Este curso de data science con Python te permitirá adentrarte en el mundo de los patrones, desde una mirada intuitiva, con guías paso a paso tanto en la teoría como en la práctica utilizando el lenguaje Python.
Es un curso práctico, orientado a que puedas desarrollarte como Data Scientist Jr.
Tendrás a Atenea tu IA que te guiará en tu aprendizaje en todo momento y también contarás con soporte de nuestro instructores a través de nuestra comunidad.
#Machine Learning #Python #Estadística #Data Science
“Ciencia de Datos 360” aborda todos los temas y herramientas necesarias para la manipulación de datos desde el enfoque de Machine Learning: Desde la creación de un modelo sin ningún tipo de preparación de datos, hasta un modelo optimizado con hyper-tunning y preparación de datos "inteligente".
Este curso te permitirá:
✔ ️ Identificar el tipo de modelo según el problema planteado.
✔ ️ Comprender los modelos Machine Learning más usados en la industria.
✔ ️ Hacer una preparación de datos orientada a mejorar la precisión.
✔ ️ Realizar análisis exploratorio e identificar los problemas silenciosos que puedan surgir.
✔ ️ Conocer el detrás de escena de los modelos Machine Learning.
El curso no sigue un camino clásico, ya que en el transcurrir se va introduciendo complejidades paso a paso, hasta llegar al nivel de dificultad que se observa en la práctica.
Esta es la versión orientada al lenguaje de programación Python, aunque también está disponible la versión para R.
Al completar el curso tendrás un certificado de finalización para publicar en Linkedin. Además con Atenea podrás validar lo que aprendiste, haciendo evaluaciones a medida que avances con las lecciones. Tendrás soporte de nuestros instructores en todo momento a través de nuestra comunidad en Discord.
¿De qué hablamos cuando hablamos de ‘Ciencia de Datos’?
Primer acercamiento a tus datos para comprender cómo está compuesto el dataset.
Entiende cómo se relacionan las variables de tu dataset.
Muchas veces los datos llegan “sucios”. Aprende a tratarlos para poder aprovecharlos al máximo y evitar llegar a conclusiones erróneas.
Ahora, con tus datos listos, comienza por el modelo de ML Árbol de decisión.
Aprende a aplicar el modelo de ML de Clasificación, entiende cómo optimizarlo y cómo se relaciona con los conceptos estadísticos de regresión y cálculo de error
Introduce un nivel de complejidad mayor con el modelo de Clasificación multiclase. Comprende los conceptos de outlier y undersampling
Te adelantamos qué y cómo seguir aprendiendo Ciencia de Datos
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Venenatis nec nisi ornare.
