jimmyzac Goto Github PK

actividades_sinrespuesta_ea

Actividades a resolver en el curso de estadística aplicada

afe2020

Advanced Financial Econometrics - Trinity Term 2020

analisisavanzadodatos

applied-methods-phd

Repo for Yale Applied Empirical Methods PHD Course

applied_computational_economics_and_finance

ECON457 2018 Applied Computational Economics and Finance

appliedtimeseriesanalysiswithpython

arch

ARCH models in Python

bayesian-machine-learning

Notebooks about Bayesian methods for machine learning

bookcode_edition1

buap

Benemérita Universidad Autónoma de Puebla

causal-inference-1

Causal Inference 1 Mixtape Session

cheatsheets

Official Matplotlib cheat sheets

climate_multiples

coding-for-economists

This repository hosts the code behind the online book, Coding for Economists.

contexto-fcfm-uanl

base de datos para la clase de Contexto Económico Geopolítico

contexto_eco

curso-mers-uaz

datos para la elaboración de mapas y análisis de características de transporte en Zacatecas

curso-series-temporales

curso_r_uaz

dataviz_r

Location of R code to create my data visualisations

dataviz_varios

Dataviz con poco seguimiento o de una sola vez

dayton-weather-2018

A reproduction of my 2014 Tufte weather visualization

differences-

difference-in-differences in Python

eonometria_espacial

estadistica-aplicada-fcfm-uanl

Bases de datos para la materia de Estadística Aplicada

finance_trading_in_python

forecasting

Forecasting lectures and tutorials using Python

fpp3-python-readalong

Python-centered read-along of Forecasting: Principles and Practice

fundamentosestadistica

Notas del curso fundamentos de estadística.

introduccioncienciadatospythongooglecolab

Bienvenidos al curso de Introducción a Ciencia de Datos con Python en ambientes colaborativos con Google Colab. En el presente curso trabajaremos en ambientes colaborativos académicos, fomentando la cooperación, el compromiso, la comunicación, la participación, la confianza y la responsabilidad entre otros beneficios de los ambientes colaborativos. Para el presente curso utilizaremos el ambiente Google Classroom el cual es un servicio web educativo desarrollado por Google (como su nombre lo indica) el cual mediante la creación de aulas podemos tener contacto directo con los estudiantes, el profesor puede asignar tareas con textos, audios, fotos y vídeos. Al mismo tiempo puede poner avisos, crear encuestas o recibir respuestas de los alumnos. Además, funciona en los más conocidos dispositivos móviles y lectores de pantalla. Nuestra Institución Universitaria cuenta con el presente recurso para ser utilizado en el presente contexto académico. Python es uno de los lenguajes más utilizados actualmente tanto en los entornos científicos con en los entornos de desarrollo web, en el presente curso aprenderemos a desarrollar modelos básicos de Machine Learning aplicados a la Institución Universitaria Digital de Antioquia utilizando las estructuras de programación y los beneficios de Python en el manejo de variables y su gran potencial para la ciencia de datos y el manejo de módulos para importar y exportar información en conjunto con la visualización de datos. El entorno de programación a utilizar será Colaboratory, también llamado Colab, te permite escribir y ejecutar código de Python en un navegador, con las siguientes particularidades: Sin configuración requerida Acceso gratuito a GPU Facilidad para compartir Seas estudiante, científico de datos o investigador de IA, Colab facilita tu trabajo debido a que con la cuenta institucional y un explorador web (se recomienda Chrome, Firefox, Opera o Edge en sus versiones más recientes) podremos crear poderosos scripts de Python online colaborativos, es decir, el curso y el profesor pueden acceder y colaborar en el desarrollo de Notebooks, el cual es el nombre de los documentos creados en Colab. La ciencia de datos según lo descrito por Oracle define “La ciencia de datos combina múltiples campos que incluyen estadísticas, métodos científicos y análisis de datos para extraer el valor de los datos. Los practicantes de la ciencia de datos se llaman científicos de datos y combinan una variedad de conocimientos para analizar los datos recopilados de la web, de teléfonos inteligentes, de clientes, sensores y otras fuentes.” lo cual es similar a lo detallado por IBM en su descripción de la ciencia de datos en donde reza “La ciencia de datos es el proceso de utilizar algoritmos, métodos y sistemas para extraer información de datos estructurados y no estructurados. Aplica analítica avanzada y Machine Learning (ML) para ayudar a los usuarios a predecir y optimizar los resultados de negocio.”. Con base en lo anterior el TAC de Introducción a la ciencia de datos detallará los aspectos necesarios para poder tener las bases para afrontar la ciencia de datos desde el nivel básico, comenzando desde una introducción al lenguaje de programación Python, pasando por conceptos básicos de estadística, simulación, obtención de datos y pre-procesado, análisis exploratorio, desarrollo de modelos y bases de Machine Learning.