22 mejores cursos gratuitos en línea de ciencia de datos [actualización diciembre 2024]

Se trata de un nivel principiante en inglés con subtítulos en 9 idiomas diferentes. Las percepciones y tendencias de los datos han sido una forma de arte que existe desde hace eones. Los antiguos egipcios utilizaban los datos de los censos de población para mejorar la recaudación de impuestos y la predicción de la crecida anual del río Nilo. Últimamente, las personas que se dedican a la ciencia de datos han creado un campo de trabajo único y distinto. En este curso conocerá a profesionales de la ciencia de datos y obtendrá una visión general sobre la ciencia tal y como es hoy en día. Este curso le enseñará la importancia de la ciencia de datos en el mundo actual impulsado por los datos. También aprenderá los diversos caminos que emanan en una carrera en este campo y podrá explicar por qué la ciencia de datos es el trabajo más solicitado de este siglo. El programa de estudios abarca: en la Semana 1 - La definición de la ciencia de datos y qué es lo que hacen los científicos de datos; Semana 2 - Temas de la ciencia de datos; Semana 3 - La ciencia de datos en los negocios. El medio de instrucción es a través de vídeos y lecturas con cuestionarios para consolidar sus conocimientos. Habilidades adquiridas: Ciencia de datos, aprendizaje profundo, aprendizaje automático, macrodatos y minería de datos. Duración: Aproximadamente 9 horas a lo largo de 3 semanas. Valoración: 4.7/97%

Cuáles son los mejores cursos gratuitos en línea de ciencia de datos

Después de mucha investigación sobre toda la oferta de cursos en línea de Ciencia de Datos, hemos encontrado los 22 mejores cursos de Ciencia de Datos para facilitarle la elección

22 SQL para el Proyecto Final de Ciencia de Datos

SQL para el proyecto final de ciencia de datos

Este curso es un nivel intermedio en inglés con subtítulos en 8 idiomas diferentes. La ciencia de datos se encuentra todavía en sus primeras fases como carrera dinámica y en crecimiento y requiere habilidades basadas en SQL. Este curso le proporcionará conocimientos y habilidades para aplicar SQL al análisis de datos y a la resolución de problemas empresariales. Este proyecto le ayudará a aplicar los conocimientos y habilidades que ha adquirido en el aprendizaje de SQL. Se le proporcionará un conjunto de datos a partir del cual desarrollará una propuesta de proyecto que le servirá para explorar sus datos y realizar algunos cálculos estadísticos. Descubrirá la analítica de los datos cualitativos y evaluará nuevas métricas para comprender los patrones que se están poniendo de manifiesto en su análisis. Por último, presentará su trabajo y contará la historia de sus hallazgos. El programa de estudios abarca: Semana 1 - Primeros pasos e Hito I: Propuesta de proyecto y selección/preparación de datos; Semana 2 - Hito 2: Estadísticas descriptivas y comprensión de sus datos; Semana 3 - Hito 3: Más allá de las estadísticas descriptivas (Profundizar/ampliar) y Semana 4 - Hito 4: Presentar sus hallazgos (Contar historias). El medio de instrucción es mediante vídeos y lecturas y algunos cuestionarios para consolidar.

Habilidades adquiridas: Habilidades de presentación, análisis de datos, SQL, creación de métricas y análisis exploratorio de datos. Duración: Aproximadamente 35 horas a lo largo de 4 semanas. Valoración: 4.3

21 Especialización en Ciencia de Datos Genómicos

Especialización en ciencia de datos genómicos

Se trata de un curso de nivel intermedio en inglés con subtítulos en 9 idiomas diferentes. La Genómica inspiró una revolución en la ciencia médica y es vital comprender el Genoma y ser capaz de utilizar y entender los datos y la información de los conjuntos de datos Genómicos. La Ciencia de Datos Genómicos aplica la estadística y la ciencia de datos a la información del Genoma. Esta especialización explora las herramientas y los conceptos que necesitará para comprender, analizar e interpretar los datos procedentes de experimentos de secuenciación avanzados. Conocerá las herramientas utilizadas en la ciencia de datos genómicos utilizando la línea de comandos, junto con herramientas como Python, R y Bioconductor. Esta especialización puede servir como introducción independiente o puede complementar una licenciatura o posgrado en biología, genética o biología molecular para familiarizarse con la ciencia de datos y la estadística con el fin de fomentar su interacción con los datos en el trabajo diario. Al tratarse de una especialización, puede elegir el curso por el que le gustaría empezar. Curso1 - Introducción a las tecnologías genómicas; Curso 2 - Python para la ciencia de datos genómicos; Curso 3 - Algoritmos para la secuenciación del ADN; Curso 4 - Herramientas de línea de comandos para la ciencia de datos genómicos; Curso 5 - Bioconductor para la ciencia de datos genómicos y Curso 6 - Estadística para la ciencia de datos genómicos.

