Este curso toca temas que abarcan Data Science utilizando el lenguaje de programación python. El contenido se muestra a continuación:
Carga de Datos
Describe, Missing, Dummy
Visualization
Subconjuntos, Filtros, Insertar, Números Aleatorios
Distribución Probabilidad, Montecarlo, Dummy Datasets
Agregación, Agrupación, Transform, Train-Test
Concatenar, Apendizar, Joins
Intro Regresion Lineal
Regresion Lineal con statsmodels, Multicolinealidad
Validación del modelo, Train-Test
Regresion Lineal con sklearn
Datos categoricos, Variables dummy, Regresion Cuadratica, Outliers
Matematicas y Regresion Logística
Implementando Regresion Logística, Regresion Logística con statsmodels
Ejercicio Regresion Logística
Distancias, Enlaces, Clustering Jerarquico
Clustering Jerarquico con scipy.cluster, Dendograma, Codo
Kmeans con scipy.cluster
Clustering Jerarquico, Kmeans con sklearn
Evaluacion Clusters: Silueta, Codo
Propagación de la Afinidad
Kmedoids, Clustering Espectral
Arboles de Decision y Randomforest Classifier
Arboles de Regresion y Randomforest Regressor
Linear Support Vector Classifier
Support Vector Classifier con sklearn
Kernel Radial
Support Vector Classifier Ejercicio FaceRecognition
Support Vector Classifier Ejercicio Iris
Support Vector Regresor
KNN Classifier
Implementando KNN
Movie Lens: Filtro Colaborativo basado en usuarios, basado en items
ACP paso a paso
ACP con sklearn
PLotly
Introducción a Tensorflow
Redes Neuronales con Tensorflow ejericio Señales de Tráfico
Redes Neuronales con Tensorflow ejercicio MNIST
Python y R con rpy2.robjects y rpy2.Magics
Espero que la información del curso les sea de mucha utilidad.