19 KiB

Raw Permalink Blame History

Ciencia de Datos para Principiantes - Un Currículo

Azure Cloud Advocates en Microsoft se complacen en ofrecer un currículo de 10 semanas y 20 lecciones sobre Ciencia de Datos. Cada lección incluye cuestionarios antes y después de la lección, instrucciones escritas para completar la lección, una solución y una tarea. Nuestra pedagogía basada en proyectos te permite aprender mientras construyes, una forma comprobada de hacer que las nuevas habilidades se queden contigo.

Un agradecimiento especial a nuestros autores: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Agradecimiento especial 🙏 a nuestros Microsoft Student Ambassador autores, revisores y colaboradores de contenido, en particular Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar, Vidushi Gupta, Jasleen Sondhi


Ciencia de Datos para Principiantes - Sketchnote por @nitya

🌐 Soporte Multilingüe

Soporte a través de GitHub Action (Automatizado y Siempre Actualizado)

Si deseas que se admitan idiomas adicionales, los idiomas disponibles están listados aquí

Únete a Nuestra Comunidad

¿Eres estudiante?

Comienza con los siguientes recursos:

Página del Hub para Estudiantes En esta página, encontrarás recursos para principiantes, paquetes para estudiantes e incluso formas de obtener un voucher gratuito para certificación. Es una página que querrás marcar y revisar de vez en cuando, ya que cambiamos el contenido al menos mensualmente.
Microsoft Learn Student Ambassadors Únete a una comunidad global de embajadores estudiantiles, esta podría ser tu puerta de entrada a Microsoft.

Comenzando

Profesores: hemos incluido algunas sugerencias sobre cómo usar este currículo. Nos encantaría recibir tus comentarios en nuestro foro de discusión!

Estudiantes: para usar este currículo por tu cuenta, haz un fork del repositorio completo y completa los ejercicios por tu cuenta, comenzando con un cuestionario previo a la lección. Luego, lee la lección y completa el resto de las actividades. Intenta crear los proyectos comprendiendo las lecciones en lugar de copiar el código de solución; sin embargo, ese código está disponible en las carpetas /solutions en cada lección orientada a proyectos. Otra idea sería formar un grupo de estudio con amigos y revisar el contenido juntos. Para un estudio más profundo, recomendamos Microsoft Learn.

Conoce al Equipo

Gif por Mohit Jaisal

🎥 Haz clic en la imagen de arriba para ver un video sobre el proyecto y las personas que lo crearon.

Pedagogía

Hemos elegido dos principios pedagógicos al construir este currículo: asegurarnos de que sea basado en proyectos y que incluya cuestionarios frecuentes. Al final de esta serie, los estudiantes habrán aprendido los principios básicos de la ciencia de datos, incluyendo conceptos éticos, preparación de datos, diferentes formas de trabajar con datos, visualización de datos, análisis de datos, casos de uso reales de la ciencia de datos y más.

Además, un cuestionario de bajo riesgo 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. Este currículo fue diseñado para ser flexible y divertido, y puede tomarse en su totalidad o en parte. Los proyectos comienzan pequeños y se vuelven cada vez más complejos al final del ciclo de 10 semanas.

Encuentra nuestro Código de Conducta, Contribuciones, Traducción. ¡Agradecemos tus comentarios constructivos!

Cada lección incluye:

Sketchnote opcional
Video complementario opcional
Cuestionario de calentamiento previo a la lección
Lección escrita
Para lecciones basadas en proyectos, guías paso a paso sobre cómo construir el proyecto
Verificaciones de conocimiento
Un desafío
Lectura complementaria
Tarea
Cuestionario posterior a la lección

Una nota sobre los cuestionarios: Todos los cuestionarios están contenidos en la carpeta Quiz-App, con un total de 40 cuestionarios de tres preguntas cada uno. Están vinculados desde las lecciones, pero la aplicación de cuestionarios se puede ejecutar localmente o desplegar en Azure; sigue las instrucciones en la carpeta quiz-app. Se están localizando gradualmente.