Habilidades adquiridas: Bioinformática, Estadística, Ciencia de datos, Biología computacional, Biopython, Programación en Python, Genómica, Algoritmos bioinformáticos. Algoritmos, Algoritmos sobre cadenas, Samtools y Unix. Duración: Aproximadamente 6 meses a un ritmo de 2 horas semanales - 6 cursos. Valoración: 4.3

20 Fundamentos de la ciencia de datos escalable

Fundamentos de la ciencia de datos escalable

Este curso es de nivel principiante en inglés y tiene subtítulos en 8 idiomas diferentes. Apache Spark es el estándar para el procesamiento de datos a gran escala. Es crucial aprender una plataforma de ciencia de datos escalable, ya que las restricciones de memoria y CPU limitan la capacidad cuando se trata de construir modelos avanzados de aprendizaje automático. Este curso le guiará a través de los fundamentos de Apache Spark utilizando Python y Pyspark y aprenderá su aplicación en la computación de tareas exploratorias y de preprocesamiento de datos. Conocerá las medidas estadísticas fundamentales y las tecnologías de visualización de datos. Al finalizar el curso comprenderá cómo las medidas estadísticas básicas revelan patrones en los datos, reconocerá características de los datos, patrones, tendencias, desviaciones y valores atípicos y utilizará técnicas para trabajar con big data como la reducción dimensional y los métodos de selección de características. Se recomienda tener conocimientos básicos de Python, matemáticas y SQL. Se utilizarán las siguientes tecnologías, pero no es necesario tener conocimientos previos: Jupyter notebooks, Apache Spark y Python. El programa de estudios abarca: Semana 1 - Introducción al curso y al entorno de calificación; Semana 2 - Herramientas que soportan soluciones de Big Data; Semana 3 - Escalado de matemáticas para estadística en Apache Spark y Semana 4 - Visualización de datos de Big Data.

Habilidades adquiridas: Estadística, Ciencia de Datos, Internet de las Cosas (IOT) y Apache Spark. Duración: Aproximadamente 22 horas a lo largo de 4 semanas. Valoración: 4.3/87%

19 Ciencia de datos para la innovación empresarial

Ciencia de datos para la innovación empresarial

Se trata de un curso de nivel principiante en inglés con subtítulos en otros 4 idiomas. Este curso proporciona la base de los conocimientos imprescindibles en ciencia de datos para que los ejecutivos y los mandos intermedios puedan conseguir una innovación impulsada por los datos. Este curso le enseñará el valor que crea la ciencia de datos, los principales tipos de problemas que puede resolver, la diferencia entre análisis descriptivo, predictivo y prescriptivo, y el papel que desempeñan el aprendizaje automático y la inteligencia artificial. Desde un punto de vista técnico, el curso examina los métodos supervisados, no supervisados y semisupervisados y explica qué puede resultar de las técnicas de clasificación, agrupación y regresión. El curso también cubre el papel de los modelos de datos NoSQL y el impacto de las plataformas de computación basadas en la nube. El programa de estudios abarca: Semana 1 - Introducción a la empresa basada en datos; Semana 2 - Terminología y conceptos fundamentales; Semana 3 - Métodos de ciencia de datos para la empresa; y, por último, Semana 4 - Retos y conclusiones. Habilidades adquiridas: Ciencia de datos, análisis empresarial, toma de decisiones, análisis de datos y Big Data. Duración: Aproximadamente 7 horas a lo largo de 4 semanas. Valoración: 4.3/89%

