Ciencia de datos-Visualización de datos y modelos de exploración

Este curso comienza discutiendo la importancia de la exploración de datos. Te enseñará qué usar para visualizaciones de datos en R y en Python. Usted estudiará diferentes parcelas para diferentes puntos de vista, tales como diagramas de dispersión y líneas, diagramas de barras, histogramas, diagramas de caja, gráficos de violín, gráficos Q-Q. También aprenderá que la trama de dispersión de columnas individuales puede ser útil para la exploración detallada de las características del conjunto de datos.

A continuación, estudiará la ingeniería de características que es el proceso de utilizar el conocimiento del dominio de los datos para crear características que hacen que los algoritmos de aprendizaje automático funcionen. Verá los modelos que se evalúan en función de las estadísticas sobre los errores, o los residuos, en los valores previstos. Estudiará las características y métodos disponibles en R y Python para crear modelos de aprendizaje automático, incluido el proceso y las opciones de evaluación.

Conozca acerca de la teoría y práctica de la ciencia de datos con este curso gratuito y en línea. Al completar el curso, tendrá una mejor comprensión de las funciones de análisis de datos exploratorios y qué factores pueden afectar a sus vistas de datos, así como una visión mucho mejor de los diferentes tipos de gráficos para ayudar a visualizar sus datos, así como las bibliotecas y paquetes disponibles para R y Python. Comience este curso hoy para mejorar su alfabetización de datos!