msb-public
/
Data-Science-For-Beginners
mirror of https://github.com/microsoft/Data-Science-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity

Added base README.es.md

Browse Source
pull/151/head
Bernardo Romero 4 years ago
parent f05fcbea7c
commit e8db22301a
1 changed files with 108 additions and 0 deletions
Show Stats Download Patch File Download Diff File

108
translations/README.es.md
Unescape View File

@ -0,0 +1,108 @@
# Ciencia de Datos para principiantes - Plan de estudios
[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
Los promotores de Azure Cloud en Microsoft se complacen en ofrecer un plan de estudios de 10 semanas y 20 lecciones sobre Ciencia de Datos. Cada lección incluye tests de conocimiento antes y después de la lección, instrucciones detalladas para completarla, su solución y una tarea a completar. Nuestra pedagogía basada en proyectos te permite aprender a medida que vas creando, la cual es una forma eficaz para afianzar tus nuevas habilidades.
**Sinceros agradecimientos a los autores:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
**🙏 Agradecimientos especiales 🙏 a nuestros autores, revisores y contribuyentes de contenido en el programa [Microsoft Student Ambassadors](https://studentambassadors.microsoft.com/) ** notablemente [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Rohit Yadav](https://www.linkedin.com/in/rty2423), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Sheena Narula](https://www.linkedin.com/in/sheena-narula-n/), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), Yogendrasingh Pawar, Max Blum, Samridhi Sharma, Tauqeer Ahmad, Aaryan Arora, ChhailBihari Dubey
|![ Sketchnote by [(@sketchthedocs)](https://sketchthedocs.dev) ](./sketchnotes/00-Title.png)|
|:---:|
| Ciencia de Datos para Principiantes - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
# Cómo Empezar
> **Educadores**, hemos [inlcuido algunas sugerencias](for-teachers.md) acerca de cómo utilizar este programa de estudios. Nos encantaría conocer sus opiniones [en nuestro fórum de discusión](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Estudiantes**, para desarrollar este programa des estudios por cuenta propia, has und fork del Repo completo y completa las lecciones por tu cuenta, empezando por el quiz al inicio de cada lección, luego leyendo la lección y completando las actividades complementarias. Intenta hacer tus proyectos entendiendo el contenido de la lección en lugar de copiar el código ofrecido como solución. El código para la solución se encuentra, sin embargo, en su respectivo fólder en cada lección. Una excelente alternativa es crear un grupo de estudio con amigos o colegas, y absolver el curso en conjunto. Para profundizar en el estudio, reocmendamos [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-40229-cxa).
<!--[![Promo video](screenshot.png)]( "Promo video")
> 🎥 Click the image above for a video about the project the folks who created it!-->
## Pedagogía
Hemos optado por dos principios pedagógicos a la hora de elaborar este plan de estudios: asegurarnos de que esté basado en proyectos y de que incluya cuestionarios frecuentes. Al final de esta serie, los estudiantes habrán aprendido los principios básicos de la ciencia de datos, incluidos los conceptos éticos, la preparación de datos, las diferentes formas de trabajar con ellos, su visualización, el análisis de datos, losusos prácticos de la ciencia de datos en el mundo real, etc.
Además, un cuestionario de baja exigencia antes de la clase establece la intención del estudiante hacia el aprendizaje de un tema, mientras que un segundo cuestionario después de la clase asegura una mayor retención del contenido. Este plan de estudios fue diseñado para ser flexible y puede ser completado en su totalidad o en parte. Los proyectos son simples y pequeños al comienzo y aumentan en complejidad al final del ciclo de 10 semanas.
> Aquí encuentras nuestro [Código de Conducta](CODE_OF_CONDUCT.md), así como guías sobre [Cómo Contribuir](CONTRIBUTING.md) y [Traducciones](TRANSLATIONS.md). Gracias de antemano por tus valiosos aportes!
