[email protected]!

🤖 Este curso introductorio te permitirá obtener los principales conceptos de Estadística para poder iniciarte en Machine Learning.

💻 Es un curso práctico con ejercicios y scripts en Python.

Temas:

✔ Introducción a la estadística.

✔ Tipos de gráficos en machine learning.

✔ Introducción a estadística descriptiva.

✔ Muestras y estadística inferencial.

✔ Desvío estándar y dispersión.

✔ Test de hipótesis.

✔ Asimetría y curtósis.

✔ Percentiles.

Prácticas en Python


Teoría intuitiva


A través de:

+10 videos teórico-prácticos.

✅ Videos teóricos cortos ~ 7min.

✅ Teoría explicada con presentaciones didácticas, paso a paso.

✅ Prácticas en Python detalladas.

✅ Scripts disponibles para descargar.

Pensamos en un esquema en el que cada uno pague lo que pueda y considere, apostando a colaborar para que este proyecto crezca, se difunda, y que seas parte de él 💚🤓.


Con muchas gotitas se hace un océano | f(💧)=🌊

Colaborá y descarga material adicional!
Nota: Si no carga el formulario, podés ir a la página desde aquí. Gracias 😊


Si vivís en Argentina, podés colaborar en pesos, a través de Mercado Pago desde aquí.
GRATIS

Introducción a Estadística para Machine Learning con Python

Tenés tres meses para completarlo.

Colaborá y descarga material adicional!
🤔 Al terminar el curso, ¿qué voy a saber?

✔️ Crear, interpretar y analizar los gráficos mas conocidos de estadística.

✔️ Comprender la noción de muestra tan utilizada en ciencia de datos.

✔️ ️Hacer storytellin apoyandote en análisis numérico y gráficos.

✔️ ️Comprender la intuición de los test de hipótesis.

Lo más importante: Son todos los puntos que van surgiendo en los cursos de Ciencia de Datos.

Preguntas Frecuentes

Se pide que se tenga nociones básicas de R ó Python, tal como la manipulación de archivos, crear agrupaciones simples, aplicar funciones, etc. El foco del curso es la estadística, seguramente puedas seguirlo con las explicaciones de los videos.

Este curso es con Python. R y Python tienen sus similitudes y diferencias. Ambos sirven para ambientes laborales y también para investigación.

Este curso no cuenta con soporte. En caso que lo necesites, podés continuar tu camino en "Ciencia de Datos 360", y también recibir soporte de este curso.

matplotlib, pandas, seaborn y ... funpymodeling! El IDE (interface de desarrollo) es Jupyter lab.

Nota: no todas con el mismo nivel de profundidad, de algunas usaremos una o dos funciones necesarias para ese momento, así van a ir armandose su propio toolset.

Este curso te brindará todos los conocimientos necesarios relacionados a la estadística que se utilizan en Ciencia de Datos 360.

1 mes.

Podés volverte a inscribir. Esto es porque queremos tener una base de [email protected] [email protected] ...

Está pensado para que se finalice en 10 a 15 días, pero la duración es variable de acuerdo a la experticia y dedicación del alumno/a.

El total neto de horas es de ~ 2 hs


- Todos los scripts usados en el laboratorio! Si donas podés descargarte las casi 50 slides de presentación y tener acceso a una lección sorpresa.

No tantos como en los otros cursos, pero sí.

Instructor

Pablo Casas

"Me dedico como cientifico de datos desde el 2006, trabaje en distintos tipos de áreas como finanzas, medicina, seguridad informática, entre otras.
Hay una manera genérica de ver y estudiar cada caso, ese método lo muestro en mis cursos con explicaciones que incluyen gráficos, objetos cotideanos, memes, alguna referencia matemática que no asuste, y código para aprender haciendo.
Publiqué el Libro Vivo de Ciencia de datos y la librería funModeling.
Me gusta explicar (y aprender) con ejemplos prácticos. Es lo que encontrarán en mis cursos y publicaciones."
[Ver más]

Linkedin | Twitter

Newsletter 📨

Suscribite y descargate el Brochure PDF de CDD360 con Python y R. Además recibirás las novedades de los artículos en R & Python, webinars y descuentos 🤓, (no spam).