Ciencia de datos en mi canal de YouTube

← Back to blog

En mi canal he publicado ya más de 200 videos, hablando de diferentes temas, entre ellos muchos relacionados a la ciencia de datos sin embargo, no tienen un orden específico; en este post trato de darte una pequeña guía de los videos que puedes encontrar en mi canal y el orden en que puedes verlos para entender sobre la ciencia de datos:

  1. Python – una breve introducción al lenguaje por excelencia de la ciencia de datos
  2. NumPy – la biblioteca para trabajar con datos numéricos en el mundo de Python
  3. Pandas – la biblioteca para trabajar con información tabular en Python
  4. La ciencia de datos – Te cuento de qué se trata la ciencia de datos
  5. Data Science e Ingeniería de Software, diferencias. – las diferencias que yo he encontrado entre la ciencia de datos y la ingenería de software
  6. DATA… ¿qué? trabajos en la ciencia de datos – ¿Qué clase de trabajos se pueden desempeñar en la ciencia de datos, no todo se trata de ser científicx
  7. ¿Qué son BUENOS DATOS? – Por un mejor machine learning - Todos hablande “buenos datos” pero, ¿qué hace que los datos sean buenos?
  8. Tipos de variables en la ciencia de datos – Antes de comenzar con modelos, algoritmos y código, debes saber qué tipos de variables existen
  9. Breve introducción al análisis exploratorio de datos – La base de todo proyecto exitoso es hacer un buen análisis de datos
  10. Machine Learning – ¿Qué es el machine learning?
  11. Cómo NO aprender MACHINE LEARNING – Muchos te dicen cómo puedes aprender machine learning, yo en este video te digo cómo no aprenderlo
  12. Diferencia entre Algoritmo y Modelo en Machine Learning – Un modelo no es lo mismo que un algoritmo, en este video te explico las diferencias.
  13. ¿Inteligencia Artificial? ¿Machine Learning? ¿Redes Neuronales? – Existe una relación directa entre estos tres conceptos, ¡no significan lo mismo!
  14. Machine Learning: train / validate / test – La importancia de dividir nuestros datos en estos tres conjuntos de información
  15. Overfitting, underfiting y regresión polinomial – ¿Qué es el overfitting y por qué es tan malo?
  16. Machine learning: Clasificación y las support vector machines — Vamos a ver nuestro primer modelo de clasificación con perros y gatos
  17. ¿SPAM o NO SPAM? – creando un clasificador con machine learning – Otro ejemplo de clasificacón para clasificar texto
  18. La regresión lineal – Un primer modelo de regresión, para predecir precios, temperaturas, edades…
  19. Árboles de decisión — Uno de los mdoelos más poderosos en el mundo del ml
  20. Introducción a los algoritmos genéticos. – Sí, los algoritmos genéticos también nos ayudan a encontrar soluciones a problemas.
  21. Las redes neuronales - sobresimplificadas – Una sencilla y sobre-simplificada introducción a las redes neuronales
  22. Machine learning: Las métricas de la regresión – ¿Cómo medimos el desempeño de un modelod de regresión?
  23. Machine learning: Las métricas de la clasificación – ¿Cómo medimos el desempeño de un modelod de clasificación?
  24. Tips para tu primer trabajo en la ciencia de datos – ¿Vas a buscar tu primer trabajo como científico de datos? acá te doy unos tips

Además de que hice un montón de transmisiones hablando sobre los fundamentos de datos, lo que necesitas saber si quieres meterte un poco más profundo en el mundo del machine learning:

¡Espero los disfrutes!