Tutoriales de Ciencia de Datos

Un tutorial para principiantes que muestra cómo funciona el control de versiones con Git y por qué es crucial en proyectos de ciencia de datos.

Aprende pandas desde la instalación hasta el análisis, con cada ejemplo probado en pandas 3.1.

Aprende PySpark con código ejecutable: configura PySpark 4.3, selecciona, filtra, agrupa y une DataFrames, consulta con Spark SQL y segmenta clientes con pyspark.ml.

En este tutorial de Python, aprenderás a crear un diccionario, cargar datos, filtrarlos, obtener y ordenar valores y realizar otras operaciones con diccionarios.

Este tutorial de scikit-learn te guía paso a paso para crear un clasificador de noticias falsas con ayuda de modelos bayesianos.

Tutorial breve sobre cómo extraer datos generados por Javascript con R usando PhantomJS.

Un modelo autorregresivo predice el futuro de una serie a partir de su propio pasado. Aprende a ajustarlo en Python con statsmodels, elegir el orden de rezagos con PACF y AIC/BIC, y compararlo con MA y ARIMA.

Descubre cómo ARIMAX amplía ARIMA con predictores externos, entiende sus parámetros y supuestos, y construye un modelo de pronóstico en Python con statsmodels.

Descubre cómo SARIMAX combina el modelado estacional de series temporales con predictores externos. Entiende sus parámetros, en qué se diferencia de ARIMA y SARIMA, y construye un modelo de previsión en Python.

Descubre qué es la cuadratura, cómo la integración numérica aproxima integrales definidas y cómo funcionan métodos como la regla del trapecio, la de Simpson y la cuadratura gaussiana.

Aprende cómo funciona la transformación Box-Cox, cómo elegir el parámetro lambda y cuándo usarla para estabilizar la varianza, reducir la asimetría y mejorar los modelos estadísticos.

Una razón de verosimilitudes compara qué tan bien dos hipótesis o modelos explican los mismos datos. Este artículo cubre la fórmula, un ejemplo con lanzamientos de moneda, la prueba para modelos de regresión anidados en Python y R, y las razones diagnósticas.