Ciencia de Datos | Data Science | Python
5.0
(0)
5 learners
What you'll learn
This course includes
- 41.5 hours of video
- Certificate of completion
- Access on mobile and TV
Course content
1 modules • 36 lessons • 41.5 hours of video
Ciencia de Datos | Data Science | Python
36 lessons
• 9.3 hours
Ciencia de Datos | Data Science | Python
36 lessons
• 9.3 hours
- Filtra Datos en DataFrames de Pandas para un mejor Análisis de Datos con Python 21:48
- Cargar datos de Excel y CSV a DataFrames de Pandas con Python 29:14
- Series de Pandas: El Componente Principal de los DataFrames para Analizar Datos con Python 27:58
- Jupyter Notebook: Herramienta para el Análisis de Datos con Python 24:05
- Las 3 Medidas de Tendencia Central más Utilizadas: Promedio (o Media), Mediana y Moda con Python 07:28
- Analiza Distribuciones de Datos con Python usando Cuantiles ➤ Cuartiles, Quintiles y Percentiles 18:14
- Rango, Varianza, Desviación Estándar y Rango Intercuartílico: Medidas de Dispersión con Python 18:45
- Distribución Normal (o Gaussiana) y la Regla Empírica 68-95-99.7 con Python 17:28
- Qué es la Estadística Inferencial: Fundamentos de la Ciencia de Datos con Python 06:03
- Diferencias entre la Correlación de Spearman y Pearson para el Análisis de Datos con Python 19:08
- De dónde vienen las Puntuaciones Z y la Distribución Normal Estándar: Un ejemplo con Python 21:54
- Las 5 Técnicas de Muestreo que debes conocer: Un ejemplo con Python 11:43
- Mejora tu Análisis de Datos con Medidas de Centralidad para Datos Categóricos usando Python 11:14
- Analiza datos asociados a Rankings con el Coeficiente de Correlación de Kendall Tau-b 14:20
- Predice el Futuro y Conoce qué es el Pronóstico de Series de Tiempo: Una Introducción con Python 11:52
- Análisis Exploratorio de Series de Tiempo con Gráficas de Autocorrelación y Retardo usando Python 43:11
- Las 5 formas más Simples de Predecir el FUTURO en Series de Tiempo con Python: Media Móvil y ✚ 18:19
- Pronóstico de Series de Tiempo con Suavización Exponencial Simple en Python: Prediciendo el Futuro 35:01
- Ley de los GRANDES Números (y el Valor Esperado) con Python 15:35
- ¿Qué tipo de Correlación debo utilizar: Pearson, Spearman o Kendall?: Diferencias y Similitudes 16:56
- Qué es realmente el Valor P (o p-value) y las Pruebas de Hipótesis: Estadística con Python 16:05
- Cómo determinar si un Resultado es Estadísticamente Significativo: ¿Valor P menor a 0.05? 12:30
- Shapiro-Wilk vs Kolmogorov-Smirnov en Python: ¿Qué prueba de Normalidad utilizar? 19:52
- Cómo Crear una Nube de Palabras en Python: Guía Práctica de Análisis de Texto 08:59
- Automatiza la Extracción de Datos o Texto en PDFs usando Expresiones Regulares y Python 12:41
- Análisis de Asociación entre Variables Nominales Categóricas: La V de Cramer con Python 14:13
- ¿Qué es y por qué es importante la Curtosis?: Un análisis de anomalías con Python usando Kurtosis 10:41
- ¿Qué es la Regresión Cuantílica?: Más Allá de la Media 20:06
- Asimetría (Skewness) en Estadística: ¿Por qué Importa y Cómo Calcularla con Python? 06:13
- Analítica Descriptiva, Predictiva y Prescriptiva para Negocios 08:49
- Julia para Ciencia de Datos: ¿Reemplazará a Python? 13:20
- Julia + Python: Un solo Código para Ciencia de Datos 13:55
- ¡Cuidado! 🚨 La Desviación Estándar puede Engañarte 👉 Descubre la Desviación Absoluta de la Mediana 05:43
- ¿Correlaciones Falsas?: Corrección Bonferroni al Rescate! 03:27
- Residuos Heterocedásticos: El Error Silencioso en Regresión Lineal 03:33
- Precisión o ilusión de precisión: Cómo interpretar el símbolo ± 03:47
Take this course with you
Download the app to continue lessons from your phone anytime.
