Una carrera en ciencia de datos es muy demandada y bien remunerada. Abarca tareas como estudiar y organizar datos, aplicar técnicas de aprendizaje automático y alinear el trabajo con los objetivos de negocio. Para destacar, necesitas una combinación de habilidades: analizar datos, entender el contexto del negocio, comunicar con claridad y más. Para ayudarte a avanzar, utiliza esta lista como referencia en tu itinerario de aprendizaje.
Para descargar esta infografía, haz clic en la imagen superior
Análisis exploratorio de datos
Estadística descriptiva
- Calcula métricas de localización como la media y la mediana, de dispersión como el rango y la desviación estándar, y otras características de las variables.
- Calcula métricas como la correlación para entender las relaciones entre variables.
Aprende en DataCamp
Pon en práctica tus habilidades
- A Visual History of Nobel Prize Winners
- Optimizing Online Sports Retail Revenue
- Explore a DataFrame
- Analyzing Carbon Footprints in SQL
- Exploring World Cup Data in Python
Visualización de datos
- Crea gráficos como barras, histogramas y diagramas de caja para visualizar variables individuales.
- Crea gráficos como de dispersión, de líneas y mapas de calor para visualizar relaciones entre variables.
Aprende en DataCamp
- Introduction to Data Visualization with Seaborn
- Introduction to Data Visualization with Plotly in Python
- Introduction to Data Visualization with ggplot2
- Interactive Data Visualization with plotly in R
- Data Visualization Cheat Sheet
- Python Seaborn Cheat Sheet
- Plotly Express Cheat Sheet
- ggplot2 Cheat Sheet
- Python Seaborn Tutorial For Beginners
- Graphics with ggplot2 Tutorial
Pon en práctica tus habilidades
- Visualizing COVID-19 in R
- Modeling the Volatility of US Bond Yields in R
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
- Visualize Correlation with a Diagonal Correlation Plot in Python
- Data Visualization in Python for Absolute Beginners
- Visualizing Video Game Sales Data with ggplot2 in R
Gestión de datos
Importación y lectura de datos
- Importa datos desde formatos comunes como CSV y hojas de cálculo.
- Importa datos consultando bases de datos SQL.
- Importa datos mediante APIs web.
Aprende en DataCamp
- Introduction to Importing Data in Python
- Intermediate Importing Data in Python
- Streamlined Data Ingestion with pandas
- Introduction to Importing Data in R
- Intermediate Importing Data in R
- Introduction to SQL
- Importing Data in Python Cheat Sheet
- Pandas Tutorial: Importing Data with read_csv()
- Web Scraping With Python and Beautiful Soup
- How to Import Data Into R: A Tutorial
- Importing Data Into R - Part Two
Pon en práctica tus habilidades
- Importing and Cleaning Data
- The Android App Market on Google Play
- Visualize Historical Stock Data with a Candlestick Chart
- Analyzing Streaming Service Content in SQL
- Analyzing Students' Mental Health in SQL
Data wrangling
- Realiza manipulaciones comunes de datos como ordenar, filtrar, crear nuevas variables y agregar.
- Une dos conjuntos de datos con joins internos, left y otros tipos.
- Reestructura un conjunto de datos rectangular con pivotes para convertir filas en columnas o columnas en filas.
Aprende en DataCamp
- Data Manipulation with pandas
- Joining Data with pandas
- Reshaping Data with pandas
- Data Manipulation with dplyr
- Joining Data with dplyr
- Reshaping Data with tidyr
- Joining Data in SQL
- Pandas Cheat Sheet for Data Science in Python
- Data Manipulation with dplyr in R Cheat Sheet
- SQL Joins Cheat Sheet
- Pandas Cheat Sheet: Data Wrangling in Python
- Joining DataFrames in pandas Tutorial
- Joins in SQL Tutorial
Pon en práctica tus habilidades
- What and Where are the World's Oldest Businesses?
- Streamlining Employee Data
- Merge DataFrames
- Analyzing NASA Planetary Exploration Budgets in SQL
Limpieza de datos
- Identifica y corrige problemas de integridad como tipos de datos incorrectos, valores fuera de rango o duplicados.
- Identifica y corrige problemas en datos de texto y categóricos, como categorías no válidas o formatos erróneos.
- Identifica y corrige problemas de uniformidad, como unidades incorrectas, formatos de fecha erróneos e incoherencias entre variables.
- Identifica y corrige problemas de valores ausentes.
Aprende en DataCamp
Pon en práctica tus habilidades
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
Conocimiento del negocio
Objetivos de negocio
- Propón enfoques analíticos basados en los objetivos de negocio.
- Evalúa el rendimiento de los resultados analíticos frente a KPIs u otros criterios relevantes del negocio.
Aprende en DataCamp
Pon en práctica tus habilidades
- Comparing Search Interest with Google Trends
- Optimizing Online Sports Retail Revenue
- Predict CTR and Evaluate ROI
- Calculate Customer Churn Metrics
Conocimiento organizativo
- Comprende el impacto de los proyectos de ciencia de datos en tu negocio.
