Introducción a la ciencia de datos aplicada from Coursera

Este curso es una primera inmersión en el mundo de la ciencia de datos, en el cual el estudiante comprenderá los fundamentos de la ciencia de datos, las características de un científico de datos, las herramientas que utiliza, la metodología que se debe seguir para este estilo de proyectos, y estará en capacidad de aplicar técnicas estadísticas para la construcción e interpretación de modelos analíticos descriptivos.

El curso consta de 4 módulos, cada uno de una semana, en los cuales al final del mismo, se tiene una lección dedicada al desarrollo del proyecto del curso. Los módulos son:

Módulo 1. La ciencia de datos y los científicos de datos: En este módulo, se presenta los aspectos fundamentales de la ciencia de datos, la metodología ASUM-DM para la implementación de estos proyectos y la metodología design thinking para identificar problemas y oportunidades de negocio.

Módulo 2. Análisis exploratorio de datos: En este módulo, se presenta los conceptos asociados a estadística descriptiva y exploratoria univariada, y una ejemplificación de estos mediante el uso de la herramienta Jupyter Notebook, los cuales son utilizados para validar hipótesis de negocio.

Módulo 3. Modelos analíticos basados en estadística bivariada: En este módulo, se presenta los conceptos asociados a pruebas de correlación y análisis de tablas de contingencia, y una ejemplificación de estos mediante el uso de la herramienta Jupyter Notebook, los cuales son utilizados para validar hipótesis de negocio.

Módulo 4. Comparaciones entre grupos y validación de modelos estadísticos: En este módulo, se presenta los conceptos asociados a ANOVAS a una y dos vías, y una ejemplificación de estos mediante el uso de la herramienta Jupyter Notebook, los cuales son utilizados para validar hipótesis de negocio.

Este curso está pensado para personas de diferentes disciplinas que quieran adentrarse en el mundo de la ciencia de datos, que estén iniciando estudios universitarios o con títulos de técnicos o tecnológicos, así mismo, se recomienda tener un background de conocimientos básicos en probabilidad y estadística. El aspirante a tomar este curso puede provenir de cualquier campo del conocimiento ya sea de gobierno, la industria, la consultoría, la academia, etc.

Para el desarrollo de este curso, es necesario la instalación de un programa especial (Anaconda – Jupyter Notebook) con el fin de poder realizar los análisis de los datos a través del lenguaje de programación Python, es recomendable que el equipo cuente con más de 4GB de RAM y espacio en disco duro superior a 1GB.

What's inside

Syllabus

La ciencia de datos y los científicos de datos

Bienvenidos al primer módulo del curso introducción a la ciencia de datos. En este módulo veremos distintos tópicos que te permitirán iniciar en el fascinante mundo de la ciencia de datos, en particular veremos una definición de ciencia de datos y algunos ejemplos en múltiples disciplinas en donde se pueden implementar proyectos de ciencia de datos, Así mismo, te presentaremos una primera metodología denominada ASUM-DM que te ayudará a desarrollar este tipo de proyectos y una segunda metodología denominada Design Thinking que te permitirá encontrar oportunidades analíticas en el contexto en donde te desempeñas. Finalmente, te presentaremos un caso de uso para que pongas en prácticas tus conocimientos.

Análisis exploratorio de datos

Bienvenidos al segundo módulo del curso introducción a la ciencia de datos. En este módulo veremos nuestras primeras herramientas para realizar un primer análisis de datos con el fin de encontrar nuestros primeros insights relevantes para el negocio. En este módulo, veremos inicialmente los conceptos de estadística univariada, en particular se estudiarán las medidas de tendencia central, de localización o de posición y medidas de variabilidad. Así mismo, aprenderemos a representar gráficamente nuestros datos con el fin de validar hipótesis de negocio. Adicional a lo anterior en este módulo vas a tener la oportunidad de ver cómo se aplican los distintos tópicos a un caso de uso enfocado en el sector retail mediante el uso de la herramienta Jupyter Notebook. Finalmente, te presentaremos de nuevo el caso de uso de Airbnb para que pongas en prácticas tus conocimientos.

Modelos analíticos basados en estadística bivariada

Bienvenidos al tercer módulo del curso introducción a la ciencia de datos. En el anterior módulo, aprendimos sobre cómo validar nuestras primeras hipótesis de negocio a través del uso de estadística exploratoria univariada, la cual nos permitía analizar cada variable por separado, ahora, nos enfrentaremos al reto de analizar dos variables al mismo tiempo, en este módulo, estudiaremos los conceptos de correlación, los cuales nos permitirá analizar dos variables cuantitativas al tiempo, adicional a ello, en este módulo tendrás la oportunidad de estudiar sobre tablas de contingencia y pruebas chi cuadrado las cuales nos ayudarán analizar dos variables categóricas al tiempo. Finalmente, vas a tener la oportunidad de ver cómo se aplican los distintos tópicos vistos en este módulo a un caso de uso enfocado en el sector retail mediante el uso de la herramienta Jupyter Notebook y pondrás en prácticas tus conocimientos aplicando todos los conceptos vistos en este módulo al caso de uso de Airbnb.

