Que necesitas saber de Data Science

✅ Conoce nuestro curso de Excel en Línea 👇

🤩 ¡Descubre todos nuestros cursos!

==============================================================================
Todo lo que necesitas saber para entrar en el mundo del Data Science en solo 10 minutos 😱💥
¿Sera tan complicado como te lo imaginas? 🤔
😉 Te lo resumimos en 3 pasos:
1.- 🧱 Construir tus cimientos
Se necesita:
- Lenguaje de Programación:
Ser una pistola en Python 🐍 y Pandas 🐼
- Algebra Lineal:
No tienes que ser un experto pero si debes de tener ciertos conocimientos.
- Estadística
Tienes que saber todo sobre Estadísticas.
2.- 🏗 Construir el edificio principal:
Se necesita:
- Machine Learning en 2 fases:

1.1 Aprendizaje de maquina convencional
Entender los algoritmos
Aplicar la biblioteca Sidekick Learning en Python

1.2 Aprendizaje Profundo
Redes Neuronales
Librería Tensor Flow
Análisis de series de tiempo
Estadística Avanzada
3.- 🏨 Ponerle la fachada (Decorarlo)
Se necesita:
- Decidir en qué especializarte (Predicciones, Finanzas, Visión por computadora, Reconocimiento facial, Entretenimiento, Algoritmos de recomendación, etc. etc.)
 Y lo más importante de todo es… Tener la creatividad para saber de dónde vamos a sacar datos que no todo mundo este analizando 🤩👌
Además de…
¡Practicar Mucho! 😉
==============================================================================
¡CHECA LOS PEORES MEMES DE EXCEL EN NUESTRAS REDES! 😎👇
Instagram y Facebook:
==============================================================================
00:54 🧱 Construir tus cimientos
04:14 🏗 Construir el edificio principal
08:20 🏨 Ponerle la fachada (Decorarlo)

[isiscoronel]

Yo quiero segui este camino pero es difícil automotivarse cada dia y no perderse cuando las cosas no salen, si alguien está igual contactemos será un placer motivar a alguien que quiera hacer lo mismo y comentarnos temas, proyectos, cursos. Actualmente trabajo con SQL, Python y algo powerbi entre otras herramientas de Office pero mi camino deseado es ser data scientist. La base matemática la estoy estudiando aunque a pasitos y porai ando ánimo a todos!

[sebastianbotero]

He visto varios videos de este man y por alguna razón, siento que es una charla en la sala de mi casa. Explica con buena vibra.

[raylibiak]

Por fin alguien que habla del álgebra y la Estadística de Maestría. Otros canales venden el tema de entrar a Data Science como si fuera algo fácil o asumirán que ya todos manejan estadística nivel maestría.
El camino será duro pero por lo menos hay recompensa al final del túnel.

[josesilvacotrina]

Para llegar a ser un Data Scientist es comenzar con una sólida base en lenguajes de programación y estadística avanzada, sobre esta base se avanza a learning machine y luego redes neuronales. Finalmente, la practica esmerada conduce al éxito en el centro de trabajo o en la carrera empresarial.

[cristianxito]

Yo tome el curso completo y créanme que es demasiado bueno, he aprendido de excel desde lo básico a lo avanzado (enseña demasiado bien Dan) luego aprendí python y créanme que de verdas vale la pena tomar los cursos.

[pipearchela]

Men, estoy muy contento de ver este video, nadie lo había explicado tan claro y honestamente, muchas gracias por tomarse el tiempo y la claridad 5 estrellas ⭐️

[jeferssonibanez]

Tienes toda la razón, yo he tomado cursos y sólo es teoría y muy poca práctica y si hay práctica los ejercicios son exageradamente sencillos …. Me gusta de este señor que es muy objetivo y orientado a los resultados y básicamente he aprendido más que lo que hice en los cursos que pague …. Gracias por compartir tus video y consejos ÚTILES.

[Vic.-HugoAmaya]

Actualmente las empresas no tienen muy claro que personal requieren así que por lo regular piden que tengas todos los conocimientos pero existen varias áreas o roles en Ciencia de Datos (Data Science).

DATA SCIENTIST (Científico de Datos):
El que entiende el modelo del negocio, estadística y procesa todos los datos con Machine Learning, además sabe presentar los resultados para que sean útiles en la toma de decisiones de la empresa.

