Jaime J Escobedo's repositories
Estadistica-Aplicada-FCFM-UANL
Bases de datos para la materia de Estadística Aplicada
Actividades_sinrespuesta_EA
Actividades a resolver en el curso de estadística aplicada
IntroduccionCienciaDatosPythonGoogleColab
Bienvenidos al curso de Introducción a Ciencia de Datos con Python en ambientes colaborativos con Google Colab. En el presente curso trabajaremos en ambientes colaborativos académicos, fomentando la cooperación, el compromiso, la comunicación, la participación, la confianza y la responsabilidad entre otros beneficios de los ambientes colaborativos. Para el presente curso utilizaremos el ambiente Google Classroom el cual es un servicio web educativo desarrollado por Google (como su nombre lo indica) el cual mediante la creación de aulas podemos tener contacto directo con los estudiantes, el profesor puede asignar tareas con textos, audios, fotos y vídeos. Al mismo tiempo puede poner avisos, crear encuestas o recibir respuestas de los alumnos. Además, funciona en los más conocidos dispositivos móviles y lectores de pantalla. Nuestra Institución Universitaria cuenta con el presente recurso para ser utilizado en el presente contexto académico. Python es uno de los lenguajes más utilizados actualmente tanto en los entornos científicos con en los entornos de desarrollo web, en el presente curso aprenderemos a desarrollar modelos básicos de Machine Learning aplicados a la Institución Universitaria Digital de Antioquia utilizando las estructuras de programación y los beneficios de Python en el manejo de variables y su gran potencial para la ciencia de datos y el manejo de módulos para importar y exportar información en conjunto con la visualización de datos. El entorno de programación a utilizar será Colaboratory, también llamado Colab, te permite escribir y ejecutar código de Python en un navegador, con las siguientes particularidades: Sin configuración requerida Acceso gratuito a GPU Facilidad para compartir Seas estudiante, científico de datos o investigador de IA, Colab facilita tu trabajo debido a que con la cuenta institucional y un explorador web (se recomienda Chrome, Firefox, Opera o Edge en sus versiones más recientes) podremos crear poderosos scripts de Python online colaborativos, es decir, el curso y el profesor pueden acceder y colaborar en el desarrollo de Notebooks, el cual es el nombre de los documentos creados en Colab. La ciencia de datos según lo descrito por Oracle define “La ciencia de datos combina múltiples campos que incluyen estadísticas, métodos científicos y análisis de datos para extraer el valor de los datos. Los practicantes de la ciencia de datos se llaman científicos de datos y combinan una variedad de conocimientos para analizar los datos recopilados de la web, de teléfonos inteligentes, de clientes, sensores y otras fuentes.” lo cual es similar a lo detallado por IBM en su descripción de la ciencia de datos en donde reza “La ciencia de datos es el proceso de utilizar algoritmos, métodos y sistemas para extraer información de datos estructurados y no estructurados. Aplica analítica avanzada y Machine Learning (ML) para ayudar a los usuarios a predecir y optimizar los resultados de negocio.”. Con base en lo anterior el TAC de Introducción a la ciencia de datos detallará los aspectos necesarios para poder tener las bases para afrontar la ciencia de datos desde el nivel básico, comenzando desde una introducción al lenguaje de programación Python, pasando por conceptos básicos de estadística, simulación, obtención de datos y pre-procesado, análisis exploratorio, desarrollo de modelos y bases de Machine Learning.
Sharing_ISL_python
An Introduction to Statistical Learning with Applications in PYTHON
applied-methods-phd
Repo for Yale Applied Empirical Methods PHD Course
Causal-Inference-1
Causal Inference 1 Mixtape Session
cheatsheets
Official Matplotlib cheat sheets
coding-for-economists
This repository hosts the code behind the online book, Coding for Economists.
Contexto-FCFM-UANL
base de datos para la clase de Contexto Económico Geopolítico
Curso-MERS-UAZ
datos para la elaboración de mapas y análisis de características de transporte en Zacatecas
dataviz_R
Location of R code to create my data visualisations
dataviz_varios
Dataviz con poco seguimiento o de una sola vez
differences-
difference-in-differences in Python
kevinsheppard.com
My Personal Site
linearmodels
Add linear models including instrumental variable and panel data models that are missing from statsmodels.
marineHeatWaves
marineHeatWaves is a module for python which implements the Marine Heatwave (MHW) definition of Hobday et al. (2016, Prog Ocean).
mistat-code-solutions
Code repository for "Modern Statistics: A Computer Based Approach with Python" and "Industrial Statistics: A Computer Based Approach with Python"
py
Geocomputation with Python: an open source book and online resource for getting started in this space