18 Especialización ejecutiva en ciencia de datos

Especialización ejecutiva en ciencia de datos

El curso es de nivel principiante en inglés con subtítulos en 14 idiomas diferentes. Estos 4 cursos que componen la especialización le enseñarán todo lo que necesita saber para montar y dirigir una empresa de ciencia de datos aunque nunca haya trabajado antes en un entorno de ciencia de datos. El curso proporciona una formación acelerada en ciencia de datos para que se familiarice con la ciencia de datos y para ayudarle a comprender su papel como líder. Además, se le enseñará el reclutamiento, la formación de un equipo, la evaluación del equipo y, a continuación, el desarrollo del equipo con conjuntos de habilidades y funciones complementarias. También se enseña la estructura de la canalización de la ciencia de datos, los objetivos en cada etapa y cómo mantener a su equipo en el objetivo y, por último, aprenderá algunas habilidades prácticas para superar los retos comunes que con frecuencia descarrilan los proyectos de ciencia de datos. Los 4 cursos abarcan: Curso 1 - Curso acelerado de ciencia de datos; Curso 2 - Creación de un equipo de ciencia de datos; Curso 3 - Gestión del análisis de datos; Curso 4 - Ciencia de datos en la vida real y, por último, Curso 5 - Capstone ejecutivo de ciencia de datos.

Habilidades adquiridas: Ciencia de datos, Gestión de datos, Análisis de datos, Comunicación, Liderazgo, Aprendizaje automático, Proyecto, Creación de equipos, Dirección, Gestión de equipos, Interpretación y Análisis explicativo de datos. Duración: Aproximadamente 2 meses a un ritmo de 6 horas semanales - 5 Cursos

Valoración :4.5

17 Ciencia de datos aplicada con especialización en Python

Ciencia de datos aplicada con especialización en Python

El curso es de nivel intermedio en inglés con subtítulos en 10 idiomas diferentes. Esta especialización abarca 5 cursos y le introduce en la ciencia de datos a través del lenguaje de programación Python. Esta especialización es para alumnos con conocimientos básicos de Python para programación y que deseen aplicar técnicas estadísticas, de aprendizaje automático, visualización de la información, análisis de pruebas y análisis de redes sociales a través de conjuntos de herramientas de Python como pandas, matplotlib, scikit learn, nltk y networkx para obtener información sobre los datos. Los cursos 1, 2 y 3 deben tomarse en orden y posteriormente los cursos 4 y 5 pueden tomarse en cualquier orden. Aprenderá a realizar análisis estadísticos inferenciales, a determinar si una visualización de datos es buena o mala, a mejorar un análisis de datos con aprendizaje automático aplicado y a analizar la conectividad de una red social. Los 5 cursos incluyen: Curso 1 - Introducción a la ciencia de datos en Python; Curso 2 - Trazado, gráficos y representación de datos aplicados en Python; Curso 3 - Aprendizaje automático aplicado en Python; Curso 4 - Minería de pruebas aplicada en Python y Curso 5 - Análisis de redes sociales aplicado en Python. Habilidades adquiridas: Minería de textos, programación en Python, Pandas, Matplotlib, Numpy, limpieza de datos, virtualización de datos, visualización de datos (DataViz), algoritmos de aprendizaje automático (ML), aprendizaje automático, Scikit Learn y kit de herramientas de lenguaje natural. Duración: Aproximadamente 5 meses a un ritmo de 7 horas semanales - 5 Cursos. Valoración: 4.5

16 herramientas para la ciencia de datos

Herramientas para la ciencia de datos

Se trata de un curso de nivel principiante en inglés con subtítulos en 9 idiomas diferentes. Este curso analiza algunas de las herramientas más populares de la ciencia de datos, sus características y cómo utilizarlas. Aprenderá sobre los cuadernos Jupyter, JupyterLab, Rstudio IDE, Git, GitHub y Watson Studio. Se analiza cada herramienta junto con su uso, los lenguajes de programación que pueden ejecutar y sus características y limitaciones. Las herramientas están alojadas en la nube en Skills Network Labs, donde podrá acceder a cada una de ellas y seguir las instrucciones para ejecutar código sencillo en Python, R o Scala. Para finalizar el curso, creará un proyecto con un cuaderno Jupyter en IBM Watson Studio y demostrará su habilidad para preparar un cuaderno, escribir Markdown y compartir su trabajo. Algunas de las cosas que aprenderá incluyen la creación y gestión de código fuente para la ciencia de datos en GitHub y cómo las herramientas de ciencia de datos de IBM pueden ser utilizadas por los científicos de datos, aparte de lo explicado anteriormente. El temario cubre: Semana 1 - Conjunto de herramientas del científico de datos; Semana 2 - Herramientas de código abierto; Semana 3 - Herramientas de IBM para la ciencia de datos; y finalmente en la Semana 4 - Tarea final: Cree y comparta su cuaderno Jupyter. Habilidades adquiridas: Ciencia de datos, Github, Programación en Python, Cuadernos Jupyter y Rstudio. Duración: Aproximadamente 20 horas a lo largo de 4 semanas. Valoración: 4.5/84%

