Curso en línea – Práctica profesional certificada en ciencia de datos con Python y R de Google, Università di Napoli Federico II

Conviértete en un experto en datos con Python y R. Da un paso adelante en tu carrera como científico de datos. Analice conjuntos de datos reales y aprenda a utilizar correctamente R y Python.

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
Curso en línea - Práctica profesional certificada en ciencia de datos con Python y R de Google, Università di Napoli Federico II

Professional Certificate

nivel intermedio

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Las estructuras de datos en R
  • proceso de datos
  • Técnicas de visualización de datos.
  • Usando Numpy y Pandas para la gestión de datos
  • Usando Matplotlib para mostrar datos
  • Resolver problemas de clasificación, reconocimiento de objetos y segmentación semántica usando PyTorch
  • Capacidad para leer datos críticamente.
  • Evaluar el trabajo de otros sin prejuicios

What you will learn in the course

Courses for which the course is suitable

  • científico de datos
  • analista de datos
  • desarrollador de software
  • Desarrollador de Python
  • Introduzca R
  • Experto en visualización de datos.
  • Ingeniero de datos
  • investigador de datos
  • analista de sistemas de informacion
  • Desarrollador de algoritmos

Experiencia: una serie de cursos de 3 partes

Esta especialización es para cualquier persona interesada en adquirir habilidades básicas de programación en Python y aprender a usar R y Python para resolver problemas de ciencia de datos.

¿Qué aprenderás?

  • Las estructuras de datos en R
  • proceso de datos
  • Técnicas de visualización de datos.
  • Usando Numpy y Pandas para la gestión de datos
  • Usando Matplotlib para mostrar datos
  • Resolver problemas de clasificación, reconocimiento de objetos y segmentación semántica usando PyTorch

prueba final

La prueba final te permitirá desarrollar habilidades de lectura crítica de datos y realizar valoraciones de los trabajos de tus compañeros sin sesgos.

Un proyecto de aprendizaje práctico.

Los estudiantes deberán utilizar los conocimientos y habilidades adquiridos durante los tres cursos y en los laboratorios diseñados para ello. Además, se pedirá a los estudiantes que analicen y evalúen los trabajos de otros estudiantes.

¡La capacidad de leer, comprender y evaluar el trabajo de otros sin prejuicios es un requisito básico para el éxito en una carrera de científico de datos!

Details of the courses that make up the specialization

Python: instrucciones de uso

Curso 1: Programación en Python

Duración del curso: 16 horas

Calificación: 4.1 (35 calificaciones)

Lo que aprenderás:

  • Principios básicos de programación Python, lenguajes interpretados y entornos de desarrollo.
  • Programación orientada a objetos: clases, objetos, doble herencia.
  • Usando módulos y paquetes
  • Gestión de archivos, excepciones y acceso a bases de datos.

Curso 2: Aprendizaje automático y minería de datos en R

Duración del curso: 30 horas

Lo que aprenderás:

  • Importe, manipule y muestre datos usando paquetes R y tidyverse (dplyr, ggplot2)
  • Resolver problemas de aprendizaje supervisados ​​y no supervisados ​​en R
  • Comprender las diferencias entre las redes neuronales de alfombra y las redes profundas

Habilidades que adquirirás:

  • Paquetes R: dplyr, ggplot2, jumps, glmnet, por favor
  • Alfombra y redes neuronales profundas.
  • Aprendizaje supervisado y no supervisado.

Curso 3: Python para la ciencia de datos

Duración del curso: 18 horas

Lo que aprenderás:

  • Procesar y mostrar datos en Python usando bibliotecas populares
  • Recopilación, entrenamiento y uso de redes neuronales (redes de retroalimentación y recurrentes) usando scikit learn
  • Uso de herramientas Keras y PyTorch para aprendizaje profundo
  • Entrenamiento y uso de redes codificadoras/descodificadoras para el análisis de segmentos médicos.

Habilidades que adquirirás:

  • Adquisición, organización y procesamiento de datos.
  • Análisis de datos estructurados y no estructurados.
  • Resolución proactiva de problemas
  • Escribir código de forma correcta y eficiente

Productos relacionados