Curso Online

Curso sobre Analizando datos con Python

Visión general del curso sobre Analizando datos con Python

APRENDA A ANALIZAR DATOS CON PYTHON

Aprenda a analizar datos usando Python en este curso introductorio. Pasará de comprender los conceptos básicos de Python a explorar muchos tipos diferentes de datos a través de conferencias, laboratorios prácticos y tareas.

¡Aprenderá cómo preparar datos para el análisis, realizar análisis estadísticos simples, crear visualizaciones de datos significativas, predecir tendencias futuras a partir de datos y más!

Lo que aprenderás en este curso

Aprenderá a:

• Cómo importar conjuntos de datos, limpiar y preparar datos para el análisis, resumir datos y construir canalizaciones de datos
• Utilice Pandas DataFrames, matrices multidimensionales Numpy y bibliotecas SciPy para trabajar con varios conjuntos de datos
• Cargue, manipule, analice y visualice conjuntos de datos con pandas, una biblioteca de código abierto
• Cree modelos de aprendizaje automático y haga predicciones con scikit-learn, otra biblioteca de código abierto

Incluye las siguientes partes:

Bibliotecas de análisis de datos: aprenderán a usar Pandas DataFrames, matrices multidimensionales Numpy y bibliotecas SciPy para trabajar con varios conjuntos de datos.

Le presentamos pandas, una biblioteca de código abierto, y la usaremos para cargar, manipular, analizar y visualizar conjuntos de datos geniales.

Luego, le presentaremos otra biblioteca de código abierto, scikit-learn, y utilizaremos algunos de sus algoritmos de aprendizaje automático para construir modelos inteligentes y hacer predicciones geniales.

Plan de estudio del curso

PROGRAMA DEL CURSO

Módulo 1 – Importar conjuntos de datos

• Objetivos de aprendizaje
• Comprender el dominio
• Comprender el conjunto de datos
• Paquete Python para ciencia de datos
• Importar y exportar datos en Python
• Información básica de conjuntos de datos

Módulo 2 – Limpieza y preparación de datos

• Identificar y manejar valores perdidos
• Formato de datos
• Conjuntos de normalización de datos
• Binning
• Variables indicadoras

Módulo 3: resumen del marco de datos

• Estadísticas descriptivas
• Básico de Agrupación
• ANOVA
• Correlación
• Más sobre correlación

Módulo 4 – Desarrollo de modelos

• Regresión lineal simple y múltiple
• Evaluación del modelo utilizando visualización
• Regresión polinómica y tuberías
• R cuadrado y MSE para evaluación en muestra
• Predicción y toma de decisiones

Módulo 5 – Evaluación del modelo

• Evaluación modelo
• Ajuste excesivo, ajuste insuficiente y selección de modelo
• Regresión de cresta
• Búsqueda de cuadrícula
• Refinamiento del modelo