DATA ANALYST (Analista de Datos):
Es el encargado de que los datos sean útiles para la empresa, por lo regular no trabaja con Machine Learning, procesa y analiza las bases de datos ya extraídos por el siguiente rol.

DATA ENGINEER (Ingeniero de Datos):
Su trabajo es Extracción, Transformación y Carga de datos, ya sea de las distintas fuentes que tenga disponibles desde bases de datos en la Nube (Clod Computing) o de servidores propios de la empresa. Incluso de BIG DATA en internet que estén disponibles por ejemplo los datos de INEGI. xD

MACHINE LEARNING ENGINEER (Ingeniero en Aprendizaje de Maquina o Aprendizaje Automático)
Este rol es el encargado de desarrollar o escalar la Inteligencia Artificial por medio del aprendizaje como mencionan en el video con imágenes o sistematización, incluso pasar al aprendizaje profundo (Deep Learning) muchos más complejo pero verdaderamente asombroso, pueden ver proyectos de GPU3, aquí ya entra las redes neuronales que pretende simular el cerebro humano.

[robertgarcia]

Mano deberias hacer cursos sencillos para apoyar a los que queremos iniciar en este mundo manejas un lenguaje sencillo que realmente aprecio yo pagaria por ello

[dulcezamora]

Me gusta como explicas, todo lo sintetizas de una forma muy practica y sencilla. Gracias por esa metodologia. Sigue así, Exitos !!!🙌🏽🙌🏽👏🏽👏🏽

[arianadelarosa]

Gracias, buenos consejos yo estudie mi especialidad en data science manejo sql y python avanzado no es suficiente para estudiar estos cursos de machine Learning, NLP o deep Learning prácticamente estoy estudiando 24h todos los días para estar acorde a lo que enseñan porque la verdad es que si, dan mucha teoría pero poca practica, pero estoy muy feliz saber de lo mucho que aprendí y de lo que puedes llegar hacer

[AngelGonzalez-fyej]

Soy ingeniero en computación y ahora complemento mis conocimientos en ciencia de datos con inteligencia artificial e inteligencia de negocios y si tienes mucho que aprender

[edgrmed]

Wow, excelente descripción, yo estoy estudiando ingeniería en sistemas de software, estaba buscando hacía que lado inclinarme, y me acabas de terminar de convencer por ciencia de datos, excelente video. Ahora empezaré con phyton

[maurodalleva]

Me gusto mucho lo concreto que fuiste en el video de lo que necesitamos tanto en software como lo que debemos saber de estos para completar de manera correcta la carrera. Gracias.

[Hope-deliverance]

Este es el tutorial que estaba buscando, directo al grano de manera clara y precisa. Gracias!!

[DanielGomez-liut]

Para saber estadística en un nivel más avanzado necesitas saber si o si álgebra lineal. Entonces el álgebra no es negociable.

[yennarayabaltodano]

Mucho de este contenido me ha ayudado a consolidar mis bases en el universo de los datos... Gracias gracias nuevamente...

[sayux]

Me encantó el video, nadie lo habia explicado así, solo sabia que se necesitaba aprender phyton pero no a detalle como tu lo has dicho. Gran aporte

[desafiodatascience]

¡Muy buen vídeo!

Me ha gustado mucho la analogía con construir una casa y como tal es fundamental poner unos buenos cimientos.

En este sentido es fundamental saber programación, especialmente Python y dominar estadística.
He echado de menos en los cimientos el dominio de bases de datos especialmente SQL que muchas veces se queda en un segundo plano y para mí es tan importante como Python (cierto que quizá más importante en Analytics que en Data Science).

Un saludo,

Carlos.-

[jaimeelchilo]

Creo que pides demasiado para alguien que va comenzando, en mi experiencia, yo tenía las bases de matemáticas, pero carecía de muchas de las partes que dependian de la computadora, pero con lo que tenía me lance al ruedo, conseguí trabajo y es en el trabajo dónde me la he pasado aprendiendo. Por lo que les cuento mi corolario: Con lo que sepas lanzate y aprendes en el trabjo. Cuando los empleadores buscan gente dificilmente encuentra a alguien con todas las cualidades que ellos buscan entonces contratan a lo más cercano que encuentran. Buena la información y Saludos.