15 Especialización en Ciencia de Datos

Especialización en ciencia de datos

Se trata de un curso de nivel principiante en inglés con subtítulos en 12 idiomas diferentes. El objetivo de esta especialización es cubrir las herramientas y conceptos que necesitará a lo largo de todo el proceso de la ciencia de datos, desde formular las preguntas correctas hasta hacer inferencias y publicar los resultados. El proyecto Capstone final le permitirá aplicar las habilidades aprendidas mediante la construcción de un producto de datos utilizando datos reales, tras lo cual dispondrá de una cartera que demuestre su habilidad en el uso de este material. Aprenderá a utilizar R para limpiar, analizar y visualizar datos, a navegar por la tubería de la ciencia de datos desde la adquisición de datos hasta la fase de publicación, el uso de Github para gestionar sus proyectos y también cómo realizar análisis de regresión, mínimos cuadrados e inferencia utilizando modelos de regresión. Hay 10 cursos en esta especialización: Curso 1 - La caja de herramientas del científico de datos; Curso 2 - Programación en R; Curso 3 - Obtención y limpieza de datos; Curso 4 - Análisis exploratorio de datos; Curso 5 - Investigación reproducible; Curso 6 - Inferencia estadística; Curso 7 - Modelos de regresión; Curso 8 - Aprendizaje automático práctico; Curso 9 - Desarrollo de productos de datos y Curso 10 - Capstone de ciencia de datos. Habilidades adquiridas: Github, aprendizaje automático, programación en R, análisis de regresión, ciencia de datos, Rstudio, análisis de datos, depuración, manipulación de datos, expresiones regulares (REGEX), limpieza de datos y análisis de conglomerados. Duración: Aproximadamente 11 meses a un ritmo de 7 horas semanales - 10 Cursos. Valoración: 4.5

14 Proyecto Python para la ciencia de datos

Proyecto Python para la ciencia de datos

Este es un curso de nivel intermedio en inglés únicamente. Se trata de un minicurso para que demuestre sus conocimientos básicos de Python para trabajar con datos. Al finalizar este curso trabajará en un proyecto para desarrollar un sencillo cuadro de mando utilizando Python. El requisito previo es que haya completado el curso Python para la ciencia de datos, IA y desarrollo de IBM. Aprenderá a aplicar los fundamentos de Python y las estructuras de datos y a trabajar con datos en Python. Explorará el papel de un científico de datos que trabaja en un proyecto auténtico de Python y, a continuación, construirá un cuadro de mando desde el cuaderno Jupyter utilizando Python y algunas bibliotecas de Python. El programa de estudios abarca: Semana 1 - Dashboard de apretón corto de crowdsourcing. El medio de instrucción es a través de 2 videos, 8 lecturas y cuestionarios para consolidar sus aprendizajes. Habilidades adquiridas: Ciencia de datos, programación en Python, Ipython, análisis de datos y Pandas. Duración: Aproximadamente 8 horas - 1 semana. Valoración: 4.5/90%

13 Introducción a la ciencia de datos en Python

Introducción a la ciencia de datos en python

Se trata de un curso intermedio en inglés con subtítulos en otros 10 idiomas. Se le presentarán los fundamentos de la programación en Python, incluyendo técnicas como las lambdas, la lectura y manipulación de archivos CSV y la biblioteca Numpy. Aprenderá técnicas y manipulación de datos utilizando la biblioteca de ciencia de datos Pandas y se le presentarán las Series y DataFrame como estructuras de datos para el análisis de datos. También hay tutoriales sobre el uso de funciones como groupby, merge y tablas dinámicas. Por último, manipulará y limpiará datos tabulares y ejecutará análisis estadísticos inferenciales básicos. El temario cubre: Semana 1 - Fundamentos de la manipulación de datos con Python; Semana 2 - Procesamiento básico de datos con Pandas; Semana 3 - Más procesamiento de datos con Pandas; y Semana 4 - Respuesta a preguntas con datos desordenados. El medio de instrucción es a través de videos y lecturas con cuestionarios para evaluar su comprensión. Habilidades adquiridas: Programación en Python, Numpy, Pandas y depuración de datos. Duración: Aproximadamente 31 horas a lo largo de 4 semanas. Valoración: 4.5/92%

