- ¿Quieres aprender Data Science y construir aplicaciones robustas de forma rápida y eficiente?
- ¿Eres un principiante absoluto que quiere introducirse en la Ciencia de Datos y busca un curso que incluya todos los conceptos básicos que necesitas?
- ¿Eres un trabajador aspirante a empresario que quiere maximizar los ingresos de su negocio y reducir costes con la Ciencia de Datos, pero no tienes tiempo para conseguirlo de forma rápida y eficiente?
Si tu respuesta es sí a alguna de las preguntas anteriores, entonces ¡este curso es para ti!
¡Data Science es ahora uno de los campos de la tecnología más candentes para estar! Este campo está lleno de oportunidades y perspectivas profesionales.
La Ciencia de Datos está muy extendida en muchos sectores, como la banca, la sanidad, el transporte y la tecnología. En los negocios, la Ciencia de Datos se aplica para optimizar los procesos empresariales, maximizar los ingresos y reducir los costes.
Este curso tiene como objetivo proporcionarte el conocimiento de los aspectos críticos de la Ciencia de Datos en una semana y de una manera práctica, fácil, rápida y eficiente.
Este curso es único y excepcional en muchos aspectos. Incluye varias oportunidades de práctica en forma de tareas, cuestionarios y proyectos finales.
Cada día, pasaremos de 1 a 2 horas juntos y dominaremos un tema de Ciencia de Datos.
En primer lugar, vamos a empezar con el paquete de inicio esencial de Ciencia de Datos y dominar los conceptos clave de Data Science, incluyendo el ciclo de vida del proyecto de Ciencia de Datos, lo que buscan los reclutadores y qué puestos de trabajo están disponibles.
A continuación, comprenderemos el análisis exploratorio de datos y las técnicas de visualización utilizando las bibliotecas Pandas, Matplotlib y Seaborn.
En la siguiente sección, aprenderemos los fundamentos de la regresión. Veremos cómo construir, entrenar, probar y desplegar modelos de regresión utilizando la biblioteca Scikit-Learn.
Para continuar, aprenderemos sobre estrategias de optimización de hiperparámetros, como la búsqueda en cuadrícula, la búsqueda aleatoria y la optimización bayesiana.
A continuación, aprenderemos a entrenar varios algoritmos de clasificación como la regresión logística, la máquina de vectores de soporte, K-Nearest Neighbors, el clasificador Random Forest y Naïve Bayes utilizando las bibliotecas SageMaker y Scikit-Learn.
Seguiremos cubriendo la Ciencia de Datos en AutoPilot. Aprenderemos a usar la librería AutoGluon para crear prototipos de múltiples modelos AI/ML y desplegar el mejor.
En este curso
- Tendrás una experiencia real de aprendizaje basado en proyectos prácticos. Construiremos más de diez proyectos juntos
- Tendrás acceso a todos los códigos y diapositivas
- Obtendrás un certificado de finalización que puedes publicar en tu perfil de LinkedIn para mostrar tus nuevas habilidades en Data Science
Echa un vistazo a los vídeos de vista previa y al esquema para hacerte una idea de los proyectos que cubriremos.
¡Apúntate hoy y aprovechemos juntos el poder de la Ciencia de Datos!
¡Nos vemos en clase!
Qué vamos a aprender
En este curso aprenderemos todo lo relacionado con la rama de la Ciencia de Datos
- Realizar análisis estadísticos de conjuntos de datos reales
- Tratar con datos faltantes usando pandas
- Comprender las estrategias y herramientas de ingeniería de características
- Trazar diagramas de distribución (distplot), histogramas y diagramas de dispersión
- Comprender la diferencia entre normalización y estandarización
- Cambiar los tipos de datos de DataFrames de Pandas
- Definir una función y aplicarla a una columna de DataFrames de Pandas
- Realizar operaciones y filtrados con la librería Pandas
- Calcular y mostrar mapas de calor de matrices de correlación
- Visualizar datos utilizando las librerías Seaborn y Matplotlib
- Trazar pairplots, countplots y mapas térmicos de correlación con Seaborn
- Comprender los fundamentos de la regresión del Aprendizaje Automático
- Optimizar los parámetros del modelo utilizando la suma mínimos cuadrados
- Realizar la visualización de datos y el análisis exploratorio básico
- Trazar gráficos de líneas simples, diagramas de tartas y múltiples subplots utilizando matplotlib
- Evaluar el rendimiento del modelo de regresión de Aprendizaje Automático entrenado
- Dividir los datos en entrenamiento y testing utilizando la biblioteca Scikit-Learn
- Construir, entrenar y probar nuestro primer modelo de regresión en Scikit-Learn
- Entrenar un algoritmo XG-boost en Scikit-Learn para resolver problemas de tipo regresión
- Utilizar la librería AutoGluon para realizar prototipos de modelos AI/ML utilizando pocas líneas de código
- Comprender la teoría y la intuición detrás del boosting
- Comparar el rendimiento del modelo de clasificación utilizando varios KPI
- Aplicar AutoGluon para resolver problemas de tipo regresión y clasificación
- Trazar el rendimiento de varios modelos en la tabla de clasificación de modelos
- Entrenar modelos clasificadores de ML como regresión logística, máquina de vectores de soporte, K-Nearest Neighbors y clasificador Random Forest
- Aprender la diferencia entre varias estrategias de optimización de hiperparámetros como la búsqueda en cuadrícula, búsqueda aleatoria y optimización bayesiana
- Realizar la optimización de hiperparámetros utilizando la biblioteca Scikit-Learn
- Comprender la compensación de varianza de sesgo y la regularización $ 18 MXN y $ 36 MXN
- Optimizar hiperparámetros de modelos de regresión y clasificación
- Codificar columnas categóricas a One Hot y normalizar
- Evaluar el rendimiento del modelo entrenado utilizando varios KPIs como exactitud, precisión, recall, F1-score, AUC y ROC
Requisitos del curso
Aunque el curso en sí no tiene prerrequisitos, para seguirlo fácilmente te recomendamos:
- Haber completado el curso de Python de la A a la Z para tener conocimientos previos de programación
- Haber realizado algunos cursos de la ruta de Matemáticas Avanzadas para tener una base de esta materia y así entender mejor los algoritmos que se explicarán durante el curso
- Tener un ordenador con conexión a internet y con cualquier sistema operativo instalado y saber utilizarlo a nivel de usuario
Para quién es este curso
El curso está dirigido a cualquier persona que desee obtener una comprensión fundamental de la Ciencia de Datos y resolver problemas prácticos de negocios del mundo real
- Principiante en el mundo del Data Science que desee dar sus primeros pasos
- Trabajador aspirante a empresario que quiere maximizar los ingresos de su negocio y reducir costes con la Ciencia de Datos
Valoraciones
No hay valoraciones aún.