Ruta de Estudios
1.- Bienvenido a Python
2.- Intro a Programación
Analisis Exploratorio de Datos 1 - Estádistica
-
1.-Introducción (1:52)
-
2.- Pininos de DataFrame (6:43)
-
3.- Comenzando el análisis (4:15)
-
4.- Conociendo Precio de Venta (4:34)
-
5.- Precio de Venta vs Área Habitable (4:12)
-
6.- Precio de Venta vs Sotano (2:22)
-
7.- Precio Venta vs Calidad (6:35)
-
8.- Precio de Venta vs Construccion (5:25)
-
9.- Heatmap de Correlación (4:38)
-
10.- Heatmap con Datos (7:20)
-
11.- Pairplot entre SalePrice y Otros (4:11)
3.- Control de Programas
4.- Funciones
5.- Listas y Tuplas
-
1.- Introducción python (1:20)
-
2.- Listas (11:33)
-
3.- Tuplas (9:41)
-
4.- Dividir Listas (10:16)
-
5.- Del (4:21)
-
6.- Listas Ordenadas (5:12)
-
7.- Búsqueda en Listas (2:03)
-
8.- Otros metodos de Listas (3:35)
-
9.- Copiar y Voltear (4:33)
-
10.- Comprension de Listas (9:12)
-
11.- Generador de Expresiones (2:48)
-
12.- Filter Map y Reduce (7:32)
-
13.- Lista de 2 Dimensiones (1:24)
-
14.- Graficas de Barras (12:18)
6.- Diccionarios y Conjuntos
7.- Arreglos y NUMPY
-
1.- Intro (1:18)
-
2.- Arreglos de Datos (3:41)
-
3.- Atributos del Arreglo (5:06)
-
4.- Creando Arreglos desde Rangos (6:33)
-
5.- Timeit (2:33)
-
6.- Operaciones con Arreglos (5:02)
-
7.- Cálculos con Arreglos Estadísticos (4:00)
-
8.- Indexar y Cortar (4:33)
-
9.- Transponer (1:22)
-
10.- Pandas - Series (9:38)
-
11.- Pandas - DataFrames (10:42)
8.- Manipulación de Textos
-
1.- Introducción (1:21)
-
2.- Tipos de Presentación (4:06)
-
3.- Alineación y Espacios (8:44)
-
4.- Formato Númerico (6:53)
-
5.- Concatenar Cadenas que se Repiten (2:04)
-
6.- Quitar espacios en blanco (1:48)
-
7.- Mayúsculas y Comparación (1:55)
-
8.- Busquedas en cadenas (6:14)
-
9.- Búsqueda y Reemplazo dentro de Python (1:06)
-
10.- Separar y Unir (5:11)
-
11.- Expresiones Regulares (13:08)
-
12.- Sub y Split (6:07)
-
13.- Búsquedas con Expresiones Regulares (9:54)
-
14.- Expresiones Regulares con Pandas (5:25)
Análisis Exploratorio de Datos 2 - Desde Excel a Pandas
9.- Manejo de Textos
Análisis Exploratorio de Datos 3 - Web Scraping con Beautiful Soup
10.- Programación Orientada a Objetos
11.- Recursión, Iteración, Búsqueda y Orden
12.- Procesamiento de Lenguaje Natural (NLP)
-
1.- Intro (1:32)
-
2.- Instalando TextBlob (2:57)
-
3.- Crear un TextBlob (1:20)
-
4.- Tokenizar (2:21)
-
5.- Parte del habla y Noun Phrases (2:02)
-
6.- Análisis de Sentimientos (5:41)
-
7.- Lenguaje y Traducción (2:19)
-
8.- Pluralizar y Singularizar (1:27)
-
9.- Correcciones Ortográficas (2:03)
-
10.- Contar Frecuencias de palabras (2:39)
-
11.- Sinonimos y Antonimos (1:04)
-
12.- Stop Words (2:53)
-
13.- Spacy (3:49)
13.- Aprendizaje de Máquina - Machine Learning
-
1.- Intro a Machine Learning (6:21)
-
2.- Intro al caso de estudio - K Vecinos más cercanos (4:16)
-
3.- Clasificación - Cargar el Dataset (7:14)
-
4.- Clasificación - Visualizar el Dataset (4:18)
-
5.- Clasificación - Separar el dataset (5:16)
-
6.- Clasificación - Crear el Modelo (1:45)
-
7.- Clasificación - Entrenar el Modelo (2:18)
-
8.- Clasificación - Predecir clases de dígitos (6:01)
-
9.- Clasificación 2 - Metricas para la exactitud del Modelo (10:06)
-
10.- Clasificación 2 - Validación Cruzada con K-Fold (6:38)
-
11.- Clasificación 2- Varios Modelos Hasta dar con el Bueno (7:16)
-
12.- ClasificaciónAjustar - Hiperparametros (4:53)
-
13.- Regresión Lineal - Reglin Sencilla (18:56)
-
14.- Regresión Lineal 2 - Cargar el Dataset (4:12)
-
15.- Regresión Lineal 2 - Explorar los datos (4:56)
-
16.- Regresion Lineal 2 - Visualizar los datos (7:33)
-
17.- Regresión Lineal 2 - Separar los Datos (1:41)
-
18.- Regresión Lineal 2 - Hacer el modelo (3:58)
-
19.- Regresión Lineal 2 - Probar el modelo (1:51)
-
20.- Regresión LIneal 2 - Visualizar los resultados (4:52)
-
21.- Regresión Lineal 2 - Métricas del Modelo (3:29)
-
22.- Regresión Lineal 2 - Escoger el mejor Modelo (6:56)
-
23.- Aprendizaje no Supervisado - Reducción de dimensiones - Parte 1 (2:54)
-
24.- Aprendizaje no Supervisado - Reduccion de dimensiones - Parte 2 (7:29)
-
25.- K-Means Clustering - Introducción (3:23)
-
26.- K-Means Clustering - Cargar el Dataset (2:44)
-
27.- K-Means Clustering - Explorar el Dataset (3:58)
-
28.- K-Means Clustering - Visualizar el dataset (5:03)
-
29.- K-Means Clustering - Usar el kmeans estimador (4:45)
-
30.- K-Means Clustering - Visualizar los datos (6:36)
-
31.- K-Means Clustering - Escoger el mejor (8:45)
14.- Deep Learning
-
1.- Intro (3:17)
-
2.- Redes Neuronales (3:47)
-
3.- Tensores (4:38)
-
4.- Comenzando con MNIST (3:45)
-
5.- Cargar el Dataset (1:19)
-
6.- Explorar nuestros Datos (7:18)
-
7.- Preparar los datos (8:30)
-
8.- Crear la red neuronal (18:40)
-
9.- Entrenar y Evaluar el modelo (18:43)
-
10.- Intro a IMDB (3:07)
-
11.- Cargar los Datos (2:33)
-
12.- Exploración de Datos (9:45)
-
13.- Preparar los Datos (4:51)
-
14.- Entrenar y Evaluar el modelo (9:37)
-
15.- Entrenar y Evaluar el modelo (4:06)
¡Felicidades! has concluido tu curso de Python
