Comprender la ciencia de datos
Una introducción a la ciencia de datos sin necesidad de codificación.
Comience El Curso Gratis2 Horas15 Videos48 Ejercicios
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?Pruebe DataCamp para empresas
Preferido 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 considerado el "trabajo más sexy del siglo XXI"? En este curso no técnico, se te presentará todo lo que siempre tuviste miedo de preguntar sobre este apasionante campo de rápido crecimiento, sin necesidad de escribir una sola línea de código. A través de ejercicios prácticos, aprenderás sobre las diferentes funciones de los científicos de datos, temas fundamentales como los A/B tests, el análisis de series temporales y machine learning, y cómo los científicos de datos extraen conocimientos y perspectivas de los datos del mundo real. Así que no te dejes desanimar por las palabras de moda. Empieza a aprender, adquiere habilidades en este campo tan demandado y descubre por qué la ciencia de datos es para todos.
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Comprender los temas de datos
Ir a la pista- 1
Introducción a la ciencia de datos (Data Science)
GratuitoComenzaremos 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 problemas del mundo real. Terminaremos el capítulo aprendiendo sobre diferentes roles dentro del campo de la ciencia de datos.
¿Qué es la ciencia de datos?50 xpFlujo de trabajo de segmentación de clientes50 xpConstruyendo un chatbot para servicio al cliente50 xpAplicaciones de la ciencia de datos50 xpAsignando un proyecto de ciencia de datos50 xpInvestigación de inversiones100 xpFunciones y herramientas de la ciencia de datos50 xpEdición de un anuncio de trabajo50 xpEmparejando competencias a puestos de trabajo100 xpClasificación de 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: recopilación y almacenamiento de datos. Aprenderemos sobre las diferentes fuentes de datos de las que puedes extraer, cómo son esos datos, cómo almacenarlos una vez recopilados y cómo una canalización de datos (data pipeline) puede automatizar el proceso.
Fuentes de datos50 xpClassifyción de fuentes de datos100 xpFrecuencias de asma50 xpTipos de datos50 xpClassifyción de tipos de datos100 xpNet promoter score (NPS)50 xpRastreador de actividad50 xpAlmacenamiento y recuperación de datos50 xpPlataformas en la nube (Cloud platforms)50 xpConsultar una base de datos50 xp¿Qué tipo de base de datos?100 xpCanalizaciones de datos (data pipelines)50 xpCaracterísticas de los data pipelines50 xpExtract Transform Load (ETL)100 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 sólo el 20% de su tiempo analizándolos. Este capítulo te mostrará cómo diagnosticar problemas en tus datos, tratar los valores perdidos 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 último capítulo 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 eventos futuros. Por último, terminaremos con el machine learning, analizando el aprendizaje supervisado y el clustering.
Pruebas A/B50 xpCreación de un flujo de trabajo para pruebas A/B100 xpSignificación estadística50 xpResultados intermedios50 xpPrevisión de series temporales50 xpClasificación de datos de series temporales100 xpInterpretar un gráfico de series temporales50 xpMachine learning supervisado50 xpCuándo utilizar el aprendizaje supervisado100 xpCaracterísticas y etiquetas50 xpEvaluación de modelos50 xpClustering50 xpSupervisado frente a no supervisado100 xpSelección del tamaño del clúster50 xp¡Felicidades!50 xp
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Comprender los temas de datos
Ir a la pistaHadrien Lacroix
Ver MasCurriculum Manager at DataCamp
Sara Billen
Ver MasData Scientist at DataCamp
Lis Sulmont
Ver MasContent Program Manager at Duolingo
¿Qué tienen que decir otros alumnos?
Únete a 13 millones de estudiantes y empeza Comprender la ciencia de datos hoy!
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.