|
via Udemy |
Go to Course: https://www.udemy.com/course/1master-en-ciencia-de-datos-datascience/
cupón JUNIO: 113EC0A79128E4321A231 - Introducción a la Limpieza y Preprocesado de DatosDomina las bases del preprocesamiento de datos: tratamiento de valores nulos, eliminación de duplicados, manejo de datos atípicos y transformación de variables. Aprenderás a preparar datasets con Pandas y NumPy para su correcto análisis.2 - Exploración de Datos (EDA) y Detección de PatronesAprende a analizar la estructura de los datos y descubrir patrones clave mediante estadísticas descriptivas y visualizaciones avanzadas con Seaborn y Matplotlib. Identificarás correlaciones, distribuciones y relaciones entre variables.3 - Normalización y Codificación de DatosExplora técnicas esenciales como la normalización, estandarización y codificación de variables categóricas para optimizar la calidad de los datos antes de alimentar modelos predictivos.4 - Visualización y Análisis de DatosCrea gráficos dinámicos e interpretativos para facilitar la comprensión de los datos. Aprenderás a generar histogramas, boxplots, pairplots y heatmaps para detectar patrones y anomalías en los datasets.5 - Proyectos Prácticos y Aplicaciones Reales- Proyecto 1: Análisis de Datos en SegurosEn este proyecto, trabajarás con datos de una empresa de seguros para detectar factores clave que influyen en los costos de las pólizas y el riesgo de clientes. Aprenderás a:- Limpiar y transformar datos de clientes y siniestros.- Aplicar técnicas de EDA para identificar tendencias y anomalías.- Utilizar estadísticas descriptivas y visualización para la toma de decisiones.- Preparar datos para modelos predictivos de riesgos.- Proyecto 2: Análisis de Datos de MalwareEn este caso práctico, analizarás un dataset con información de software malicioso para detectar patrones en ataques cibernéticos y prevenir vulnerabilidades. Te enfocarás en:- Limpieza y estructuración de datos de malware.- Exploración visual para identificar características relevantes.- Aplicación de técnicas de preprocesado para mejorar la calidad del dataset.analizar datos con Python, preparando información de alta calidad para aplicaciones avanzadas en ciencia de datos y machine learning.