Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
0
respuestas

Desafío: tu agenda semanal

Horas a dedicar: Total semanal: 20 horas de estudio.

  • Lunes a viernes: 3 horas por día.
  • Sábado: 2 horas.
  • Domingo: 2 horas de repaso.

Distribución por día y local:

  1. Lunes:
  • 8:00 a 9:00 a.m. - Estudio práctico (Proyecto de Ciencia de Datos)
  • 9:30 a 10:30 a.m. - Lectura de artículos o libros sobre Machine Learning
  • 11:00 a 12:00 p.m. - Pausa y revisión de avances
  1. Martes:
  • 7:00 a 8:00 a.m. - Estudio práctico (Python y bibliotecas como Pandas)
  • 9:00 a 10:00 a.m. - Podcast sobre temas de Data Science
  • 12:00 p.m. a 1:00 p.m. - Pausa activa (caminar) y revisión de notas
  1. Miércoles:
  • 8:00 a 9:00 a.m. - Revisión de teoría (Algoritmos de ML)
  • 9:30 a 10:30 a.m. - Estudio práctico (aplicación de teoría en proyecto)
  • 11:00 a 12:00 p.m. - Pausa para descanso
  1. Jueves:
  • 7:00 a 8:00 a.m. - Estudio con mentor/a o networking (revisión de dudas)
  • 9:00 a 10:00 a.m. - Podcast de Data Science
  • 12:00 p.m. a 1:00 p.m. - Pausa para lectura (libro sobre Data Science)
  1. Viernes:
  • 8:00 a 9:00 a.m. - Estudio práctico en proyecto de ML
  • 9:30 a 10:30 a.m. - Revisión de artículos y aprendizaje práctico
  • 11:00 a 12:00 p.m. - Pausa y reflexión
  1. Sábado:
  • 10:00 a 12:00 p.m. - Práctica de programación y análisis de datos
  1. Domingo:
  • 10:00 a 12:00 p.m. - Repaso de toda la semana (estudio libre y reflexión)

Formatos y estilos:

  • Estudio práctico: Dedicado a la implementación directa de lo aprendido en proyectos de Data Science, preferentemente en tu computadora portátil o en tu escritorio.
  • Lectura: Leer libros y artículos especializados. Los harás principalmente en espacios tranquilos, como tu hogar o la biblioteca, en la hora de comida.
  • Podcast: Escuchar mientras estás en tránsito (camino al trabajo o universidad), para maximizar el tiempo. Utiliza audífonos y plataformas como Spotify o Apple Podcasts.
  • Grupos de estudio: Participar en grupos de discusión online o presenciales, donde puedas compartir conocimientos y resolver dudas sobre temas de Machine Learning.
  • Mentoría y Networking: Puedes organizarlo una vez a la semana o cada dos semanas, en un espacio tranquilo donde puedas discutir tus avances y desafíos con tu mentor/a.

Espacios:

  • Casa: Para el estudio individual, programación y lectura (espacios tranquilos como tu oficina en casa o un rincón sin distracciones).
  • Biblioteca o coworking: Para sesiones intensas de práctica y estudio en grupo.
  • Transporte (caminar o en transporte público): Para escuchar podcasts y repasar lo aprendido.
  • Tiempos de pausa:
  • Realizar pausas activas de 10 a 15 minutos cada hora de estudio.
  • Durante el almuerzo, dedica 20 minutos a leer un artículo o libro relevante.