12 Un curso acelerado de ciencia de datos

Un curso intensivo de ciencia de datos

Se trata de un nivel principiante en inglés con subtítulos en 12 idiomas diferentes. Este curso de 1 semana ofrece un tutorial compacto sobre la ciencia de datos y los términos de big data, lo que significan y cómo participan en el éxito de las organizaciones. Esta clase es adecuada para quienes deseen conocer la acción de la ciencia de datos y en qué consiste, y también para quienes vayan a dirigir con el tiempo un equipo de científicos de datos. La intención del curso es iniciarle rápidamente en la ciencia de datos sin ningún tipo de relleno. Se trata realmente de un curso con lo esencial destilado. Tras completar este curso comprenderá el papel que desempeña la ciencia de datos en diferentes contextos, el papel que desempeñan la estadística, el aprendizaje automático y la ingeniería de software en la ciencia de datos, la descripción de la estructura de un proyecto de ciencia de datos y conocerá los términos y las herramientas que utilizan los científicos de datos. Y, por último, llegará a comprender el papel del gestor de la ciencia de datos. Habilidades adquiridas: Ciencia de datos, análisis de datos, aprendizaje automático y proyectos. Duración: Aproximadamente 7 horas - 1 semana. Valoración: 4.5/93%

11 Habilidades matemáticas en ciencia de datos

Conocimientos matemáticos de ciencia de datos

El curso es de nivel principiante en inglés con subtítulos en 9 idiomas diferentes. Cualquiera que tome un curso de ciencia de datos sabrá que las matemáticas están incluidas. Este curso le enseñará las matemáticas que necesitará para tener éxito en cualquier curso de matemáticas de ciencia de datos y ha sido generado para aquellos que tienen una habilidad matemática básica pero no han tomado álgebra o pre-cálculo. Este curso introducirá las matemáticas que usted requiere para la ciencia de datos sin complejidad añadida, o introduciendo ideas desconocidas. Aprenderá el vocabulario, la notación, los conceptos y las reglas algebraicas que todos los científicos de datos necesitarán antes de avanzar en futuros estudios de ciencia de datos. El temario abarca: Semana 1 - Bloques de construcción para la resolución de problemas; Semana 2 - Funciones y gráficos; Semana 3 - Medición de tasas de cambio; y, por último, Semana 4 - Introducción a la teoría de la probabilidad. El medio de instrucción es a través de vídeos y lecturas. Habilidades adquiridas: Teorema de Bayes, probabilidad bayesiana, probabilidad y teoría de la probabilidad. Duración: Aproximadamente 13 horas a lo largo de 4 semanas. Valoración: 4.5/96%

10 Ciencia de datos: Especialización en Estadística y Aprendizaje Automático

Ciencia de datos: especialización en estadística y aprendizaje automático

Se trata de un curso de nivel intermedio en inglés con subtítulos en 9 idiomas diferentes. Esta especialización de 5 cursos continúa y desarrolla el material aprendido de la ciencia de datos: Fundamentos utilizando la especialización R. Este curso cubre la inferencia estadística, los modelos de regresión, el aprendizaje automático y el desarrollo de productos de datos. También aprenderá a construir y aplicar funciones de predicción, aprenderá a desarrollar productos de datos públicos y comprenderá cómo extraer conclusiones sobre poblaciones o verdades científicas a partir de los datos.El proyecto Capstone le dará la oportunidad de aplicar sus habilidades recién aprendidas construyendo un producto de datos utilizando datos reales. Estos cursos abarcan: Curso 1 - Inferencia estadística; Curso 2 - Modelos de regresión; Curso 3 - Aprendizaje automático práctico; Curso 4 - Desarrollo de productos de datos y, por último, Curso 5 - Capstone de ciencia de datos.

Habilidades adquiridas: Aprendizaje automático, Github, Programación en R, Análisis de regresión, Visualización de datos (DataViz), Estadística, Inferencia estadística, Pruebas estadísticas de hipótesis, Selección de modelos, Modelo lineal generalizado, Regresión lineal y Bosque aleatorio. Duración: Aproximadamente 6 meses a un ritmo de 6 horas semanales - 5 Cursos. Valoración: 4.6