- Identifica qué equipos o perfiles deben participar en un proyecto de datos y en qué capacidad.
Aprende en DataCamp
Pon en práctica tus habilidades
- Which Debts Are Worth the Bank's Effort?
- Feature Engineering for Fraud Detection
- User Retention by Cohort
- Analyzing a Marketing Funnel in Spreadsheets
- Visualizing Cost Savings in Tableau
Programación para ciencia de datos
Pensamiento computacional
- Utiliza construcciones comunes de programación como control de flujo e iteraciones.
- Comprende las funciones y la programación funcional para escribir código repetible para el análisis.
Aprende en DataCamp
Pon en práctica tus habilidades
- Functions for Food Price Forecasts
- Writing Functions for Product Analysis
- Group and Aggregate data with custom functions
Desarrollo para producción
- Usa control de versiones como git para gestionar tu código.
- Emplea manejo de errores, aserciones y tests unitarios para garantizar la calidad del código.
- Redacta documentación para que otras personas entiendan tu código.
- Desarrolla paquetes para reutilizar tu código.
Aprende en DataCamp
Pon en práctica tus habilidades
Desarrollo de modelos
Diseño del modelo
- Elige el tipo de modelo adecuado (regresión, clasificación, clustering, etc.) según tu conjunto de datos y los objetivos del análisis.
Aprende en DataCamp
- Supervised Learning with scikit-learn
- Unsupervised Learning in Python
- Supervised Learning in R: Classification
- Supervised Learning in R: Regression
- Unsupervised Learning in R
- Supervised Machine Learning Cheat Sheet
- Unsupervised Machine Learning Cheat Sheet
- 8 Machine Learning Models Explained in 20 Minutes
Pon en práctica tus habilidades
- Predicting Credit Card Approvals
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Clustering Heart Disease Patient Data
- ASL Recognition with Deep Learning
- Disney Movies and Box Office Success
Ingeniería de características
- Extrae información relevante del problema a partir de variables existentes, por ejemplo el día de la semana de una fecha y hora, o un indicador de "edad laboral" a partir de la fecha de nacimiento.
- Combina varias variables en nuevas, por ejemplo sumando ventas regionales para obtener ventas totales o calculando el beneficio como ingresos menos costes.
- Usa conjuntos de datos externos para crear nuevas variables, por ejemplo una API geográfica para obtener la ciudad a partir de la longitud y la latitud, o una API de visión por computador para determinar si una imagen contiene personas.
- Utiliza imputación para estimar valores ausentes.
Aprende en DataCamp
Pon en práctica tus habilidades
- Customer Analytics: Preparing Data for Modeling
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Encoding Categorical Variables
- Sentiment Analysis and Prediction in Python
Ajuste de modelos
- Genera particiones de entrenamiento y prueba a partir de un conjunto de datos, incluyendo validación cruzada.
- Usa la optimización de hiperparámetros para mejorar el rendimiento del modelo.
Aprende en DataCamp
Pon en práctica tus habilidades
- What Makes a Pokémon Legendary?
- Predict Taxi Fares with Random Forests
- Machine Learning with Python
- Machine Learning with R
- Predicting Hotel Booking Cancellations in Python
- Analyzing a Time Series of the Thames River in Python
Validación de modelos
- Evalúa el rendimiento de modelos supervisados con métricas como exactitud, precisión y recall.
- Evalúa el rendimiento de modelos no supervisados con métricas como homogeneidad, completitud y coeficiente de silueta.
Aprende en DataCamp
Pon en práctica tus habilidades
- Clustering Bustabit Gambling Behavior
- Degrees That Pay You Back
- Evaluate your ML Model using the F-score
- How to Explain Black-Box Machine Learning Models
Experimentación estadística
Métodos de muestreo
- Comprende distribuciones estadísticas como la normal, la uniforme y la de Poisson.
- Elige métodos de muestreo adecuados para responder a tus preguntas evitando sesgos.
Aprende en DataCamp
Pon en práctica tus habilidades
Pruebas de hipótesis
- Comprende las hipótesis nula y alternativa.
- Sabe cuándo y cómo usar pruebas como t-test, Chi-cuadrado y Mann-Whitney U.
- Interpreta los estadísticos de prueba y los valores p.
Aprende en DataCamp
Pon en práctica tus habilidades
Comunicación de datos
Narrativa de datos
- Construye una historia que explique tu motivación, métodos, resultados y conclusiones.
- Asegúrate de que la narrativa sea coherente con los hallazgos de los datos.
- Edita tus historias para eliminar detalles irrelevantes.
Aprende en DataCamp
Pon en práctica tus habilidades
Conoce a tu audiencia
- Entiende los conocimientos previos y los intereses de tu audiencia.
- Ajusta tu mensaje para que resuene con la audiencia, incluso si no es técnica.
Aprende en DataCamp
Pon en práctica tus habilidades
Temas
