# Ejemplos de Ciencia de Datos para Principiantes ¡Bienvenido al directorio de ejemplos! Esta colección de ejemplos simples y bien comentados está diseñada para ayudarte a comenzar con la ciencia de datos, incluso si eres un principiante total. ## 📚 Qué Encontrarás Aquí Cada ejemplo es autónomo e incluye: - **Comentarios claros** que explican cada paso - **Código simple y legible** que demuestra un concepto a la vez - **Contexto del mundo real** para ayudarte a entender cuándo y por qué usar estas técnicas - **Salida esperada** para que sepas qué buscar ## 🚀 Comenzando ### Requisitos Previos Antes de ejecutar estos ejemplos, asegúrate de tener: - Python 3.7 o superior instalado - Comprensión básica de cómo ejecutar scripts en Python ### Instalación de Bibliotecas Requeridas ```bash pip install pandas numpy matplotlib ``` ## 📖 Resumen de los Ejemplos ### 1. Hola Mundo - Estilo Ciencia de Datos **Archivo:** `01_hello_world_data_science.py` ¡Tu primer programa de ciencia de datos! Aprende a: - Cargar un conjunto de datos simple - Mostrar información básica sobre tus datos - Imprimir tu primera salida de ciencia de datos Perfecto para principiantes absolutos que quieren ver su primer programa de ciencia de datos en acción. --- ### 2. Cargando y Explorando Datos **Archivo:** `02_loading_data.py` Aprende los fundamentos de trabajar con datos: - Leer datos desde archivos CSV - Ver las primeras filas de tu conjunto de datos - Obtener estadísticas básicas sobre tus datos - Entender los tipos de datos ¡Este es a menudo el primer paso en cualquier proyecto de ciencia de datos! --- ### 3. Análisis de Datos Simple **Archivo:** `03_simple_analysis.py` Realiza tu primer análisis de datos: - Calcular estadísticas básicas (media, mediana, moda) - Encontrar valores máximos y mínimos - Contar ocurrencias de valores - Filtrar datos basados en condiciones Descubre cómo responder preguntas simples sobre tus datos. --- ### 4. Fundamentos de Visualización de Datos **Archivo:** `04_basic_visualization.py` Crea tus primeras visualizaciones: - Hacer un gráfico de barras simple - Crear un gráfico de líneas - Generar un gráfico de pastel - Guardar tus visualizaciones como imágenes ¡Aprende a comunicar tus hallazgos de forma visual! --- ### 5. Trabajando con Datos Reales **Archivo:** `05_real_world_example.py` Pon todo junto con un ejemplo completo: - Cargar datos reales desde el repositorio - Limpiar y preparar los datos - Realizar análisis - Crear visualizaciones significativas - Sacar conclusiones Este ejemplo te muestra un flujo de trabajo completo de principio a fin. --- ## 🎯 Cómo Usar Estos Ejemplos 1. **Empieza desde el principio**: Los ejemplos están numerados en orden de dificultad. Comienza con `01_hello_world_data_science.py` y avanza en orden. 2. **Lee los comentarios**: Cada archivo tiene comentarios detallados que explican qué hace el código y por qué. ¡Léelos con atención! 3. **Experimenta**: Intenta modificar el código. ¿Qué pasa si cambias un valor? Rompe cosas y arréglalas: así es como se aprende. 4. **Ejecuta el código**: Ejecuta cada ejemplo y observa la salida. Compárala con lo que esperabas. 5. **Construye sobre ello**: Una vez que entiendas un ejemplo, intenta ampliarlo con tus propias ideas. ## 💡 Consejos para Principiantes - **No te apresures**: Tómate tu tiempo para entender cada ejemplo antes de pasar al siguiente. - **Escribe el código tú mismo**: No solo copies y pegues. Escribir ayuda a aprender y recordar. - **Investiga conceptos desconocidos**: Si ves algo que no entiendes, búscalo en línea o en las lecciones principales. - **Haz preguntas**: Únete al [foro de discusión](https://github.com/microsoft/Data-Science-For-Beginners/discussions) si necesitas ayuda. - **Practica regularmente**: Intenta programar un poco cada día en lugar de sesiones largas una vez a la semana. ## 🔗 Próximos Pasos Después de completar estos ejemplos, estarás listo para: - Trabajar en las lecciones principales del plan de estudios - Intentar las tareas en cada carpeta de lecciones - Explorar los cuadernos Jupyter para un aprendizaje más profundo - Crear tus propios proyectos de ciencia de datos ## 📚 Recursos Adicionales - [Plan de Estudios Principal](../README.md) - El curso completo de 20 lecciones - [Para Profesores](../for-teachers.md) - Usar este plan de estudios en tu aula - [Microsoft Learn](https://docs.microsoft.com/learn/) - Recursos gratuitos de aprendizaje en línea - [Documentación de Python](https://docs.python.org/3/) - Referencia oficial de Python ## 🤝 Contribuir ¿Encontraste un error o tienes una idea para un nuevo ejemplo? ¡Aceptamos contribuciones! Por favor, consulta nuestra [Guía de Contribución](../CONTRIBUTING.md). --- **¡Feliz Aprendizaje! 🎉** Recuerda: Todo experto fue alguna vez un principiante. Avanza paso a paso y no tengas miedo de cometer errores: ¡son parte del proceso de aprendizaje! --- **Descargo de responsabilidad**: Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.