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
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'cd575a82b7'
${ noResults }
Data-Science-For-Beginners/translations/es/examples
History
leestott 57edd69619
🌐 Update translations via Co-op Translator 		4 months ago
..
README.md 🌐 Update translations via Co-op Translator 4 months ago

README.md

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

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 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

🤝 Contribuir

¿Encontraste un error o tienes una idea para un nuevo ejemplo? ¡Aceptamos contribuciones! Por favor, consulta nuestra Guía de Contribución.

¡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. 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.