Ciencia de datos: visualización de datos y exploración de modelos

Este curso comienza con un análisis de la importancia de la exploración de datos. Le enseñará qué usar para las visualizaciones de datos en R y Python. Estudiará diferentes gráficos para diferentes vistas, como gráficos de dispersión y de líneas, gráficos de barras, histogramas, diagramas de caja, gráficos de violín y gráficos Q-Q. También aprenderá que los gráficos de dispersión de columnas individuales pueden ser útiles para explorar en detalle las características de su conjunto de datos

Luego estudiará la ingeniería de características, que es el proceso de utilizar el conocimiento del dominio de los datos para crear características que hagan que los algoritmos de aprendizaje automático funcionen. Estudiará los modelos que se evalúan en función de las estadísticas sobre los errores, o valores residuales, en los valores pronosticados. Estudiará las funciones y los métodos disponibles en R y Python para crear modelos de aprendizaje automático, incluidos el proceso y las opciones de evaluación

Aprenda sobre la teoría y la práctica de la ciencia de datos con este curso gratuito en línea. Al completar el curso, comprenderá mejor las funciones del análisis exploratorio de datos y los factores que pueden afectar a su visión de los datos, además de comprender mejor los diferentes tipos de gráficos que le ayudan a visualizar los datos, así como las bibliotecas y los paquetes disponibles para R y Python. ¡Comience este curso hoy mismo para mejorar su conocimiento de los datos!