Loading...

Modalidad

On Demand

Dificultad

Intermedio

Tecnología

Python

Horas de video

8hs en total

Descripción

Dominarás técnicas de exploración y limpieza de datos con Numpy y Pandas. Identificarás patrones y tendencias en grandes conjuntos de datos, mejorando su calidad para aplicaciones de machine learning, asegurando que los modelos predictivos se basen en datos precisos y bien preparados.

Requisitos

Conocimientos básicos de estadística y manejo de datos.

Contenido

7 módulos

1Presentación

1 clases

Bienvenida

2Procesos ETLs

5 clases

Entorno de Desarrollo

Definición de procesos ETLs

Bases de Datos

Introducción al lenguaje SQL, SQLite y otros orígenes de datos

Checkpoint de Contenidos

3Introducción a las Herramientas de Análisis de Datos

7 clases

Introducción a la Librería Numpy

Indexing y Slicing

Vectorización y Broadcasting

Introducción a Pandas

Dataframes de Pandas

Index de Pandas

Checkpoint de Contenidos

4Análisis Exploratorio de Datos (EDA)

4 clases

Métodos para explorar los datos más allá de un test de hipótesis

Análisis de correlación

Análisis de valores atípicos

Checkpoint de Contenidos

5Limpieza y Transformación de Datos

9 clases

Limpieza y Preparación de Datos en Ciencia de Datos y Modelos Predictivos

Problemas de datos faltantes e imputación

Tidy Data

Transformación de Atributos: Strings, Fechas, Categorías y Discretización

Variables categóricas, cuantitativas y cualitativas

Mapeo y transformación de datos en Pandas

Agrupamientos y otras metodologías en Pandas

Pivot Tables y Joins

Checkpoint de Contenidos

6Normalización, Escalado y Preparación de Datos

3 clases

Normalización de rango y escalado de variables

Estandarización y preparación de datos para modelos de Machine Learning

Checkpoint de Contenidos

7Cierre de curso

2 clases

Despedida

Evaluación integral

Curso

Exploración y Limpieza de Datos

Profesores

profile
JS

Julio Satyr

Membresía

Suscripción mensual

Este y todos los cursos de la plataforma están incluidos en la suscripción mensual.