De cero a data scientist! Aprende Data Science con Python, Pandas, Scikit-learn, y más!
Bienvenidos a este Curso Completo de Data Science en Python Desde Cero.
En este curso, aprenderemos cómo usar Python para Data Science. Aprenderemos cómo recopilar datos, limpiar datos, hacer visualizaciones y construir un modelo de machine learning usando Python.
El objetivo principal de este curso es llevar tus habilidades analíticas y de programación al siguiente nivel para desarrollar tu carrera como data scientist. Para lograr este objetivo, vamos a resolver +100 ejercicios y varios proyectos que te ayudarán a poner en práctica todos los conceptos de programación utilizados en Data Science.
Aprenderemos las principales librerías de Python utilizadas en data science, como Pandas, Numpy y Scikit Learn, y las usaremos para hacer tareas que data scientist realizan a diario (limpieza de datos, visualización de datos, recopilación de datos y creación de modelos).
Este curso cubre 4 secciones
1. Curso básico de Python para Data Science: En la primera sección, aprenderemos todos los conceptos básicos de Python que necesita saber para data science. Aprenderemos a usar variables, listas, diccionarios y más.
2. Python para análisis de datos: Aprenderemos las librerías de Python que se utilizan para el análisis de datos, como Pandas y Numpy. Ambas son excelentes herramientas para explorar y trabajar con datos. Usaremos Pandas y Numpy para realizar tareas de data science como limpiar y preparar datos.
3. Python para visualización de datos: En la tercera sección, aprenderemos como hacer visualizaciones estáticas e interactivas con Pandas. Además, te mostraré algunas técnicas para realizar correctamente la visualización de datos.
4. Machine Learning con Python: En la cuarta sección, aprenderemos scikit-learn resolviendo un problema de clasificación de texto en Python. Esta es la librería de machine learning más popular en Python y no solo aprenderemos como implementar algoritmos de machine learning en Python, sino que también aprenderemos conceptos básicos detrás de los algoritmos más comunes utilizando ejemplos prácticos.
Después de terminar este curso, podrás realizar análisis de datos, crear visualizaciones y construir modelos de machine learning con Python.
¡Únete a mi curso y conviértete en un data scientist!
Curriculum
- Revisión de esta Sección
- SP - 0.Introduccion a Pandas (8:30)
- SP - 1.Creando un dataframe (18:03)
- SP - 2.Mostrando un dataframe (7:54)
- SP - 3.Atributos, Metodos y Funciones Basicas (13:43)
- SP - 4.Seleccionar 1 columna de un dataframe (7:13)
- SP - 5.Seleccionar 2 o mas columnas de un dataframe (5:14)
- SP - 6.Agregar una nueva columna al dataframe (12:54)
- SP - 6.Agregar nueva columna con assign() e insert() (7:33)
- SP - 7.Operaciones en Dataframes (9:24)
- SP - 8.El metodo value_counts() (5:14)
- SP - 9.Ordenar un Dataframe con sort_values() (10:55)
- SP - 10.Los metodos set_index() y sort_index() (7:29)
- SP - 11.Renombrar Columnas e Index con rename() (5:38)
- Ejercicio para esta Sección
- SP - 1.Filtrar un Dataframe Basado en 1 Condicion (15:47)
- SP - 2.Crear una columna condicional con 2 opciones np.where() (12:47)
- SP - 3.Filtrar un Dataframe Basado en 2 o Mas Condiciones (14:02)
- SP - 4.Crear columna condicional con 2 o mas opciones np.select() (13:33)
- SP - 5.El metodo .isin() (8:33)
- SP - 6.Encontrar filas duplicadas con el metodo .duplicated() (22:56)
- SP - 7.Eliminar elementos duplicados con el metodo .drop_duplicates() (10:56)
- SP - 8.Obtener y contar valores unicos con el metodo unique() y nunique() (4:19)
- SP - 0.Metodo loc() vs iloc() (6:55)
- SP - 1.El dataset a usar, fijar index y seleccionar columnas (5:40)
- SP - 2.Seleccionar elementos por nombre del index con .loc() (21:24)
- SP - 3.Seleccionar elementos por posición de index con .iloc() (15:42)
- SP - 4.Fijar Nuevo Valor Para una Celda Dentro de un Dataframe (10:47)
- SP - 5.Eliminar filas y columnas de un dataframe (9:59)
- SP - 6.Crear muestra aleatoria con el metodo sample() (7:47)
- SP - 7.Filtrar un dataframe con el metodo query() (12:10)
- SP - 8.El metodo apply() (8:04)
- SP - 9. Funcion Lambda + Metodo apply() (16:15)
- SP - 10.Hacer una copia a un dataframe con el metodo copy() (7:25)
- Revisión del Proyecto (+Ejercicio)
- SP - 1.Revision al Dataset y Haciendo Tabla Pivote (11:18)
- SP - 2 Lineplot (Grafico de Linea) (4:55)
- SP - 3 Barplot (Grafico de Barra) (8:49)
- SP - 4.Piechart (3:40)
- SP - 5.Boxplot (4:18)
- SP - 6.Histograma (1:48)
- SP - 7.Scatterplot (Gráfico de dispersión) (4:39)
- SP - 8.Guardar Plot y Exportar Tabla Pivote (3:27)
- SP - 9.Gráficos Interactivos en Python con Pandas (32:23)
- SP - 1.Revision del Dataset (4:26)
- SP - 2.Identificar data faltante con el método isnull() (10:12)
- SP - 3.Manejar Data Faltante: Eliminar columna o fila con .drop, .dropna or .isnull (13:56)
- SP - 4.Manejar Data Faltante: Reemplazar NaN por media, mediana o moda con .fillna() (13:22)
- SP - 5.Extraer data con split() y extract() y cambiar el tipo de data con astype() (18:44)
- SP - 6.Cómo identificar y manejar valores atípicos (20:48)
- SP - 7.Manejar inconsistencia en mayusculas y minusculas lower(), upper(), title() (4:40)
- SP - 8.Eliminar espacios en blanco con strip(), lstrip() y rstrip() (6:21)
- SP - 9.Remplazar cadenas de texto con replace() o sub() (9:59)
- 1.El dataset, selección de una muestra y el problema a resolver (6:49)
- 2.Clases Desbalanceadas - Undersampling y Oversampling (6:12)
- 3.Dividir la data en Data de Entrenamiento y Data de Testeo (4:24)
- 4.Representación de Texto con Bag of Words: CountVectorizer y TF-IDF (9:52)
- 5.Convertir data de texto a vectores numéricos (9:15)
- 6.Selección de Modelo: Tipos de algoritmos de machine learning para el proyecto (3:36)
- 7.Support Vector Machines (SVM) (4:36)
- 8.Arbol de Decision (1:21)
- 9.Naive Bayes y Regresión Logística (2:16)
- 10.Evaluación de Modelos - Mean Accuracy (Precisión) (5:05)
- 11.Evaluación de Modelos - F1 Score (6:42)
- 12.Evaluación de Modelos - Reporte de Clasificación (4:39)
- 13.Evaluación de Modelos - Confusion Matrix (3:59)
- 14.Optimizar el Modelo - GridSearchCV (6:15)
- ¡Felicidades!
Tu Instructor
¡Hola! Mi nombre es Frank Andrade. Probablemente ya hayas visto mis tutoriales de YouTube o hayas leído mis guías de Python en Medium. Si no, haz clic en mi foto para verlas.
¡Aprende Data Science con Python hoy!
Ahorra dinero comprando 2 cursos o más
¿Por qué comprar un curso cuando puedes obtenerlos todos y gastar menos?