09 Certificado profesional en ciencia de datos de IBM

Certificado profesional de ciencia de datos de IBM

Se trata de un curso de nivel principiante en inglés con subtítulos en 11 idiomas diferentes. La Ciencia de Datos sigue siendo una de las profesiones más solicitadas en esta década y la demanda de científicos con la capacidad de analizar datos y comunicar resultados para fundamentar decisiones basadas en datos está explotando. NO se requiere ningún conocimiento previo de la informática es o lenguaje de programación, pero usted desarrollará las habilidades y herramientas para tener una ventaja competitiva si usted está buscando y la posición de nivel de entrada como un científico de datos. Este programa de 10 cursos, incluido el Capstone, le permitirá adquirir experiencia en las últimas herramientas y habilidades, incluidas herramientas y bibliotecas de código abierto, Python, bases de datos, SQL, visualización de datos, análisis de datos, análisis estadístico, modelado predictivo y algoritmos de aprendizaje automático. Además de obtener un certificado profesional de Coursera, también recibirá la insignia digital de IBM. Aprenderá qué implica la ciencia de datos y las actividades que lleva a cabo un científico de datos y cómo pensar y trabajar como un científico de datos. También desarrollará habilidades en el uso de herramientas, lenguajes y bibliotecas profesionales de científicos de datos. Además, aprenderá a importar y limpiar conjuntos de datos, analizar y visualizar datos y construir y evaluar modelos de aprendizaje automático y pipelines utilizando Python. Los cursos cubren: Qué es la Ciencia de Datos; Herramientas de Ciencia de Datos; Metodología de Ciencia de Datos; Python para Ciencia de Datos, IA y Desarrollo; Proyecto Python para Ciencia de Datos; Bases de Datos y SQL para Ciencia de Datos con Python; Análisis de Datos con Python; Visualización de Datos con Python; Aprendizaje Automático con Python y Capstone de Ciencia de Datos Aplicada. Habilidades adquiridas: Ciencia de datos, Aprendizaje profundo, Aprendizaje automático, Big Data, Minería de datos, Github, Programación en Python, Cuadernos Jupyter, Rstudio, Metodología, Análisis de datos y Pandas. Duración: Aproximadamente 11 meses a un ritmo de 4 horas semanales - 10 Cursos. Valoración : 4.6

08 SQL para la ciencia de datos

SQL para la ciencia de datos

Se trata de un curso de nivel principiante en inglés con subtítulos en 8 idiomas diferentes. La necesidad de contar con personas hábiles en el uso y la interacción con los datos, y capaces de pensar de forma crítica para proporcionar perspectivas y optimizar así la toma de decisiones para las empresas ha adquirido una importancia capital. Las habilidades necesarias para ser un excelente científico de datos incluyen ser capaz de obtener y trabajar con datos, y por tanto estar bien versado en SQL que es el lenguaje para comunicarse con los sistemas de bases de datos. Este curso le enseñará los fundamentos del SQL y del trabajo con datos para que pueda empezar a analizar con fines de ciencia de datos. Aprenderá a formular las preguntas correctas y luego a establecer buenas respuestas para ofrecer perspectivas a su organización. El curso comienza con lo básico bajo el supuesto de que usted no tiene ningún conocimiento o habilidad en SQL y luego se construye sobre la base para que usted escriba consultas simples y complejas que le ayuden a seleccionar los datos correctos de las tablas. Los tipos de datos con los que se familiarizará incluyen cadenas y números, y se discutirán métodos para filtrar y recortar sus resultados. A partir de aquí aprenderá a crear nuevas tablas a las que trasladar los datos y también aprenderá operadores y a combinar los datos. Aprenderá a interpretar la estructura, el significado y las relaciones de los datos de origen y a utilizar SQL para dar forma a sus datos con fines analíticos. El programa de estudios abarca: Semana 1 - Selección y recuperación de datos con SQL; Semana 2 - Filtrado, ordenación y cálculo de datos con SQL; Semana 3 - Subconsultas y uniones en SQL y, por último, en la Semana 4 - Modificación y análisis de datos con SQL. Habilidades adquiridas: Ciencia de datos, análisis de datos, Sqlite y SQL. Duración: Aproximadamente 14 horas a lo largo de 4 semanas. Valoración: 4.6/91%