Comparaciones entre grupos y validación de modelos estadísticos

Bienvenido al cuarto módulo del curso de Introducción a la ciencia de datos aplicada, denominado comparaciones entre grupos y validación de modelos estadísticos. En este módulo te voy a presentar 2 casos que he seleccionado con la intención de mostrarte la importancia de los contrastes de hipótesis y mediante pruebas de significancia estadística en los diferentes proyectos que realicemos. En ellos, podrás observar por qué es necesario validar correctamente nuestras hipótesis.

Good to know

Know what's good

, what to watch for

, and possible dealbreakers

Fomenta una primera aproximación al análisis estadístico descriptivo

Proporciona una base para el desarrollo de modelos analíticos basados en estadística bivariada

Se recomienda tener conocimientos básicos en probabilidad y estadística

Requiere la instalación de un programa especial (Anaconda - Jupyter Notebook) para el análisis de datos

El equipo debe contar con más de 4GB de RAM y espacio en disco duro superior a 1GB

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Introducción a la ciencia de datos aplicada with these activities:

Repaso de Estadística Básica

Show steps

Refrescar los conocimientos fundamentales de estadística antes de comenzar el curso.

Show steps

Revisar los conceptos básicos de estadística descriptiva e inferencial.
Practicar el cálculo de medidas de tendencia central y variabilidad.
Resolver problemas relacionados con pruebas de hipótesis y estimación de parámetros.

Búsqueda de Mentores

Show steps

Obtener orientación y apoyo de mentores expertos en el campo de la ciencia de datos.

Show steps

Identificar a los mentores potenciales en la industria o la academia.
Contactar a los mentores y solicitar su orientación.
Establecer reuniones regulares para discutir el progreso y recibir consejos.

Lectura de 'Introducción a la Ciencia de Datos'

Show steps

Fortalecer la base de conocimientos en ciencia de datos leyendo un libro introductorio.

Show steps

Obtener una copia del libro 'Introducción a la Ciencia de Datos'.
Leer el libro y tomar notas sobre los conceptos clave.
Resolver los ejercicios y problemas al final de cada capítulo.
Discutir los conceptos con compañeros de clase o en un foro en línea.

Six other activities

Expand to see all activities and additional details

Show all nine activities

Organización de Materiales del Curso

Show steps

Mejorar la retención y el acceso a los materiales del curso organizándolos y revisándolos regularmente.

Show steps

Recopilar y organizar notas de clase, tareas y exámenes.
Mantener un cuaderno o carpeta digital para todos los materiales.
Revisar los materiales regularmente para reforzar la comprensión.

Seguimiento de Tutoriales de Jupyter Notebook

Show steps

Mejorar las habilidades en el uso de Jupyter Notebook para el análisis de datos.

Show steps

Identificar tutoriales relevantes sobre Jupyter Notebook.
Seguir los tutoriales paso a paso.
Practicar el uso de las funcionalidades de Jupyter Notebook.
Resolver problemas y dudas mientras se siguen los tutoriales.

Participación en Grupos de Estudio

Show steps

Mejorar la comprensión del material del curso a través del intercambio de conocimientos y la resolución de problemas con compañeros.

Show steps

Unirse o formar un grupo de estudio con otros estudiantes.
Establecer horarios de reunión regulares.
Revisar los conceptos del curso, discutir las tareas y resolver problemas juntos.
Ayudarse mutuamente a comprender las áreas desafiantes.

Análisis de Datos Prácticos

Show steps

Fortalecer las habilidades de análisis de datos mediante la resolución de problemas prácticos.

Show steps

Buscar conjuntos de datos relevantes.
Importar y limpiar los conjuntos de datos.
Realizar análisis exploratorios y descriptivos.
Construir y evaluar modelos analíticos.
Interpretar y comunicar los resultados.

Proyecto de Exploración de Datos

Show steps

Aplicar los conceptos y técnicas aprendidos en el curso a un proyecto práctico de exploración de datos.

Show steps

Identificar un conjunto de datos relevante.
Importar y limpiar los datos.
Realizar análisis exploratorios utilizando técnicas estadísticas.
Construir y evaluar modelos predictivos.
Escribir un informe que resuma los hallazgos y las recomendaciones.

Creación de Infografías Analíticas

Show steps

Desarrollar habilidades de comunicación visual mediante la creación de infografías que resuman los hallazgos analíticos.

Show steps

Identificar los hallazgos clave del análisis de datos.
Seleccionar las herramientas y plantillas de infografía adecuadas.
Diseñar y crear las infografías.
Revisar y editar las infografías para mejorar la claridad y el impacto.

