El objetivo principal es que adquieras los conocimientos básicos de la exploración de fuentes de datos y en las tareas esenciales de limpieza y transformación de los mismos, pues estas acciones son pasos críticos en los proyectos de ciencia de datos.
Licencia de uso
Reconocimiento-No Comercial-Compartir Igual (CC BY-NC-SA)
Título:
Exploración y limpieza de datos para proyectos de analítica de datos
Idioma:
Español
Descripción:
Español
El objetivo principal es que adquieras los conocimientos básicos de la exploración de fuentes de datos y en las tareas esenciales de limpieza y transformación de los mismos, pues estas acciones son pasos críticos en los proyectos de ciencia de datos.
Palabras clave:
Español
Ciencia de datos, Limpieza de datos, Exploración de datos, Conjunto de datos, Analítica de datos
Cobertura:
Español
Este REDI no está enmarcado en una área geográfica ni periodo temporal. Los temas abordados son la exploración y la limpieza de datos en conjuntos de datos que serán usados en proyectos de analítica de datos.
El recurso educativo contiene materiales de apoyo que el usuario para estudiar para complementar su aprendizaje.
Densidad semántica:
Media
Rango típico de edad:
Jóvenes de 22-35 años
Adultos de los 36 años en adelante
Tipo de interacción:
Expositiva
Nivel de interacción:
Bajo
Rol del usuario final previsto:
Estudiante
Docente
Público en general
Experto en la materia
Tiempo típico de aprendizaje:
14 minutos con 57 segundos
Tiene costo:
No
Tiene Copyright u otras restricciones:
Licencia: CC BY-NC-SA 4.0 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International
Descripción:
Reconocimiento-No Comercial-Compartir Igual (CC BY-NC-SA)
Referencias consultadas:
Colaboratory. (s.f.). Te damos la bienvenida a Colab. https://colab.research.google.com/?hl=es#scrollTo=Nma_JWh-W-IF
DataClouder. [@DATACLOUDER]. (19 de junio de 2020). Introducción a Google Colab, una noble y completa guía [Video]. Youtube. https://www.youtube.com/watch?v=8VFYs3Ot_aA
DataCamp. (2023). Pandas cheat sheet for data science in Python. https://www.datacamp.com/cheat-sheet/pandas-cheat-sheet-for-data-science-in-python
GitHub. (2023). Pandas-Data-Science-Tasks. https://github.com/KeithGalli/Pandas-Data-Science-Tasks
Herrera, R. y Santana P. (2023). Uso de Python para DS. [Presentación de uso interno]. Facultad de Telemática-Universidad de Colima.
Jupyterlite. (s.f.). Introduction to the JupyterLab and Jupyter Notebooks. https://jupyter.org/try-jupyter/retro/notebooks/?path=notebooks/Intro.ipynb
Keith Galli. [@KeithGalli]. (13 de enero de 2020). Solving real world data science tasks with Python Pandas! [Video]. Youtube. https://www.youtube.com/watch?v=eMOA1pPVUc4
Markdown. (s.f.). Sintaxis Markdown. https://markdown.es/sintaxis-markdown/
Pandas. (2023). Getting started tutorials. https://pandas.pydata.org/docs/getting_started/intro_tutorials/index.html
Universitat Politècnica de València-UPV. [@UPV]. (17 de julio de 2023). Introducción a Google Colab | 15/21 | UPV [Video]. Youtube. https://www.youtube.com/watch?v=YOVDn91or5M
W3Schools. (1999-2023). Python introduction. https://www.w3schools.com/python/python_intro.asp
Sin datos
Sin datos
Clasificación (Taxón):
Descripción:
Recurso del área de la tecnología.
Palabras clave:
Ciencia de datos, Analíticad de datos, Machine Learning, Inteligencia de negocios