07 Metodología de la ciencia de datos

Metodología de la ciencia de datos

Se trata de un curso para principiantes en inglés con subtítulos en 10 idiomas diferentes. Incluso con el aumento de la capacidad informática y el mayor acceso a los datos, nuestra capacidad para utilizarlos con el máximo beneficio en la toma de decisiones se ha perdido o disminuido por no tener una comprensión sólida de las preguntas que se plantean o de cómo aplicarlos adecuadamente al problema que se experimenta. Este curso comparte una metodología para garantizar que los datos utilizados en la resolución de problemas sean pertinentes y se manipulen adecuadamente para abordar el problema en cuestión. En este curso aprenderá los pasos que implica el manejo de un problema de ciencia de datos, los pasos en la práctica de la ciencia de datos desde la formación de un problema a la recopilación y análisis de datos, a la construcción de un modelo y la comprensión de la retroalimentación después de implementar el modelo. El programa de estudios abarca: Semana 1 - Del problema al planteamiento y de los requisitos a la recopilación; Semana 2 - De la comprensión a la preparación y del modelado a la evaluación; Semana 3 - De la implantación a la retroalimentación. Habilidades adquiridas: Ciencia de datos, minería de datos y metodología. Duración: Aproximadamente 8 horas a lo largo de 3 semanas. Valoración: 4.6/93%

06 Python para ciencia de datos, IA y desarrollo

Python para ciencia de datos, IA y desarrollo

Este curso está en inglés y tiene subtítulos en otros 2 idiomas. En este curso aprenderá Python para la ciencia de datos y la programación en general con esta introducción a Python. No se requiere experiencia previa en programación y aprenderá los fundamentos de la programación en Python, incluyendo la estructura y el análisis de datos a través de ejercicios a lo largo de los módulos y creará un proyecto demostrando sus habilidades. Al finalizar este curso estará creando programas básicos trabajando con datos y resolviendo problemas, además estará adquiriendo una base sólida para un aprendizaje más avanzado en este campo. Trabajará con datos en Python utilizando las bibliotecas Pandas y Numpy. El programa de estudios abarca: Semana 1 - Conceptos básicos de Python; Semana 2 - Estructuras de datos en Python; Semana 3 - Fundamentos de programación en Python y Semana 4 - Trabajo con datos en Python y Semana 5 - IPI y recopilación de datos. Habilidades adquiridas: Ciencia de datos, programación en Python, análisis de datos, Panda y Numpy. Duración: Aproximadamente 21 horas a lo largo de 5 semanas. Valoración: 4.6/93%

05 Bases de datos y SQL para la ciencia de datos con Python

Bases de datos y SQL para la ciencia de datos con Python

Se trata de un curso de nivel principiante en inglés con subtítulos en otros 2 idiomas. Dado que la mayoría de los datos se conservan en bases de datos, el lenguaje más utilizado para comunicarse con las bases de datos y extraer datos de ellas es el SQL (Lenguaje de Consulta Estructurado). Si desea convertirse en un científico de datos es necesario que tenga conocimientos prácticos tanto de bases de datos como de SQL. Este curso le introducirá en los conceptos de las bases de datos relacionales y le ayudará a aprender y aplicar el lenguaje SQL. En este curso se hace hincapié en el aprendizaje práctico, por lo que trabajará con bases de datos reales, herramientas de ciencia de datos y conjuntos de datos reales. Durante el curso creará una base de datos en la nube y a través de una serie de laboratorios construirá y ejecutará consultas SQL y aprenderá a acceder a bases de datos desde cuadernos Jupyter utilizando SQL y Python. Se supone que no tiene conocimientos previos ni experiencia con bases de datos, SQL. Python o programación. El temario abarca: Semana 1- Introducción a SQL; Semana 2 - Introducción a las bases de datos relacionales y a las tablas; Semana 3 - SQL intermedio; Semana 4 - Acceso a bases de datos utilizando Python; Semana 5 - La tarea del curso; y la Semana 6 es un módulo extra: SQL Avanzado para la Ingeniería de Datos. Habilidades adquiridas: Base de datos en la nube, programación en Python, Ipython y sistemas de gestión de bases de datos relacionales (RDBMS). Duración: Aproximadamente 37 horas a lo largo de 6 semanas. Valoración: 4.6/93%

