¿Todavía no tienes acceso? Nuestros Planes
¿Todavía no tienes acceso? Nuestros Planes
Esta formación es antigua y ya no forma parte de la cuadrícula oficial. verifique los cambios .
Formación
¡Con certificado!

Estadística y Visualización de Datos - Bootcamp DS

¡Aprende técnicas de análisis, estadísticas, modelado y visualización de datos!

lock-icon
No disponible en el plan actual
0/0 pasos terminados
Esta formación es parte de la escuela Data Science
70h

Para concluir

6

Cursos

1

Vídeo extra

10

Noticias

Data Science

En esta ruta vamos a trabajar con estadística y visualización de datos para que puedas explorar mejor tus datasets. Aprenderás a utilizar Matplotlib y Seaborn para generar visualizaciones personalizadas de las más variadas fuentes de datos, comprendiendo cuál es la mejor visualización para cada caso.

Posteriormente, aprenderás fundamentos de estadística, comenzando con las medidas y distribuciones más comunes hasta la probabilidad y el muestreo, con el auxilio de Scipy y Statsmodels. Al final de la formación, contarás con bases sólidas para realizar un análisis más profundo y detallado de diversos conjuntos de datos, lo cual representa algunas de las competencias más importantes en el día a día de una persona científica de datos.

  • ¿Por qué estudiar Estadística y Visualización de Datos?

Estudiar Estadística y Visualización de Datos es importante porque como dice un dicho popular: “Una imagen dice más que mil palabras”. Es mucho más práctico y sencillo trabajar con gráficos para dar a conocer el comportamiento de un conjunto de datos a quienes toman las decisiones en una empresa, por ejemplo. Además, la persona científica de datos debe explorar muy bien los datos para comprender mejor el contenido de estos y esta tarea se puede realizar de manera más eficiente a través del uso de las estadísticas y recursos visuales.

Además, comprenderás cómo crear hipótesis y validarlas. De esta forma, podrás justificar los análisis realizados y mostrar a la empresa la importancia del papel del conocimiento en la estadística.

Si quieres profundizar tus conocimientos en estadística de forma práctica y usando Python, esta formación es para ti. Así, tu currículo quedará más completo si manejas bien la visualización de los datos y toda la parte estadística para comprenderlos.

De quien vas a aprender

Paso a paso

  1. 1

    Visualizando datos con Matplotlib y Seaborn

    Entender el "pasado" y "predecir el futuro" es algo asombroso y sin duda uno de los roles principales de una persona científica de datos, pero crear análisis y modelos increíbles capaces de generar proyecciones con precisión no es condición suficiente para tomar su proyecto de ciencia en papel. datos.

    Un buen análisis y modelos precisos deben estar alineados con una comunicación asertiva, para que los involucrados en el proyecto entiendan sus conclusiones y los impactos que su modelo puede traer al negocio.

  2. 2

    Profundizando en el análisis de los datos

    Muchas veces un buen análisis y visualizaciones coherentes no son suficientes para garantizar que nuestras conclusiones sean estadísticamente relevantes, para eso necesitamos recurrir a pruebas de hipótesis.

    ¡Así que ahora viene una de las partes más emocionantes de estudiar Data Science! Visualice la distribución de los datos recopilados, plantee preguntas e hipótesis, cree intervalos de confianza para sus muestras y utilice Python para realizar pruebas estadísticas.

    Después de aprender sobre pruebas, ¿por qué no estudiar sobre experimentación? Después de todo, una buena parte del área de Data Science está relacionada con el desarrollo de experimentos, ¡desde la recolección de datos hasta la validación de hipótesis!