial, impartido por Silvia Arisa Centís, está diseñado para llevar tus habilidades en ciencia de datos al siguiente nivel. En este curso, aprenderás a ir más allá de describir datos con la estadística descriptiva, hacia la extracción de inferencias y predicciones útiles con la estadística inferencial. Este conocimiento es crucial para validar teorías y desarrollar modelos predictivos precisos en los campos de inteligencia artificial y machine learning.
Antes de embarcarte en este curso, es esencial tener una base sólida en estadística descriptiva utilizando Python. Además, debes estar familiarizado con librerías fundamentales como NumPy, Pandas, Matplotlib y Seaborn. Otro requisito es haber completado los cursos previos de tu ruta de aprendizaje en la Escuela de Inteligencia Artificial y Ciencia de Datos, lo cual asegurará que estés bien preparado para abordar los temas avanzados que se introducirán.
La distinción entre estadística descriptiva e inferencial es esencial para entender cómo transformar datos en soluciones prácticas.
Estadística descriptiva: Se enfoca en describir y comprender los datos actuales. Utiliza herramientas para limpiar datos y calcular estadísticos como media, mediana y moda. También evalúa la tendencia, variabilidad y distribución de los datos, sin inducir futuros resultados.
Estadística inferencial: Se centra en hacer abstracciones a partir de una muestra de una población. Utiliza técnicas de muestreo, intervalos de confianza y validación de hipótesis para extraer conclusiones y predicciones. También evalúa la fiabilidad de los modelos creados, permitiendo recalibrar y mejorar según sea necesario.
Dentro del campo de la ciencia de datos y la inteligencia artificial, la estadística inferencial desempeña un papel crucial al permitir:
Por lo tanto, la estadística inferencial no solo ayuda a extraer valor de los datos, sino que, además, proporciona un marco para validar y mejorar continuas iteraciones en modelos de machine learning. Esto asegura que las predicciones sean confiables y robustas, alineadas con los objetivos del negocio o investigación.
Este curso promete enriquecer tus conocimientos y habilidades, abriendo puertas a nuevas posibilidades en campos dinámicos como la ciencia de datos y la inteligencia artificial. ¡Prepárate para avanzar en tu carrera y descubrir el poder transformador de la estadística inferencial!
