PYTHON PARA CIENCIA DE DATOS
Tu camino al futuro de la programación comienza aquí. Domina desde fundamentos hasta análisis avanzado con NumPy, Pandas y más.
Ver video
Python es el futuro del análisis de datos
Python es el lenguaje más versatil para aprender ciencia de datos En este curso aprenderás a programar en Python desde 0 y para el final estarás haciendo complejos análisis de Aprendizaje de Máquina y Redes Neuronales.
¿Quieres dominar Python? Este curso es para ti.
Sobre el Curso
Python es la puerta a la Ciencia de Datos
Tu instructor
Egresado de Administración Financiera, Dan Contreras ha estado usando Excel desde los 11 años. Se ha desempeñado como analista financiero en IBM y hecho consultoría de Excel y sistemas para numerosas otras empresas. Tiene más de 5 años de experiencia dando clases de Excel y Visual Basic.
Plan de Estudios
-
Inicio1.-Introducción (1:52)
-
Inicio2.- Pininos de DataFrame (6:43)
-
Inicio3.- Comenzando el análisis (4:15)
-
Inicio4.- Conociendo Precio de Venta (4:34)
-
Inicio5.- Precio de Venta vs Área Habitable (4:12)
-
Inicio6.- Precio de Venta vs Sotano (2:22)
-
Inicio7.- Precio Venta vs Calidad (6:35)
-
Inicio8.- Precio de Venta vs Construccion (5:25)
-
Inicio9.- Heatmap de Correlación (4:38)
-
Inicio10.- Heatmap con Datos (7:20)
-
Inicio11.- Pairplot entre SalePrice y Otros (4:11)
-
Inicio1.- Intro a Algoritmos (1:24)
-
Inicio2.- Pseudocodigo (1:13)
-
Inicio3.- Control de Programa (1:06)
-
Inicio4.- Primer If (6:26)
-
Inicio5.- Else IF (7:43)
-
Inicio6.- Sentencia While (3:04)
-
Inicio7.- Introducción a For (3:55)
-
Inicio8.- Solución a Factorial (6:50)
-
Inicio9.-Solución a ejercicios (9:43)
-
Inicio10.- Ops Booleanos (4:00)
-
Inicio1.- Intro y Función DEF (6:06)
-
Inicio2.- Funciones con multiples parámetros (4:59)
-
Inicio3.- Tiros de Moneda (9:54)
-
Inicio4.- El Gran 8 (10:43)
-
Inicio5.- Funciones Sin parámetro y parámetros múltiples (5:05)
-
Inicio6.- Variables Globales (3:43)
-
Inicio7.- Librería Math (1:15)
-
Inicio8.- Libreria Statistics (3:15)
-
Inicio1.- Introducción python (1:20)
-
Inicio2.- Listas (11:33)
-
Inicio3.- Tuplas (9:41)
-
Inicio4.- Dividir Listas (10:16)
-
Inicio5.- Del (4:21)
-
Inicio6.- Listas Ordenadas (5:12)
-
Inicio7.- Búsqueda en Listas (2:03)
-
Inicio8.- Otros metodos de Listas (3:35)
-
Inicio9.- Copiar y Voltear (4:33)
-
Inicio10.- Comprension de Listas (9:12)
-
Inicio11.- Generador de Expresiones (2:48)
-
Inicio12.- Filter Map y Reduce (7:32)
-
Inicio13.- Lista de 2 Dimensiones (1:24)
-
Inicio14.- Graficas de Barras (12:18)
-
Inicio1.- Intro (1:18)
-
Inicio2.- Arreglos de Datos (3:41)
-
Inicio3.- Atributos del Arreglo (5:06)
-
Inicio4.- Creando Arreglos desde Rangos (6:33)
-
Inicio5.- Timeit (2:33)
-
Inicio6.- Operaciones con Arreglos (5:02)
-
Inicio7.- Cálculos con Arreglos Estadísticos (4:00)
-
Inicio8.- Indexar y Cortar (4:33)
-
Inicio9.- Transponer (1:22)
-
Inicio10.- Pandas - Series (9:38)
-
Inicio11.- Pandas - DataFrames (10:42)
-
Inicio1.- Introducción (1:21)
-
Inicio2.- Tipos de Presentación (4:06)
-
Inicio3.- Alineación y Espacios (8:44)
-
Inicio4.- Formato Númerico (6:53)
-
Inicio5.- Concatenar Cadenas que se Repiten (2:04)
-
Inicio6.- Quitar espacios en blanco (1:48)
-
Inicio7.- Mayúsculas y Comparación (1:55)
-
Inicio8.- Busquedas en cadenas (6:14)