Lecciones


Ciencia de Datos para Principiantes: Hoja de Ruta - Sketchnote por @nitya

Número de Lección	Tema	Agrupación de Lecciones	Objetivos de Aprendizaje	Lección Vinculada	Autor
01	Definiendo la Ciencia de Datos	Introducción	Aprende los conceptos básicos detrás de la ciencia de datos y cómo se relaciona con la inteligencia artificial, el aprendizaje automático y los grandes datos.	lección video	Dmitry
02	Ética en la Ciencia de Datos	Introducción	Conceptos, desafíos y marcos de ética en los datos.	lección	Nitya
03	Definiendo los Datos	Introducción	Cómo se clasifican los datos y sus fuentes comunes.	lección	Jasmine
04	Introducción a Estadística y Probabilidad	Introducción	Las técnicas matemáticas de probabilidad y estadística para entender los datos.	lección video	Dmitry
05	Trabajando con Datos Relacionales	Trabajando con Datos	Introducción a los datos relacionales y los conceptos básicos de exploración y análisis de datos relacionales con el Lenguaje de Consulta Estructurado, también conocido como SQL (pronunciado “see-quell”).	lección	Christopher
06	Trabajando con Datos NoSQL	Trabajando con Datos	Introducción a los datos no relacionales, sus diversos tipos y los conceptos básicos de exploración y análisis de bases de datos de documentos.	lección	Jasmine
07	Trabajando con Python	Trabajando con Datos	Conceptos básicos de uso de Python para la exploración de datos con bibliotecas como Pandas. Se recomienda una comprensión fundamental de la programación en Python.	lección video	Dmitry
08	Preparación de Datos	Trabajando con Datos	Temas sobre técnicas de datos para limpiar y transformar los datos para manejar desafíos de datos faltantes, inexactos o incompletos.	lección	Jasmine
09	Visualizando Cantidades	Visualización de Datos	Aprende cómo usar Matplotlib para visualizar datos de aves 🦆	lección	Jen
10	Visualizando Distribuciones de Datos	Visualización de Datos	Visualizando observaciones y tendencias dentro de un intervalo.	lección	Jen
11	Visualizando Proporciones	Visualización de Datos	Visualizando porcentajes discretos y agrupados.	lección	Jen
12	Visualizando Relaciones	Visualización de Datos	Visualizando conexiones y correlaciones entre conjuntos de datos y sus variables.	lección	Jen
13	Visualizaciones Significativas	Visualización de Datos	Técnicas y orientación para hacer que tus visualizaciones sean valiosas para resolver problemas de manera efectiva y obtener ideas.	lección	Jen
14	Introducción al Ciclo de Vida de la Ciencia de Datos	Ciclo de Vida	Introducción al ciclo de vida de la ciencia de datos y su primer paso de adquisición y extracción de datos.	lección	Jasmine
15	Analizando	Ciclo de Vida	Esta fase del ciclo de vida de la ciencia de datos se centra en técnicas para analizar datos.	lección	Jasmine
16	Comunicación	Ciclo de Vida	Esta fase del ciclo de vida de la ciencia de datos se centra en presentar los hallazgos de los datos de manera que sea más fácil para los tomadores de decisiones entender.	lección	Jalen
17	Ciencia de Datos en la Nube	Datos en la Nube	Esta serie de lecciones introduce la ciencia de datos en la nube y sus beneficios.	lección	Tiffany y Maud
18	Ciencia de Datos en la Nube	Datos en la Nube	Entrenamiento de modelos usando herramientas de bajo código.	lección	Tiffany y Maud
19	Ciencia de Datos en la Nube	Datos en la Nube	Despliegue de modelos con Azure Machine Learning Studio.	lección	Tiffany y Maud
20	Ciencia de Datos en el Mundo Real	En el Mundo Real	Proyectos impulsados por la ciencia de datos en el mundo real.	lección	Nitya

GitHub Codespaces

Sigue estos pasos para abrir este ejemplo en un Codespace:

Haz clic en el menú desplegable Code y selecciona la opción Open with Codespaces.
Selecciona + New codespace en la parte inferior del panel. Para más información, consulta la documentación de GitHub.

VSCode Remote - Containers

Sigue estos pasos para abrir este repositorio en un contenedor usando tu máquina local y VSCode con la extensión VS Code Remote - Containers:

Si es la primera vez que usas un contenedor de desarrollo, asegúrate de que tu sistema cumpla con los requisitos previos (es decir, tener Docker instalado) en la documentación de introducción.

Para usar este repositorio, puedes abrirlo en un volumen aislado de Docker:

Nota: En segundo plano, esto usará el comando Remote-Containers: Clone Repository in Container Volume... para clonar el código fuente en un volumen de Docker en lugar del sistema de archivos local. Volúmenes son el mecanismo preferido para persistir datos de contenedores.

O abrir una versión clonada o descargada localmente del repositorio:

Clona este repositorio en tu sistema de archivos local.
Presiona F1 y selecciona el comando Remote-Containers: Open Folder in Container....
Selecciona la copia clonada de esta carpeta, espera a que el contenedor se inicie y prueba las cosas.

Acceso sin conexión

Puedes ejecutar esta documentación sin conexión usando Docsify. Haz un fork de este repositorio, instala Docsify en tu máquina local, luego en la carpeta raíz de este repositorio, escribe docsify serve. El sitio web se servirá en el puerto 3000 de tu localhost: localhost:3000.

Nota, los notebooks no se renderizarán a través de Docsify, así que cuando necesites ejecutar un notebook, hazlo por separado en VS Code ejecutando un kernel de Python.

Otros Currículos

¡Nuestro equipo produce otros currículos! Consulta:

Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automáticas 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.

19 KiB Raw Permalink Blame History