Al mal tiempo, buena data. Limpieza de datos con Python.

preview_player
Показать описание
Buenos dias Pythonistas!!!

Para nuestro cuarto evento del año, estaremos hablando sobre ciencia de datos, algunos conceptos generales y limpieza de datos con pandas. Daremos una pequeña introducción a análisis descriptivo y limpieza de datos, pasos previos y muy importantes para la implementación de modelos de machine learning.

Ponente: Laura Lopez.

Laura López es ingeniera de telecomunicaciones y científica de datos en formación, con +2 de experiencia trabajando con consultoras para empresas de telecomunicaciones y recientemente científica de datos junior, apasionada por la fotografía.

Redes sociales:

Twitter: @lauralpezb
Linkedin: @lauralpezb
Instagram: @lauralpezb
Github: @lauralpezb

¡Nos vemos pronto!
Рекомендации по теме
Комментарии
Автор

Siento que veo esto muy tarde muy buena la presentación.

sorco
Автор

Excelente explicación, muchas gracias!

medellinsz
Автор

Perfecta explicación muy claro... muchas gracias, para ser primera ves lo hizo como toda una profesional.

kmiiloberrio-dev
Автор

Igual, concuerdo que aunque sean poco datos nulos, es importante tratar de salvar las filas, y dejar como última opción eliminarlas.

caesarELECT
Автор

Excelente muchas gracias, donde puedo obtener El book para probarlo local?..

STEVEN
Автор

Excelente clase, ¿como se hace para estar pendiente si hacen mas workshops como este?, bella, inteligente y sabe python, excelente combinación

williansuarez
Автор

La fórmula para calcular el porcentaje de datos nulos ya está multiplicada por 100, así que el porcentaje de datos nulos es 0, 05%, y no 5%.

caesarELECT
Автор

Puedes compartir el material por favor?

geodatacenter
Автор

Podrías subir en la descripción del video el CSV con la columna de Date o Fechas?
Estuve buscando el dataset en Kaggle pero nunca lo encontré con esa columna, gracias

medellinsz
Автор

Si se desea profesionalizar los conocimientos es mejor hacer una maestría/doctorado (especializaciones no sirven de a mucho) y para profundizar/especializar los conocimientos, con cursos online pagos y/o gratuitos (que de estoy hay por doquier).

chevastan