MQH15 / python-for-data-science

python-for-data-science

---

Este curso toca temas que abarcan Data Science utilizando el lenguaje de programación python. El contenido se muestra a continuación:

1. Limpieza de Datos:

Carga de Datos
Describe, Missing, Dummy
Visualization

2. Operaciones de Manejo de Datos:

Subconjuntos, Filtros, Insertar, Números Aleatorios
Distribución Probabilidad, Montecarlo, Dummy Datasets
Agregación, Agrupación, Transform, Train-Test
Concatenar, Apendizar, Joins

3. Introducción Estadística:

Estadística

4. Regresion Lineal:

Intro Regresion Lineal
Regresion Lineal con statsmodels, Multicolinealidad
Validación del modelo, Train-Test
Regresion Lineal con sklearn
Datos categoricos, Variables dummy, Regresion Cuadratica, Outliers

5. Regresion Logística:

Matematicas y Regresion Logística
Implementando Regresion Logística, Regresion Logística con statsmodels
Ejercicio Regresion Logística

6. Clustering:

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

7. Arboles:

Arboles de Decision y Randomforest Classifier
Arboles de Regresion y Randomforest Regressor

8. Support Vector Machine:

Linear Support Vector Classifier
Support Vector Classifier con sklearn
Kernel Radial
Support Vector Classifier Ejercicio FaceRecognition
Support Vector Classifier Ejercicio Iris
Support Vector Regresor

9. K Nearest Neighbors:

KNN Classifier
Implementando KNN

10. Sistema de Recomendación:

Movie Lens: Filtro Colaborativo basado en usuarios, basado en items

11. Analisis Componentes Principales:

ACP paso a paso
ACP con sklearn
PLotly

12. Redes Neuronales:

Introducción a Tensorflow
Redes Neuronales con Tensorflow ejericio Señales de Tráfico
Redes Neuronales con Tensorflow ejercicio MNIST

13. Python y R:

Python y R con rpy2.robjects y rpy2.Magics

---

Espero que la información del curso les sea de mucha utilidad.