(Mucho texto), mi experiencia: Yo estudio ciencia de datos y estoy viendo esto en la recta final del primer año, habiendo sufrido con probabilidad, python y R. XD Pero me gusta. Sufri mucho la probabilidad, la aprobe por poco y la materia de estadistica fue mas llevadera y saque mejor nota (tambien me gusto mucho mas). Odié algebra pero tenia miedo de estar repitiendola constantemente, habia mucha gente repitiendo la materia y aparte el profesor es bien estricto, asi que como tenia la navidad para prepararmela, me puse al maximo, y no solo la aprobe, sino que le agarre gusto. Calculo en una variable no me gustaba casi nada, sobre todo lo que son sucesiones y series, y aun asi fue mi mejor nota. Y en multiples variables me gustaba mas pero tambien me fue mas dificil y la aprobe apenas. Y las de programar, un dilema. La de python no me gustaba, y no porque no me gustara programar o porque no me gustara python, sino por los profesores. Uno daba la clase con tan pocas ganas que acababa desmotivando. El otro al menos mostraba mas energia, pero era muy malo corrigiendo. Recuerdo ver mis examenes, un parcial y el final, corregidos y no creer el atraco que me habia hecho. Le hice un par de preguntas y me respondia cosas del tipo: no lo hiciste como a mi me gustaba y asi, sin piedad. Aparte hay un trabajo que es sencillamente infernal, que se hace con pyxel, una herramienta del demonio de la que casi no hay guias. Pero me la estoy preparando para aprobarla en extraordinaria, mi motivacion es no hacer ese trabajo otra vez (fue un fracaso y no porque no lo intentamos) La de R es una historia que me gusta contar. Recuerdo claramente que la primera, primerisima clase, nosotros no teniamos instalado el R studio, muy pocas veces habia oido yo de ese lenguaje, el punto es que el profesor dio todo a cien mil por hora, al punto que en hora y media, ya nos estaba mostrando ejemplos de recursion, el tipico de fibonacci o el factorial. Y claro, alguien que no sabe programar, como yo en ese momento, entiende mejor el chino que la recursion. Fueron dos clases con ese profesor que estaba sencillamente loco. Por suerte luego vino otro, que iba mas tranquilo, y con el nos enteramos mejor. Hubo dos trabajos parciales, uno de analisis exploratorio, principalmente manejar ggplot y otro de machine learning, random forest etc etc. Ambos en parejas, los aprobamos con muy buena media, pero era obligatorio aprobar el examen final, y saque un 4. Consistia principalmente en aprender codigo casi de memoria, unas minimas nociones de ggplot y de resto aprender la secuencia: library(rpart); mytree = rpart(formula =Variable~., data = data, method="class") ... Pensaba que 3 dias de memorizar codigo bastarian y cai por inocente. Es la que mas miedo me da porque la he estudiado menos y tengo el examen antes, pero no la pienso dejar caer bajo ninguna circunstancia

La ciencia de datos es un término que engloba todos los aspectos del procesamiento de datos, desde la recopilación hasta el modelado y la información. Por otro lado, el análisis de datos se ocupa principalmente de la estadística, las matemáticas y el análisis estadístico.

Magnífico resumen de lo necesario. Muchas gracias!!

Como bien mencionas al final del video es fundamental bases estadística antes de comenzar esta carrera. Buen video !

La librería de keras es el mismo tensorflow solo que es una capa para trabajar de forma mas agradable, con tensorflow ganas personalización sobre la red porque puede modificar neurona por neurona, con keras pierdes algo de "libertad" (si se pueden modificar) pero te permite ganar tiempo creando capas con neuronas igueles por dentro y en 15 o 20 lineas ya tienes el modelo creado y entrenado

Interesante. Trabajo en Ciencia de Datos, aunque aún no he trabajado con TensorFlow

Antes que todo eso: paciencia

Gracias

cuando fusionan Python + R + SQL / Machine + Deep Learning + Estadisticas con R quiero ese combo (50%)

Me acabo de subscribir, es excelente el canal. Yo me estoy iniciando recién en esta interesantísima disciplina científica, y esperaba que me aclararas una duda, *¿cómo se juntan los datos para colocarlos en los datasets?* . Es decir, ¿existe alguna metodología de investigación(método científico) especializado en esto o algunas técnicas propias de la ciencia de datos que sirvan para la obtención de datos?

@Robert_Org

9 ай бұрын

Ha sabido algo amigo? también estoy con la misma duda.

@Jonni_Paz

9 ай бұрын

@@Robert_Org con "trabajo de inteligencia", básicamente lo que hacen las agencias de inteligencia para reunir datos y extraer información de esos datos, bueno, al menos así lo entiendo yo. Porque la verdad tiene un factor "creativo" también, es decir, que no es algo totalmente metódico, existen técnicas y todo, pero se usan de acuerdo al contexto, el tipo de datos, el tema de análisis y otras cosas. Te recomiendo aprender a DOCUMENTAR y a INVESTIGAR apropiadamente. Con esas dos cosas bien aprendidas vas a tener todo lo necesario para poder juntar cualquier clase de datos, siempre y cuando haya acceso a ellos. Es lo que más me sirvió, investigar y documentar, aprendete bien el método de investigación y las convenciones de documentación, al investigar obtenes datos, al documentar los ordenas, y con eso vas a tenerlos preparados para armar tu dataset

Para cuando un curso de numpy, pandas, matplotlib y seaborn!

@asakusasimp8764

Ай бұрын

Exacto. La santa trinidad.

Lo más importante es la visualización de datos y BI.

mi profesor de universidad (chile) me dijo que se esta usando mas R que stata, ¿que opinas usted? quiero aprender stata.

@ELADEPTO

4 ай бұрын

Que tal sera el magister en ciencia de datos?

Me acabo de inscribir en la carrera de ing en ciencia de datos que ofrece la uvm, me podrían decir si con las materias que ofrece iría en buen camino o tendría que complementar con algún otro curso? Saludos!!!

@hcr6504

Жыл бұрын

HUBIERAS ESTUDIADO OTRA INGENIERIA Y TE HUBIERAS ESPECIALIZADO EN DATOS DEL RUBRO DE TU ING. PARA QUE PUEDAS VER UN POCO MAS ALLA😋

@alternativemedicinenyc1

11 ай бұрын

como cual amigo? @@hcr6504

@joselehmus4201

10 ай бұрын

mala idea y luego más en uvm

Sickit learn no es una paquetería "básica". Los algoritmos que contiene son bastante potentes, robustos y eficientes para la mayoría de las implementaciones de machine learning.

@andreyquiceno4759

Жыл бұрын

Por básica se refiere a fundamental

Todo eso viene en tu curso?

@rodrigosag3300

Жыл бұрын

se supone que el calculo diferencia la algebra lineal y la destadistica descriptiba etc tienes que saberlo por obvias razones el resto si y si no sabes un crj mejor anda a vender salchipapas a la esquina de tu barrio

Y excel? 😵‍💫

@JohnLocke-ld6tj

5 ай бұрын

Obviamente. No se menciona porque se da por sentado.

Dedícate al Excel chavo y deja de vender humo

Primer comentario :D