Curso gratis de análisis de datos con Python ofrecido por IBM

En este curso de análisis de datos de Python, aprenderá a usar sus muchas funciones. Analizará datos utilizando matrices multidimensionales en Numpy y manipulará DataFrames en pandas.

También utilizará la biblioteca de rutinas matemáticas de SciPy y realizará aprendizaje automático con scikit-learn.

Comienza aprendiendo los conceptos básicos de Python y descubriendo muchos tipos de datos diferentes a través de conferencias, laboratorios prácticos y ejercicios.

Además, aprenderá a importar conjuntos de datos, limpiar y preparar datos para análisis, agregar datos y crear canalizaciones de datos.

Por otro lado, aprenderá a trabajar con diferentes conjuntos de datos utilizando Pandas DataFrames, matrices multidimensionales Numpy y la biblioteca SciPy. Utilizará la biblioteca de código abierto pandas para cargar, manipular, analizar y visualizar conjuntos de datos.

Este es un curso gratuito creado e impartido por IBM que también puede usar para crear modelos de aprendizaje automático y hacer predicciones usando otra biblioteca de código abierto, scikit-learn.

Este curso fue creado por IBM para cualquier persona interesada en el análisis de datos y Python. Será especialmente útil para quienes estudien o trabajen en programación, análisis de datos e incluso estadística.

Solo se imparte en inglés, por lo que se necesita un nivel intermedio de idioma para entenderlo todo. Sin embargo, tiene subtítulos en inglés para que sea más fácil de entender. Aunque este es un curso introductorio, se recomienda algo de experiencia en Python y, lo que es más importante, una computadora con una conexión a Internet estable para acceder a todo.

Impartido por el profesor universitario Joseph Santancangelo, el curso tiene una duración prevista de 5 semanas y requiere una inversión de 2 a 4 horas lectivas por semana.

En un curso en línea, puedes hacerlo a tu propio ritmo y de forma independiente.

Los temas a tratar en el curso son los siguientes: 

• Importación de conjuntos de datos
  • Objetivos de aprendizaje
  • Comprender el dominio
  • Comprender el conjunto de datos
  • Paquete Python para ciencia de datos
  • Importación y exportación de datos en Python
  • Información básica de conjuntos de datos
• Limpiar y preparar los datos
  • Identificar y manejar valores faltantes
  • Formateo de datos
  • Conjuntos de normalización de datos
  • Agrupación
  • Variables indicadoras
• Resumiendo el marco de datos
  • Estadísticas descriptivas
  • Básico de Agrupación
  • ANOVA
  • Correlación
  • Más sobre correlación
• Desarrollo de modelos
  • Regresión lineal simple y múltiple
  • Evaluación del modelo UsingVisualization
  • Regresión polinomial y canalizaciones
  • R-cuadrado y MSE para evaluación dentro de la muestra
  • Predicción y toma de decisiones
• Evaluación del modelo
  • Ajuste excesivo, ajuste insuficiente y selección de modelo
  • Regresión de cresta
  • Búsqueda de cuadrícula
  • Refinamiento del modelo

Puedes acceder al curso usando este enlace.