Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Después de todo el esfuerzo de adquirir datos y ponerlos en un formato con el que puedas trabajar, lo que finalmente quieres es sacar conclusiones claras y concisas. Este último paso crucial del flujo de análisis de datos se basa en los principios de la inferencia estadística. En este curso, empezarás a construir la base que necesitas para pensar de forma estadística, hablar el lenguaje de tus datos y entender lo que te están diciendo. Los fundamentos del pensamiento estadístico tardaron décadas en desarrollarse, pero hoy se pueden asimilar mucho más rápido con ayuda de los ordenadores. Con la potencia de las herramientas basadas en Python, avanzarás rápidamente y empezarás a pensar estadísticamente al final de este curso.
Requisitos previos
Programa de formación
Contenido del curso
1
Análisis exploratorio de datos con gráficos
Antes de adentrarte en técnicas sofisticadas de inferencia estadística, primero deberías explorar tus datos representándolos en gráficos y calculando estadísticas descriptivas simples. Este proceso, llamado análisis exploratorio de datos, es un primer paso fundamental en el análisis estadístico.
- Introducción al análisis exploratorio de datos50 XP
- ¿Cuál es el objetivo de la inferencia estadística?50 XP
- Ventajas de la EDA gráfica50 XP
- Trazar un histograma50 XP
- Trazar un histograma de datos de iris100 XP
- ¡Etiquetas de ejes!100 XP
- Ajustar el número de intervalos en un histograma100 XP
- Representa todos tus datos: diagramas bee swarm50 XP
- Gráfico de enjambre (bee swarm)100 XP
- Interpretar un diagrama de enjambre (bee swarm)50 XP
- Representa todos tus datos: ECDFs50 XP
- Calcular la ECDF100 XP
- Representar la ECDF100 XP
- Comparación de ECDF100 XP
- ¡Sigamos hacia la historia completa!50 XP
2
Análisis exploratorio de datos cuantitativo
En este capítulo, calcularás estadísticas descriptivas útiles que sirven para describir de forma concisa los aspectos más relevantes de un conjunto de datos con unos pocos números.
3
Pensar probabilísticamente: variables discretas
La inferencia estadística se apoya en la probabilidad. Como muy raramente podemos afirmar algo con certeza absoluta a partir de los datos, usamos lenguaje probabilístico para hacer afirmaciones cuantitativas. En este capítulo, aprenderás a pensar de forma probabilística sobre cantidades discretas: aquellas que solo pueden tomar ciertos valores, como los enteros.
4
Pensar probabilísticamente: variables continuas
Es momento de pasar a las variables continuas, como aquellas que pueden tomar cualquier valor fraccionario. Muchos principios son los mismos, pero hay matices. Al final de este último capítulo, hablarás el lenguaje probabilístico que necesitas para adentrarte en las técnicas de inferencia que se tratan en la continuación de este curso.
Pensamiento estadístico en Python (Parte 1)
Curso
completado
