Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Solucionado (ver solución)
Solucionado
(ver solución)
1
respuesta

Método 70-20-10

Quiero poner a prueba este método durante un mes para aprender los conceptos generales de Data Science y ver sus resultados. Me apoye de ChatGPT para desarrollar la siguiente rutina:

10% Formal (teoría estructurada)
~30 min al día (total: 15 hrs)

Plataformas recomendadas:

Curso “Python for Data Science” (Coursera, DataCamp, freeCodeCamp)

Curso “Data Science Basics” (IBM, edX o YouTube)

Contenidos clave:

¿Qué es Data Science?

Fundamentos de Python

Introducción a estadística

Tipos de modelos de ML (clasificación, regresión)

Flujo de un proyecto de datos (CRISP-DM)

20% Social (interacción y comunidad)
~1 hr cada 2 días (total: 15 hrs)

Actividades:

Unirte a foros (Kaggle, Reddit, Discord)

Seguir canales de YouTube/Twitter/X especializados (ej. Ken Jee, StatQuest)

Ver notebooks de otros en Kaggle

Compartir avances o pedir feedback (LinkedIn, GitHub)

Intercambiar código o soluciones con otros estudiantes

70% Experiencial (práctica directa)
~2–3 hrs/día (total: 70–90 hrs)

Semana 1:
Python: variables, listas, funciones, loops

Pandas: cargar, limpiar y explorar datasets

Ejercicio: Análisis de datos de Titanic o Iris

Semana 2:
Estadística básica en Python (media, desviación, correlación)

Visualización con Matplotlib y Seaborn

Proyecto: análisis visual de algún dataset (ej: Netflix, FIFA, crimen, etc.)

Semana 3:
Machine Learning con Scikit-learn

Regresión lineal

Clasificación (KNN, árbol de decisión)

Validación de modelos (train/test split, métricas)

Proyecto guiado: predicción de precios o churn

Semana 4:
Crear tu propio proyecto:

Buscar un dataset interesante (ej. Kaggle, gobierno abierto, tu propio Excel)

Hacer limpieza, análisis, modelo y visualización

Documentarlo y subirlo a GitHub

Presentarlo (puede ser PDF, notebook, o video breve)

1 respuesta
solución!

¡Hola, Randy. espero que estés bien!

Parece que tienes una excelente planificación para aplicar el método 70-20-10 en tu aprendizaje de Data Science. Este método es muy efectivo porque combina diferentes formas de aprendizaje, asegurando que no solo adquieras conocimientos teóricos, sino que también los pongas en práctica y te beneficies de la interacción con otros.

Tu rutina está bien estructurada y cubre los aspectos esenciales del método:

  1. 10% Formal (Teoría Estructurada): Has elegido plataformas y cursos muy reconocidos como Coursera y DataCamp, que son excelentes para adquirir una base sólida en Data Science. Asegúrate de enfocarte en los contenidos clave que mencionaste, como los fundamentos de Python y los tipos de modelos de Machine Learning.

  2. 20% Social (Interacción y Comunidad): Participar en comunidades como Kaggle y Reddit te permitirá obtener feedback valioso y aprender de las experiencias de otros. Compartir tus avances en plataformas como LinkedIn y GitHub también es una gran manera de recibir consejos y mejorar tus habilidades.

  3. 70% Experiencial (Práctica Directa): La práctica es fundamental, y tu plan de dedicar 2-3 horas diarias a ejercicios y proyectos es excelente. Trabajar en proyectos como el análisis de datos del Titanic o la predicción de precios te dará una comprensión práctica de cómo aplicar lo que aprendes.

Recuerda que el objetivo del método 70-20-10 es equilibrar estas tres áreas para maximizar tu aprendizaje. No dudes en ajustar tu plan si sientes que necesitas más enfoque en una de las áreas.

Espero que esta rutina te ayude a alcanzar tus objetivos en Data Science. ¡Espero haber ayudado y buenos estudios!