## Cada lección incluye:
- Un Sketchnote opcional
- Un video opcional (en inglés)
- Quiz Pre-lección de calentamiento
- Lección escrita
- Para lecciones que incluyen un proyecto, pasos guiados sobre cómo desarrollarlo
- Pruebas de conocimientos
- Un reto
- Material adicional de consulta
- Una tarea a completar
- Quiz post-lección
> **Acerca de nuestros quizzes**: Un total de 40, de tres preguntas cada uno, se encuentran [en esta aplicación](https://red-water-0103e7a0f.azurestaticapps.net/). Puedes acceder a ellos mendiante los links en cada lección pero la "app" puede también ser consultada localmente; sigue las instrucciones en el fólder `quiz-app`. Poco a poco iremos traduciendo y adaptando las preguntas localmente.
## Lecciones
|![ Sketchnote by [(@sketchthedocs)](https://sketchthedocs.dev) ](./sketchnotes/00-Roadmap.png)|
|:---:|
| Ciencia de Datos para Principiantes: Camino a seguir - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
| Lección | Tema | Capítulo | Objetivos de Aprendizaje | Links | Autor |
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
| 01 | Qué es la Ciencia de Datos? | [Introducción](1-Introduction/translations/README.es.md) | Aprende los conceptos básicos de la ciencia de datos y su relación con la inteligencia artificial, el aprendizaje automático (Machine Learning) y el big data.| [lección](1-Introduction/01-defining-data-science/translations/README.es.md) [video](https://youtu.be/pqqsm5reGvs) | [Dmitry](http://soshnikov.com) |
| 02 | Aspectos éticos | [Introducción](1-Introduction/translations/README.es.md) | Conceptos, retos y paradigmas sobre la ética en la ciencia de datos | [lección](1-Introduction/02-ethics/translations/README.es.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Qué son los Datos? | [Introducción](1-Introduction/translations/README.es.md) | Tipos de datos y sus fuentes más comunes. | [lección](1-Introduction/03-defining-data/translations/README.es.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Introducción a estadística y probabilidad | [Introducción](1-Introduction/translations/README.es.md) | Técnicas matemáticas de probabilidad y estadística para entender los datos. | [lección](1-Introduction/04-stats-and-probability/translations/README.es.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Trabajando con datos relacionales | [Manipulando Datos](2-Working-With-Data/translations/README.es.md) | Introducción a los datos relacionales y a los fundamentos de la exploración y el análisis de este tipo de datos con el lenguaje SQL. | [lección](2-Working-With-Data/05-relational-databases/translations/README.es.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Datos NoSQL | [Manipulando Datos](2-Working-With-Data/translations/README.es.md) | Introducción a los datos no relacionales, sus distintos tipos y los fundamentos de la exploración y el análisis de las bases de datos documentales. | [lección](2-Working-With-Data/06-non-relational/translations/README.es.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Python | [Manipulando Datos](2-Working-With-Data/translations/README.es.md) | Fundamentos del uso de Python para la exploración de datos con bibliotecas como Pandas. Se recomienda tener conocimientos básicos de programación en Python. | [lección](2-Working-With-Data/07-python/translations/README.es.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Preparación de los datos | [Manipulando Datos](2-Working-With-Data/translations/README.es.md) | Temas sobre técnicas de limpieza y transformación de datos para hacer frente a los retos que suponen datos faltantes, inexactos o incompletos. | [lección](2-Working-With-Data/08-data-preparation/translations/README.es.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualizar cantidades | [Visualización de Datos](3-Data-Visualization/translations/README.es.md) | Aprende a utilizar Matplotlib para visualizar información sobre aves 🦆 | [lección](3-Data-Visualization/09-visualization-quantities/translations/README.es.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualizar distribuciones de datos | [Visualización de Datos](3-Data-Visualization/translations/README.es.md) | Visualización de observaciones y tendencias en un intervalo. | [lección](3-Data-Visualization/10-visualization-distributions/translations/README.es.