Career center

Learners who complete Introducción a la ciencia de datos aplicada will develop knowledge and skills that may be useful to these careers:

Data Analyst

Data Analysts are problem solvers who find the best methods, techniques, and tools to turn raw data into meaningful insights. To be an effective Data Analyst, you will need to understand how to apply your statistical knowledge to interpret data, identify patterns and trends, and develop analytical models. All of these components are covered in this introductory Data Science course, and by studying the course, you will gain experience with the Jupyter Notebook, a valuable tool that Data Analysts must use on the job.

See salaries and explore the career path for Data Analyst

Data Scientist

Data Scientists develop and maintain pipelines to handle and clean raw data, train and evaluate machine learning models, and implement data-processing systems. This course will introduce you to the basics of Data Science, and help you build a foundation across the core competencies of data preprocessing, feature engineering, machine learning model development, and data visualization. You will also learn how to use Jupyter Notebooks and Python, all of which are frequently used by Data Scientists.

See salaries and explore the career path for Data Scientist

Machine Learning Engineer

Machine Learning Engineers develop, test, and implement machine learning models and algorithms. One of the core responsibilities of Machine Learning Engineers is to develop the appropriate statistical models for the predictive analytics that drive business decisions. This introductory Data Science course will help you understand the fundamentals of machine learning and artificial intelligence. You will also learn about supervised learning, unsupervised learning, and ensemble methods, as well as develop skills in Python, which are essential for the field of Machine Learning.

See salaries and explore the career path for Machine Learning Engineer

Business Analyst

Business Analysts anticipate change and identify business needs by analyzing business models and data. This course will help you to build a strong foundation in data analysis and visualization. You will learn how to collect, clean, and analyze data, interpret results, and present your findings in a clear and concise way. These are essential skills for Business Analysts.

See salaries and explore the career path for Business Analyst

Data Engineer

Data Engineers clean, structure, and maintain big data for analysis. They also develop and maintain data pipelines to ensure that data is consistent and accessible for analysis. In this Data Science course, you will learn the fundamentals of data engineering, including data wrangling, data transformation, and data integration. You will also gain experience using Python, a commonly-used programming language for Data Engineers.

See salaries and explore the career path for Data Engineer

Quantitative Analyst

Quantitative Analysts use mathematical and statistical models to analyze financial data. They use this data to make investment recommendations and develop trading strategies. This introductory Data Science course will introduce you to the basics of data analysis, statistics, and probability. You will also learn how to use Python and Jupyter Notebooks, tools commonly-used by professionals in the field.

See salaries and explore the career path for Quantitative Analyst

Operations Research Analyst

Operations Research Analysts use advanced analytical techniques to solve complex problems in business and industry. They use a variety of techniques such as linear programming and simulation to optimize processes. Many Operations Research Analysts begin their careers by earning a master's degree. This course may be useful for students who wish to continue their education in operations research.

See salaries and explore the career path for Operations Research Analyst

Statistician

Statisticians collect, analyze, interpret, and present data. This course will introduce you to the fundamentals of statistics, including descriptive statistics, inferential statistics, and regression analysis. You will also gain experience working with real-world data sets using Python. This foundation in statistical techniques will aid you if you wish to pursue a career as a Statistician.

See salaries and explore the career path for Statistician

Market Researcher

Market Researchers conduct surveys, analyze data, and develop strategies to help businesses understand their customers. This course will help you develop the skills you need to collect, analyze, and interpret data, which will be very useful in this career. You will also gain experience using Python, a programming language used by many Market Researchers.

See salaries and explore the career path for Market Researcher

Financial Analyst

Financial Analysts use data to make investment recommendations and develop financial plans. This course will introduce you to the basics of data analysis, statistics, and probability. You will also learn how to use Python to analyze financial data. This will help prepare you for the role of a financial analyst, where you will be expected to understand data, trends, and patterns that affect the financial markets.

See salaries and explore the career path for Financial Analyst

Consultant

Consultants help businesses solve problems and improve their performance using data. This course will help you develop foundational skills in data analysis and visualization. You will also learn how to apply design thinking metodologies to solve problems. These skills will be valuable to you as a Consultant.

See salaries and explore the career path for Consultant

Product Manager

Product Managers develop and launch new products and features. They use data to understand customer needs and develop products, and they use statistical techniques to track the success of the products they develop. This course will provide you with the basic understanding of data analysis, statistics, and probability that is useful for Product Managers.

See salaries and explore the career path for Product Manager

Software Engineer

Software Engineers use data to build software applications. They use statistical techniques to analyze user behavior and improve the user experience. This course will provide you with a foundation in data analysis and statistics that will be useful in your role as a Software Engineer.

See salaries and explore the career path for Software Engineer

Web Analyst

Web Analysts collect and analyze data to improve the performance of websites and online marketing campaigns. This course will introduce you to the basics of data analytics and visualization. You will also learn how to use Python to analyze web data. This will help prepare you to enter the field of web analytics.

See salaries and explore the career path for Web Analyst

Data Architect

Data Architects design and build data management systems. They use their knowledge of data to ensure that data is stored, managed, and accessed efficiently. This course will provide you with a foundation in data management and data analysis, which you can leverage as a Data Architect.

See salaries and explore the career path for Data Architect