Lecciones

Resumen de cada lección de los cursos de la Academia:

6 - Imputación univariada

(Mayo 17, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos qué es y cómo implementar la imputación univariada para el manejo de datos faltantes en Series de Tiempo con ayuda de Pandas y Scikit-Learn.

5 - Manejo de marcas de tiempo faltantes

(Mayo 16, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección nos enfocaremos en el primer conjunto de técnicas enfocadas en el manejo de marcas de tiempo faltantes, es decir cuando la variable temporal de nuestra Serie de Tiempo contiene valores incompletos.

4 - Los tipos de datos faltantes en Series de Tiempo

(Mayo 15, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos los cuatro tipos de datos faltantes que podemos tener en una Serie de Tiempo así como las técnicas que podemos usar para detectar estos datos faltantes.

3 - Lectura y visualización de Series de Tiempo (repaso)

(Mayo 14, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección haremos un repaso de las principales herramientas para la lectura y visualización de Series de Tiempo usando las librerías Pandas, Seaborn y Matplotlib.

2 - Series de Tiempo: ruta de aprendizaje

(Mayo 10, 2024 - Series de Tiempo - Pre-procesamiento)

En esta segunda lección del curso veremos una ruta de aprendizaje que sugiero seguir para aprender las técnicas más usadas para realizar el pre-procesamiento, análisis y generación de predicciones con series de tiempo.

1 - Las Series de Tiempo y su importancia en la Ciencia de Datos y el Machine Learning

(Mayo 9, 2024 - Series de Tiempo - Pre-procesamiento)

En esta primera lección vamos a entender qué son las Series de Tiempo y por qué resultan tan importantes en Ciencia de Datos y Machine Learning.

13 - Panorama general de las principales pruebas de hipótesis

(Mayo 1, 2024 - Estadística Inferencial Fundamentos)

En esta última lección del curso veremos un panorama general de las principales pruebas de hipótesis que podremos aplicar a nuestros datos dependiendo del tipo de dato y de si conocemos o no su distribución.

12 - Pasos a seguir para aplicar una prueba de hipótesis

(Abril 30, 2024 - Estadística Inferencial Fundamentos)

En esta lección veremos un procedimiento paso a paso que sugiero llevar a cabo siempre que queramos aplicar una prueba de hipótesis a nuestros datos independientemente de la prueba estadística o de la distribución que tengan dichos datos.

11 - Potencia de una prueba

(Abril 26, 2024 - Estadística Inferencial Fundamentos)

En esta lección vamos a entender qué es la potencia de una prueba estadística, por qué resulta importante al momento de aplicar una prueba de hipótesis y qué factores nos permiten incrementar el valor de dicha potencia.

10 - Errores tipo I y tipo II

(Abril 25, 2024 - Estadística Inferencial Fundamentos)

En esta lección hablaremos de los dos tipos de error que se pueden cometer al realizar una prueba de hipótesis, que se conocen como los errores tipo I y tipo II. Además, veremos cómo cuantificar la probabilidad de cometer estos errores.

9 - Significancia estadística y el valor p

(Abril 24, 2024 - Estadística Inferencial Fundamentos)

En esta lección hablaremos de los conceptos del valor p y la significancia estadística que nos permiten en últimas apoyar o rechazar la hipótesis nula al momento de realizar una prueba de hipótesis.

8 - Hipótesis y pruebas de hipótesis

(Abril 23, 2024 - Estadística Inferencial Fundamentos)

En esta lección vamos a entender qué es una hipótesis, las hipótesis nula y alternativa y lo que es una prueba de hipótesis.