Ruta de Aprendizaje de Platzi Data Science con Python, con el objetivo de explorar y transformar datos para generar predicciones. Permite la toma de decisiones basada en datos y crear modelos de machine learning.
Teniendo como objetivo formarme de manera para poder aplicar a un trabajo relacionado con datos e inteligencia artificial, la ruta de aprendizaje se compone de 3 Partes.
- Fundamentos de Programación.
- Análisis de datos con Python.
- Machine Learning con Python y bases de datos.
En cada una de estas partes se compone a su vez de mas cursos con el objetivo de ir aprendiendo de poco en poco la ciencia de datos.
Como propósito personal decidí crear proyectos para practicar lo aprendido y dejar este repositorio como una guía hacia mi camino en ciencia de datos donde ire marcando mi progreso de poco en poco hasta terminar la ruta completa dedicándole mi tiempo libre entre practicas y universidad.
Asi que empecemos o(￣▽￣)ブ
Algunos cursos estarán pasados por examen debido a que se empalman o sobreponen a otras rutas que estoy tomando como lo es Data Analytics o Business Intelligence.
| Curso | Estatus | Proyecto |
|---|---|---|
| Fundamentos de Python | Finalizado | Pasado por examen |
| Python Comprehensions, Funciones y Manejo de Errores | Finalizado | Proyecto |
| Introducción a la Terminal y Linea de Comandos | Finalizado | Proyecto |
| Curso | Estatus | Proyecto |
|---|---|---|
| Entorno de Trabajo para Ciencia de Datos con Jupyter Notebooks y Anaconda | Finalizado | Proyecto |
| Principios de Visualización de Datos para Business Intelligence | Finalizado | Pasado por Examen |
| Manipulación y Transformación de Datos con Pandas y NumPy | Finalizado | Proyecto y Notas |
| Visualización de Datos con Matplotlib y Seaborn | Finalizado | Proyecto y Notas |
| Funciones Matemáticas para Data Science e Inteligencia Artificial | Finalizado | Pasado por examen, Notas |
| Matemáticas para Data Science: Estadística Descriptiva | Finalizado | Proyecto y Notas |
| Matemáticas para Data Science: Probabilidad | En Curso | |
| Análisis Exploratorio de Datos | ||
| Profesional de Git y GitHub | ||
| Python: PIP y Entornos Virtuales | ||
| Configuración Profesional de Entorno de Trabajo para Ciencia de Datos | ||
| Manejo de Datos Faltantes: Detección y Exploración | ||
| Manejo de Datos Faltantes: Imputación |
| Curso | Estatus | Proyecto |
|---|---|---|
| Curso de Introducción a Machine Learning | ||
| Curso Básico de Cálculo Diferencial para Data Science e Inteligencia Artificial | ||
| Estadística Inferencial para Data Science e Inteligencia Artificial | ||
| Fundamentos de Álgebra Lineal con Python | ||
| Álgebra Lineal Aplicada para Machine Learning | ||
| Regresión Lineal con Python y scikit-learn | ||
| Regresión Logística con Python y scikit-learn | ||
| Decision Trees y Random Forest con Python y scikit-learn | ||
| Clustering con Python y scikit-learn | ||
| Curso Profesional de Machine Learning con scikit-learn | ||
| Fundamentos de Bases de Datos | Finalizado | Notas |
| PostgreSQL | En Curso | |
| Curso Práctico de SQL | ||
| PostgreSQL Aplicado a Ciencia de Datos | ||
| Herramientas de Inteligencia Artificial para Equipos de Datos | ||
| Crear tus Proyectos de Ciencia de Datos | ||
| Introducción al Despliegue de Modelos de Machine Learning | ||
| Laboratorio de Machine Learning: Optimización de Modelos | ||
| Laboratorio de Machine Learning: Puesta en Producción de Modelos |
Estos serán los cursos que tomare para formarme como Data Science, esperando que Platzi agregue o quite cursos. Temario Actualizado 03/12/23