Inicio rápido con Ciencia de Datos
Inicio rápido con NumPy
Este curso te enseñará los fundamentos de NumPy, una biblioteca que admite muchas operaciones matemáticas.
Introducción rápida a NumPy
- Tu primer laboratorio de NumPy
- Atributos y tipo de datos de las matrices
- Matrices y tipos de datos de NumPy
- NumPy en el espacio
- NumPy Array Datatype Converter
- NumPy Array Operations
- NumPy Array Operation
- NumPy Slicing and Indexing
- Array Indexing and Slicing
- Efficient NumPy Array Multiplication Operations
- NumPy Shape Manipulation
- Make NumPy Array Your Shape
- NumPy File IO
- NumPy Advanced Topics
- NumPy Math Games
Introducción rápida a Pandas
- Tu primer laboratorio de Pandas
- Trabajando con Pandas
- Manipulación de datos con Pandas
- Selección de datos en Pandas
- Gráficos con Pandas para análisis de calidad del aire
- Working with Columns in Pandas
- Titanic Passenger Data Analysis with Pandas
- Reshaping Data with Pandas
- Combining Data Tables in Pandas
- Handling Time Series Data
- Pandas Textual Data
Introducción rápida a Matplotlib
- Tu primer laboratorio de Matplotlib
- Crear un diagrama de líneas con Matplotlib
- Tutorial de la interfaz pyplot de Matplotlib
- Representación de imágenes con Matplotlib
- El ciclo de vida de una gráfica
- Personalizar visualizaciones de Matplotlib
Inicio rápido con scikit-learn
- Modelos Lineales en Scikit-Learn
- Análisis Discriminante: Clasificadores Explicados
- Explorando Conjuntos de Datos y Estimadores de Scikit-Learn
- Regresión con Núcleo de Ridge
- Supervised Learning with Scikit-Learn
- Model Selection: Choosing Estimators and Their Parameters
- Supervised Learning with Support Vectors
- Exploring Scikit-Learn SGD Classifiers
- Unsupervised Learning: Seeking Representations of the Data
- Implementing Stochastic Gradient Descent
- Working with Text Data
- Gaussian Process Regression and Classification
- Dimensional Reduction with PLS Algorithms
- Naive Bayes Example
- Decision Tree Classification with Scikit-Learn
¡Felicidades!
¡Has completado exitosamente el curso Quick Start With Data Science!
Lo que has aprendido
A lo largo de este curso, has adquirido experiencia práctica con conceptos y habilidades esenciales. Aquí están los puntos clave:
- Conceptos básicos: Has dominado los principios y técnicas fundamentales
- Habilidades prácticas: Has aplicado tus conocimientos a través de laboratorios interactivos y ejercicios
- Aplicación real: Has aprendido a resolver problemas prácticos utilizando las habilidades adquiridas
Próximos pasos
- Continúa practicando con laboratorios más avanzados
- Explora cursos relacionados para expandir tu conocimiento
- Aplica lo que has aprendido en tus propios proyectos
¡Sigue aprendiendo y programa con alegría! 🚀