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Visualizar Proporciones | [Visualización de Datos](3-Data-Visualization/translations/README.es.md) | Visualización de porcentajes discretos y agrupados. | [lección](3-Data-Visualization/11-visualization-proportions/translations/README.es.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualizar relaciones | [Visualización de Datos](3-Data-Visualization/translations/README.es.md) | Visualización de conexiones y correlaciones entre conjuntos de datos y sus variables. | [lección](3-Data-Visualization/12-visualization-relationships/translations/README.es.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Visualizaciones efectivas | [Visualización de Datos](3-Data-Visualization/translations/README.es.md) | Técnicas para que sus visualizaciones sean verdaderamente valiosas para la resolución de problemas y la obtención eficaz de información. | [lección](3-Data-Visualization/13-meaningful-visualizations/translations/README.es.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introducción al Proceso de Ciencia de Datos | [Proceso de Ciencia de Datos](4-Data-Science-Lifecycle/translations/README.es.md) | Introducción al Proceso de Ciencia de Datos y su punto de partida: obtener y extraer datos | [lección](4-Data-Science-Lifecycle/14-Introduction/translations/README.es.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analizar | [Proceso de Ciencia de Datos](4-Data-Science-Lifecycle/translations/README.es.md) | Esta fase del Proceso se centra en las diferentes técnicas para analizar los datos. | [lección](4-Data-Science-Lifecycle/15-Analyzing/translations/README.es.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Comunicación | [Proceso de Ciencia de Datos](4-Data-Science-Lifecycle/translations/README.es.md) | Esta fase del Proceso se centra en la presentación de la información obtenida a partir de los datos de una forma que facilite su comprensión por parte de los responsables de la toma de decisiones. | [lección](4-Data-Science-Lifecycle/16-Communication/translations/README.es.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Ciencia de Datos en la nube | [Datos en la nube](5-Data-Science-In-Cloud/translations/README.es.md) | Esta serie de lecciones presenta la ciencia de datos en la nube y sus beneficios. | [lección](5-Data-Science-In-Cloud/17-Introduction/translations/README.es.md) | [Tiffany](https://twitter.com/TiffanySouterre) y [Maud](https://twitter.com/maudstweets) |
| 18 | Ciencia de Datos en la nube | [Datos en la nube](5-Data-Science-In-Cloud/translations/README.es.md) | Entrenar modelos usando herramientas "Low Code" |[lección](5-Data-Science-In-Cloud/18-Low-Code/translations/README.es.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 19 | Ciencia de Datos en la nube | [Datos en la nube](5-Data-Science-In-Cloud/translations/README.es.md) | Despliegue de modelos con Azure Machine Learning Studio | [lección](5-Data-Science-In-Cloud/19-Azure/translations/README.es.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 20 | Ciencia de Datos en el mundo real | [In the Wild](6-Data-Science-In-Wild/translations/README.es.md) | Proyectos impulsados por la ciencia de datos en el mundo real | [lección](6-Data-Science-In-Wild/20-Real-World-Examples/translations/README.es.md) | [Nitya](https://twitter.com/nitya) |
## Acceso off-line
Puedes tambien utilizar esta documentación sin conexión a Internat utilizando [Docsify](https://docsify.js.org/#/). "Forkea" este repo, [instala Docsify](https://docsify.js.org/#/quickstart) en tu máquina y luego, en el fólder principal del repo, digita `docsify serve`. El sitio web será servido en el puerto 3000 de tu localhost: `localhost:3000`.
> Nota: Los Jupyter notebooks no serán renderizados via Docsify. Si necesitas ejecutar uno, hazlo separadamente con un kernel de Python.
## PDF
Un PDF con el contenido de todas las lecciones puede ser obtenido [aquí](https://microsoft.github.io/Data-Science-For-Beginners/pdf/readme.pdf)
## Se busca ayuda!
Si deseas traducir todo o una parte del plan de estudios, sigue nuestra guía [Traducciones](TRANSLATIONS.md).
## Otros programas de estudio
Nuestro equipo produce otros programas! Consúltalos aquí:
- [Machine Learning for Beginners](https://aka.ms/ml-beginners)
- [IoT for Beginners](https://aka.ms/iot-beginners)
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
Write Preview
Loading…
Cancel
Save