Comprender la ciencia de datos
"Una introducción a la ciencia de datos sin necesidad de programación."
Comienza El Curso Gratis2 horas15 vídeos48 ejercicios667.394 aprendicesDeclaración de cumplimiento
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?
Probar DataCamp for BusinessPreferido por estudiantes en miles de empresas
Descripción del curso
¿Qué es la ciencia de datos, por qué es tan popular, y por qué la Harvard Business Review la ha aclamado como el "trabajo más sexy del siglo XXI"? En este curso no técnico conocerás todo lo que siempre has temido preguntar sobre este campo apasionante y de rápido crecimiento, sin necesidad de escribir una sola línea de código. Con ejercicios prácticos, aprenderás sobre los diferentes roles de los científicos de datos; temas fundamentales como las pruebas A/B, el análisis de series temporales y el machine learning; y cómo los científicos de datos extraen conocimientos e información de los datos del mundo real. Así que no te dejes desanimar por las palabras de moda. Empieza a aprender, adquiere destrezas en este campo tan demandado, ¡y descubre por qué la ciencia de datos es para todos!
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.En las siguientes pistas
Comprender los temas de datos
Ir a la pista- 1
Introducción a la ciencia de datos
GratuitoEmpezaremos el curso definiendo qué es la ciencia de datos. Cubriremos el flujo de trabajo de la ciencia de datos y cómo se aplica la ciencia de datos a los problemas del mundo real. Terminaremos el capítulo aprendiendo sobre los diferentes roles del campo de la ciencia de datos.
¿Qué es la ciencia de datos?50 xp¿Por qué la ciencia de datos?50 xpSeguir el flujo de trabajo50 xpAplicaciones de la ciencia de datos50 xpInvestigación de inversiones50 xpAsignación del proyecto de ciencia de datos100 xpRoles y herramientas de la ciencia de datos50 xpEditar un puesto de trabajo50 xpAdecuación de las cualificaciones a los puestos de trabajo100 xpClasificar las tareas de datos100 xp - 2
Recopilación y almacenamiento de datos
Ahora que entendemos el flujo de trabajo de la ciencia de datos, profundizaremos en el primer paso: la recopilación y el almacenamiento de datos. Aprenderemos sobre las distintas fuentes de datos que puedes utilizar, qué aspecto tienen esos datos, cómo almacenarlos una vez recopilados y cómo un pipeline de datos puede automatizar el proceso.
Fuentes de datos50 xpOrdenar fuentes de datos100 xpFrecuencias de asma50 xpTipos de datos50 xpClasificar los tipos de datos100 xpNet promoter score50 xpMonitor de actividad50 xpAlmacenamiento y recuperación de datos50 xpPlataformas en la nube50 xpConsultar una base de datos50 xp¿Qué tipo de base de datos?100 xpPipelines de datos50 xpCaracterísticas del pipeline de datos50 xpExtraer, transformar, cargar100 xp - 3
Preparación, exploración y visualización
La preparación de los datos es fundamental: los científicos de datos pasan el 80 % de su tiempo limpiando y manipulando datos, y solo el 20 % analizándolos realmente. Este capítulo te mostrará cómo diagnosticar problemas en tus datos y tratar los valores que faltan y los valores atípicos. A continuación, aprenderás sobre visualización, otra herramienta esencial tanto para explorar tus datos como para transmitir tus conclusiones.
- 4
Experimentación y predicción
En este capítulo final, ¡hablaremos de experimentación y predicción! Empezaremos con los experimentos, cubriremos las pruebas A/B y pasaremos a la previsión de series temporales, donde aprenderemos a predecir acontecimientos futuros. Por último, terminaremos con el machine learning, examinando el aprendizaje supervisado y la agrupamiento.
Pruebas A/B50 xpCrear un flujo de trabajo de pruebas A/B100 xpSignificación estadística50 xpResultados intermedios50 xpPrevisión de series temporales50 xpClasificar datos de series temporales100 xpInterpretar un gráfico de series temporales50 xpMachine learning supervisado50 xpCuándo utilizar el aprendizaje supervisado100 xpCaracterísticas y etiquetas50 xpEvaluación del modelo50 xpAgrupamiento50 xpSupervisado frente a no supervisado100 xpSelección del tamaño del grupo50 xp¡Enhorabuena!50 xp
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.En las siguientes pistas
Comprender los temas de datos
Ir a la pistaHadrien Lacroix
Ver MásCurriculum Manager at DataCamp
Sara Billen
Ver MásData Scientist at DataCamp
Lis Sulmont
Ver MásContent Program Manager at Duolingo
¿Qué tienen que decir otros alumnos?
¡Únete a 15 millones de estudiantes y empieza Comprender la ciencia de datos hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.