-
Inicio9.- Búsqueda y Reemplazo dentro de Python (1:06)
-
Inicio10.- Separar y Unir (5:11)
-
Inicio11.- Expresiones Regulares (13:08)
-
Inicio12.- Sub y Split (6:07)
-
Inicio13.- Búsquedas con Expresiones Regulares (9:54)
-
Inicio14.- Expresiones Regulares con Pandas (5:25)
-
Inicio1.- Intro (1:32)
-
Inicio2.- Instalando TextBlob (2:57)
-
Inicio3.- Crear un TextBlob (1:20)
-
Inicio4.- Tokenizar (2:21)
-
Inicio5.- Parte del habla y Noun Phrases (2:02)
-
Inicio6.- Análisis de Sentimientos (5:41)
-
Inicio7.- Lenguaje y Traducción (2:19)
-
Inicio8.- Pluralizar y Singularizar (1:27)
-
Inicio9.- Correcciones Ortográficas (2:03)
-
Inicio10.- Contar Frecuencias de palabras (2:39)
-
Inicio11.- Sinonimos y Antonimos (1:04)
-
Inicio12.- Stop Words (2:53)
-
Inicio13.- Spacy (3:49)
-
Inicio1.- Intro a Machine Learning (6:21)
-
Inicio2.- Intro al caso de estudio - K Vecinos más cercanos (4:16)
-
Inicio3.- Clasificación - Cargar el Dataset (7:14)
-
Inicio4.- Clasificación - Visualizar el Dataset (4:18)
-
Inicio5.- Clasificación - Separar el dataset (5:16)
-
Inicio6.- Clasificación - Crear el Modelo (1:45)
-
Inicio7.- Clasificación - Entrenar el Modelo (2:18)
-
Inicio8.- Clasificación - Predecir clases de dígitos (6:01)
-
Inicio9.- Clasificación 2 - Metricas para la exactitud del Modelo (10:06)
-
Inicio10.- Clasificación 2 - Validación Cruzada con K-Fold (6:38)
-
Inicio11.- Clasificación 2- Varios Modelos Hasta dar con el Bueno (7:16)
-
Inicio12.- ClasificaciónAjustar - Hiperparametros (4:53)
-
Inicio13.- Regresión Lineal - Reglin Sencilla (18:56)
-
Inicio14.- Regresión Lineal 2 - Cargar el Dataset (4:12)
-
Inicio15.- Regresión Lineal 2 - Explorar los datos (4:56)
-
Inicio16.- Regresion Lineal 2 - Visualizar los datos (7:33)
-
Inicio17.- Regresión Lineal 2 - Separar los Datos (1:41)
-
Inicio18.- Regresión Lineal 2 - Hacer el modelo (3:58)
-
Inicio19.- Regresión Lineal 2 - Probar el modelo (1:51)
-
Inicio20.- Regresión LIneal 2 - Visualizar los resultados (4:52)
-
Inicio21.- Regresión Lineal 2 - Métricas del Modelo (3:29)
-
Inicio22.- Regresión Lineal 2 - Escoger el mejor Modelo (6:56)
-
Inicio23.- Aprendizaje no Supervisado - Reducción de dimensiones - Parte 1 (2:54)
-
Inicio24.- Aprendizaje no Supervisado - Reduccion de dimensiones - Parte 2 (7:29)
-
Inicio25.- K-Means Clustering - Introducción (3:23)
-
Inicio26.- K-Means Clustering - Cargar el Dataset (2:44)
-
Inicio27.- K-Means Clustering - Explorar el Dataset (3:58)
-
Inicio28.- K-Means Clustering - Visualizar el dataset (5:03)
-
Inicio29.- K-Means Clustering - Usar el kmeans estimador (4:45)
-
Inicio30.- K-Means Clustering - Visualizar los datos (6:36)
-
Inicio31.- K-Means Clustering - Escoger el mejor (8:45)
-
Inicio1.- Intro (3:17)
-
Inicio2.- Redes Neuronales (3:47)
-
Inicio3.- Tensores (4:38)
-
Inicio4.- Comenzando con MNIST (3:45)
-
Inicio5.- Cargar el Dataset (1:19)
-
Inicio6.- Explorar nuestros Datos (7:18)
-
Inicio7.- Preparar los datos (8:30)
-
Inicio8.- Crear la red neuronal (18:40)
-
Inicio9.- Entrenar y Evaluar el modelo (18:43)
-
Inicio10.- Intro a IMDB (3:07)
-
Inicio11.- Cargar los Datos (2:33)
-
Inicio12.- Exploración de Datos (9:45)
-
Inicio13.- Preparar los Datos (4:51)
-
Inicio14.- Entrenar y Evaluar el modelo (9:37)
-
Inicio15.- Entrenar y Evaluar el modelo (4:06)