|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/data-science-python-espanol/
课程评论：没有评论
课程名称：Python中的数据科学与机器学习：线性模型 课程概述： 本课程着眼于数据科学的学习背景，阐释了企业在日常运营中面临的数据存储与分析挑战。随着数据科学家的需求急剧增长，具备相关技能的人才供不应求，导致该领域的薪资水平显著提升。本课程旨在填补理论与实践之间的空白，通过深入理解数据科学方法及其运用，帮助学员在面对数据分析问题时能够游刃有余。 课程亮点： 1. 理论与实践相结合：深入了解各类模型的来源和应用，确保学员既能理解基本原理，又能熟练掌握相关软件工具。 2. 从基础编程出发：学员将从零开始编程，使用Python中流行的数据科学与机器学习库，逐步构建和运用各类模型。 课程内容： - 机器学习和数据科学的介绍。 - 简单线性回归：研究不同现象之间的关系。 - 多元线性回归：创建多个变量模型以研究感兴趣的变量行为。 - Lasso回归：多元线性回归的高级版本，能够筛选出最有用的变量。 - Ridge回归：更稳定的多元线性回归版本。 - 逻辑回归：最常用的分类与检测算法，用以研究变量与特定类别之间的关系。 - 泊松回归：用于分析多变量如何影响事件发生次数的算法。 - 数据科学核心概念（例如过拟合与欠拟合、交叉验证、变量准备等）。 我们提供30天无风险的全额退款保证，充分保证学员的学习体验和满意度。
¿Por qué estudiar ciencia de datos?Las empresas tienen un problema: recolectan y guardan enormes cantidades de datos en su día a día. El problema es que no tienen las herramientas y capacidades para extraer conocimiento y tomar decisiones a partir de esos datos. Pero eso está cambiando. Desde hace algunos años, la demanda de científicos de datos ha crecido exponencialmente. Tanto es así, que el número de personas con estas habilidades no es suficiente para cubrir todas las vacantes que hay. Una búsqueda básica en Glassdoor o Indeed te revelará por qué los salarios de los científicos de datos han crecido tanto en los últimos años.¿Por qué este curso?Casi todos los cursos que existen son demasiado teóricos o demasiado prácticos. Los cursos de universidad no suelen desarrollar las habilidades necesarias para enfrentarse a problemas de ciencia de datos desde cero, ni te enseñan a utilizar el software necesario de forma fluida. Por otra parte, muchos cursos y bootcamps online enseñan a utilizar estas técnicas sin llegar a entenderlas en profundidad, pasando por la teoría de forma superficial.Nuestro curso combina lo mejor de cada método. Por una parte, veremos de dónde surgen y por qué se utilizan estos métodos, entendiendo por qué funcionan de la forma que lo hacen. Por otra, vamos a programar estos métodos desde cero, utilizando las librerías más populares de la ciencia de datos y el machine learning en Python. Solo cuando hayas entendido exactamente cómo funciona cada algoritmo, aprenderemos a usarlos con las librerías avanzadas de Python.Contenido del cursoIntroducción al machine learning y a la ciencia de datos.Regresión lineal simple. Aprenderemos a estudiar la relación entre distintos fenómenos.Regresión lineal multiple. Crearemos modelos de más de una variable para estudiar el comportamiento de una variable de interés.Regresión lasso. Versión avanzada de la regresión lineal múltiple con la capacidad de filtrar las variables más útiles.Regresión ridge. Versión más estable de la regresión lineal múltiple.Regresión logística. Algoritmo de clasificación y detección más popular. Nos permitirá estudiar la relación entre distintas variables y unas determinadas clases de objeto.Regresión de Poisson. Algoritmo que nos permitirá como afectan varias variables al número de veces que ocurre un evento.Conceptos centrales en la ciencia de datos (overfitting vs underfitting, validación cruzada, preparación de variables, etc).¿Tienes dudas? Recuerda que tenemos una garantía de devolución total del dinero de 30 días. Sin riesgo para ti. Así de convencidos estamos de que el curso te gustará.
