Mira vídeos cortos de instructores expertos y pon en práctica tus conocimientos con ejercicios interactivos en el navegador.
o
Curso
Extend your regression toolbox with the logistic and Poisson models and learn to train, understand, and validate them, as well as to make predictions.
Probabilidad y estadística
Curso
Prepare for your next statistics interview by reviewing concepts like conditional probabilities, A/B testing, the bias-variance tradeoff, and more.
Probabilidad y estadística
Curso
Explora variables latentes, como la personalidad, mediante análisis factoriales exploratorios y confirmatorios.
Probabilidad y estadística
Curso
Utiliza el análisis de supervivencia para trabajar con datos de tiempo hasta el evento y predecir el tiempo de supervivencia.
Probabilidad y estadística
Curso
Aprende a crear y evaluar modelos de medición utilizados para confirmar la estructura de una escala o cuestionario.
Probabilidad y estadística
Curso
Aprende a utilizar las RNN para clasificar el sentimiento del texto, generar frases y traducir texto entre idiomas.
Inteligencia artificial
Curso
Aprende a utilizar el paquete limma de Bioconductor para el análisis diferencial de la expresión génica.
Probabilidad y estadística
Curso
En este curso aprenderás técnicas para realizar inferencias estadísticas sobre datos numéricos.
Probabilidad y estadística
Curso
Aprende a procesar información confidencial con técnicas que preservan la privacidad.
Machine Learning
Curso
En este curso aprenderás a aprovechar las técnicas estadísticas para trabajar con datos categóricos.
Probabilidad y estadística
Curso
Aprende a aprovechar los métodos de estimación bayesiana para hacer mejores inferencias sobre los modelos de regresión lineal.
Probabilidad y estadística
Curso
Aprende a escribir código escalable para trabajar con big data en R utilizando los paquetes bigmemory e iotools.
Desarrollo de software
Curso
Diagnostica, visualiza y trata los datos ausentes con una variedad de técnicas de imputación y consejos para mejorar los resultados.
Manipulación de datos
Curso
Especificar y ajustar modelos GARCH para pronosticar la volatilidad variable en el tiempo y el valor en riesgo.
Finanzas aplicadas
Curso
En este curso, aprenderás a implementar modelos bayesianos más avanzados utilizando RJAGS.
Probabilidad y estadística
Curso
En este curso, te prepararás para los temas estadísticos más frecuentes, desde distribuciones hasta pruebas de hipótesis, modelos de regresión y mucho más.
Probabilidad y estadística
Curso
Scale and manage multi-cluster GKE environments. Master fleets, Cloud Service Mesh, identity management, CI/CD at scale, and GKE Enterprise capabilities.
Nube
Curso
¿Tienes curiosidad por conocer el funcionamiento interno de los modelos que hay detrás de productos como Google Translate?
Inteligencia artificial
Curso
Develop data pipelines with Apache Beam and Dataflow. Cover transforms, windowing, I/O connectors, schemas, state APIs, Beam SQL, and notebooks.
Nube
Curso
Aprende a ajustar los hiperparámetros de tu modelo para obtener los mejores resultados predictivos.
Machine Learning
Curso
Operate Dataflow pipelines in production. Learn monitoring, logging, troubleshooting, performance tuning, CI/CD, reliability, and templates.
Nube
Curso
Aprende a analizar y modelar datos sobre las elecciones de los clientes en R.
Probabilidad y estadística
La ciencia de datos es un área de especialización centrada en la obtención de información a partir de los datos. Mediante el uso de habilidades de programación, métodos científicos y algoritmos, entre otros, los científicos de datos analizan la información para generar conclusiones prácticas.
Tendrás que aprender un lenguaje de programación como Python o R y dominar los principios de las matemáticas y la estadística. También es esencial conocer los métodos de análisis de datos y las herramientas de ciencia de datos. Hay muchas formas de aprender esta disciplina: además de la formación reglada, como una carrera o estudios universitarios, existen muchos otros recursos que te permiten aprender a tu ritmo. Aparte de los cursos online y los tutoriales, tienes a tu disposición libros, vídeos y mucho más.
Además de conocimientos de matemáticas y estadística, los científicos de datos necesitan habilidades de programación en lenguajes como Python, R y SQL. Asimismo, la ciencia de datos requiere capacidad para trabajar con grandes conjuntos de datos, conocimientos de visualización de datos, preparación de datos y gestión de bases de datos. También resulta muy útil contar con competencias en machine learning y aprendizaje profundo.
En el ámbito profesional, casi cualquier sector puede utilizar la ciencia de datos en cierta medida. Las organizaciones sanitarias la emplean para detectar y curar enfermedades, mientras que las empresas financieras la usan para detectar y prevenir el fraude. Todo tipo de sectores aplican la ciencia de datos al marketing, por ejemplo, para crear sistemas de recomendación y analizar la pérdida de clientes.
Sí, la ciencia de datos se encuentra entre los sectores de más rápido crecimiento en los EE. UU. y en todo el mundo. También es una de las carreras mejor pagadas que existen. Según datos de Payscale, los científicos de datos con experiencia ganan una media de 97 609 USD y tienen un índice de satisfacción de cuatro estrellas sobre cinco en Estados Unidos.
Hay algunos aspectos a considerar. En primer lugar, el acceso a las titulaciones en ciencias de datos puede ser competitivo, ya que a menudo exigen altas calificaciones constantes. Asimismo, muchas de las habilidades requeridas para la ciencia de datos requieren mucho estudio y paciencia. Dominar todos los fundamentos necesarios puede llevar varios meses, así como mucha experiencia práctica para conseguir un puesto de nivel inicial.
Sí, necesitarás algo de experiencia en programación en lenguajes como Python, R, SQL, Java y C/C++. Sin embargo, debido a su sintaxis relativamente simple, Python suele ser el lenguaje de programación preferido entre los principiantes.
Para una persona sin experiencia previa en programación ni formación matemática, normalmente se necesitan de 7 a 12 meses de estudios intensivos para alcanzar el nivel de un científico de datos principiante. Sin embargo, es importante recordar que aprender solo los fundamentos teóricos de la ciencia de datos puede no convertirte en un verdadero científico de datos.
Una vez que domines los fundamentos de la ciencia de datos, podrás especializarte en una variedad de áreas, incluido el machine learning, la inteligencia artificial, el análisis de big data, el análisis e inteligencia empresarial, la minería de datos y más.
Avanza estés donde estés con nuestros cursos para móvil y retos de programación diarios de 5 minutos.