Comprender la ciencia de datos

Comenzaremos 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.

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.

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.

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.