04 Fundamentos de la Ciencia de Datos : K-Means Clustering en Python

Fundamentos de la ciencia de datos: Agrupación de K-means en Python

El curso es de nivel principiante en inglés con subtítulos en 8 idiomas diferentes. Las organizaciones de todo el mundo utilizan los datos para predecir comportamientos y obtener información que les ayude a tomar decisiones con conocimiento de causa. El análisis y la gestión de datos se han convertido en elementos clave en las finanzas modernas, el comercio minorista, el marketing, las ciencias sociales, la investigación y el desarrollo, la medicina y la administración pública. Este curso le introduce a la ciencia de datos y le preparará para cursos intermedios y avanzados de ciencia de datos centrándose en las matemáticas básicas, la estadística y la programación necesarias para las tareas de análisis de datos. Utilizará estos conceptos en una tarea de agrupación de datos que le enseñará las habilidades básicas de programación necesarias para las técnicas de la ciencia de datos. A medida que avance el curso, realizará algunos ejercicios matemáticos y de programación y un proyecto de agrupación de datos para un conjunto de datos dado. El programa de estudios abarca: Semana 1 - Fundamentos de la ciencia de datos: Agrupación de K-Means en Python; Semana 2 - Medias y desviaciones en matemáticas y Python; Semana 3 - Pasar de datos unidimensionales a bidimensionales; Semana 4 - Introducción a Pandas y uso de K-Means para analizar datos y Semana 5 - Proyecto de agrupación de datos. Habilidades adquiridas: Agrupación de K-Means, aprendizaje automático y programación en Python. Duración: Aproximadamente 29 horas a lo largo de 5 semanas. Valoración: 4.6/95%

03 Masterclass de Ciencia de Datos para Principiantes

Clase magistral sobre ciencia de datos

Este curso está en inglés. Si alguna vez se ha preguntado cómo utilizan las empresas los ingentes datos que recopilan y almacenan, este curso le introducirá en las habilidades y herramientas necesarias para trabajar con este valiosísimo recurso. Los temas tratados incluyen lenguajes de programación, ciencia de datos, metodología y colaboración. El módulo cubierto es Fundamentos de la ciencia de datos. Introducción, lenguajes de programación, metodología de la ciencia de datos, ciencia de datos a través de Chatbot, bibliotecas, API, conjuntos de datos y Github. Al finalizar este curso será capaz de comprender los 3 análisis principales en la minería de datos para extraer patrones: Conocer la diferencia entre aprendizaje automático y aprendizaje profundo; comprender los factores a tener en cuenta a la hora de elegir un lenguaje de programación para aprender; ser capaz de explicar los pasos de la metodología de la ciencia de datos, y el papel de las entidades y los intentos en el desarrollo de Chatbot y, por último, comprender el propósito y el uso de GitHub en la colaboración. Habilidades adquiridas: Programación, Ciencia, Ciencia de datos, Entrada de datos y Lenguajes de programación.Duración: Aproximadamente de 3 a 4 horas. Valoración: 5 estrellas

02 Introducción a la Especialización en Ciencia de Datos

Introducción a la especialización en ciencia de datos

Este es un curso de nivel principiante en inglés y tiene subtítulos en 10 idiomas diferentes. Esta especialización de 4 cursos le proporcionará los conocimientos básicos que cualquier científico de datos necesitaría para prepararse en esta apasionante y demandada carrera. Aprenderá qué es la ciencia de datos y qué hacen realmente los científicos de datos. Descubrirá lo ampliamente aplicable que es la ciencia de datos y cómo los análisis de datos pueden ayudar a tomar buenas decisiones basadas en datos. No se requieren conocimientos previos de informática ni de lenguajes de programación, ya que esta especialización le proporcionará la base necesaria para un aprendizaje más avanzado. Se enseñarán conceptos como big data, análisis estadístico y bases de datos relacionales, y adquirirá conocimientos sobre el uso de diversas herramientas de código abierto y programas de ciencia de datos como Jupyter notebooks, Rstudio, GitHub y SQL. Se proporcionarán proyectos y laboratorios para ayudar a su aprendizaje de la metodología en el abordaje de problemas de ciencia de datos y usted aplicará sus habilidades y conocimientos recién aprendidos a conjuntos de datos reales. Curso 1 - ¿Qué es la ciencia de datos?; Curso 2 - Herramientas para la ciencia de datos; Curso 3 - Metodología de la ciencia de datos y Curso 4 - Bases de datos y SQL para la ciencia de datos con Python. Habilidades adquiridas: Ciencia de datos, Sistema de gestión de bases de datos relacionales (RDBMS), Base de datos en la nube, Programación en Python, SQL, Aprendizaje profundo, Aprendizaje automático, Big Data, Minería de datos, Github, Cuadernos Jupyter y Rstudio. Duración: Aproximadamente 4 meses a un ritmo de 5 horas semanales - 4 Cursos. Valoración: 4.7

01 ¿Qué es la Ciencia de Datos?

Qué es la ciencia de datos