Ciencia de datos: la ciencia de datos es un campo de estudio que implica el uso de métodos estadísticos y computacionales para extraer información y conocimientos de los datos. Implica la recopilación, el procesamiento y el análisis de conjuntos de datos grandes y complejos, así como el desarrollo de modelos y algoritmos para ayudar a comprender y hacer predicciones sobre patrones en los datos. La ciencia de datos implica el uso de varias herramientas y tecnologías, incluidos lenguajes de programación como Python y R, software de visualización de datos, bibliotecas de aprendizaje automático y plataformas de computación en la nube. El campo de la ciencia de datos tiene numerosas aplicaciones en industrias como la salud, las finanzas, el marketing y la tecnología, entre otras.

Aunque este campo es enorme y hay muchas cosas cambiando cada minuto. Hay un gran número de profesionales trabajando y mejorando nuestra comprensión de los datos.

¿Cuáles son los datos aquí?

En el contexto de la ciencia de datos, los datos se refieren a cualquier información, hecho o estadística que se pueda recopilar, analizar y utilizar para sacar conclusiones o tomar decisiones. Estos datos pueden provenir de varias fuentes, como encuestas, experimentos, observaciones e interacciones en línea. Puede ser estructurado (en un formato definido, como una hoja de cálculo) o no estructurado (como publicaciones en redes sociales o imágenes), y puede ser de diferentes tipos, incluidos datos numéricos, categóricos o de texto. Los datos son la base de la ciencia de datos, y el análisis de los datos permite obtener información, predicciones y una toma de decisiones informada.

Pasos que seguí:

Paso 1: haga una lista de lo que necesita aprender
Paso 2: encuentre buenos recursos
Paso 3: comience con algunas cosas básicas
Paso 4: aprenda git y GitHub juntos
Paso 5: siga practicando
Paso 6: Escribe una publicación de blog cada vez que aprendas algo.

Recursos:

para excel

1. Centro de formación de Microsoft Excel:https://support.microsoft.com/en-us/excel/training-6bcf197b-5a6e-41ac-af8e-eda3e44f0fb7
2. Excel Fácil:https://www.excel-easy.com/
3. Campus Excel:https://www.excelcampus.com/
4. ExcelJet:https://exceljet.net/
5. Chandoo.org:https://chandoo.org/wp/excel-tutorial/

1. SQLBolt (https://sqlbolt.com/) — Tutoriales interactivos de SQL con ejercicios
2. Tutorial SQL de análisis de modo (https://mode.com/sql-tutorial/) — Un completo tutorial de SQL con ejemplos interactivos
3. Tutorial SQL de W3Schools (https://www.w3schools.com/sql/) — Un tutorial de SQL para principiantes con ejemplos interactivos y cuestionarios
4. Cursos de SQL de Udemy (https://www.udemy.com/topic/sql/) — Una colección de cursos en línea sobre SQL para todos los niveles de estudiantes
5. Cursos SQL de Coursera (https://www.coursera.org/courses?query=sql) — Una colección de cursos en línea sobre SQL ofrecidos por universidades e instituciones
6. Curso SQL de Khan Academy (https://www.khanacademy.org/computing/computer-programming/sql) — Un curso gratuito de SQL en línea para principiantes con ejercicios interactivos y cuestionarios.

1. Python.org —https://www.python.org/about/gettingstarted/
2. Codecademia —https://www.codecademy.com/learn/learn-python
3. Udemy —https://www.udemy.com/topic/python/
4. Coursera —https://www.coursera.org/courses?query=python
5. edX-https://www.edx.org/learn/python
6. SoloAprende —https://www.sololearn.com/Course/Python/
7. Joviano —https://jovian.com/learn/data-analysis-with-python-zero-to-pandas(Seguí esto principalmente en la fase inicial. Un curso claro)
8. Muchos videos con una descripción detallada.https://www.youtube.com/@robmulla

1. Curso de aprendizaje automático de Coursera por Andrew Ng:https://www.coursera.org/learn/machine-learning
2. Fundamentos del aprendizaje automático de edX:https://www.edx.org/course/machine-learning-fundamentals-3
3. Tutoriales de aprendizaje automático de Kaggle:https://www.kaggle.com/learn/machine-learning
4. Curso intensivo de aprendizaje automático de Google:https://developers.google.com/machine-learning/crash-course
5. Curso de aprendizaje automático CS229 de la Universidad de Stanford:https://see.stanford.edu/Course/CS229
6. Un curso gratuito proporcionado por Jovian sobre aprendizaje automáticohttps://jovian.com/learn/machine-learning-with-python-zero-to-gbms( Tutorial maravilloso )

1. https://bit.ly/3eAyBbN
2. https://youtu.be/j09EQ-xlh88

Estadísticas

poder bi

Seguí el siguiente enlace para entender los fundamentos.https://youtube.com/watch?v=H84UJn1CiWo&feature=shares

Para hoja de ruta:

También puedes seguirhttps://youtube.com/watch?v=wPqnSfeP1JM&feature=sharespara la hoja de ruta del joviano.

Estos son solo algunos recursos que les he dado. También hay muchos cursos gratuitos disponibles en YouTube. Sin embargo, es importante tener claro qué es lo que quieres aprender y qué temas son importantes. Trate de no desviarse de su plan original. Comencé a aprender primero EXCEL y luego pasé a SQL y luego a Python y ahora estoy aprendiendo algoritmos de aprendizaje automático. He agregado mis cuadernos de Python de estos cursos a mis repositorios de Github, que se pueden encontrar enhttps://github.com/arunsinp.

Estado actual

Todos estos detalles están disponibles en mi repositorio de Github.

• Para pitón:https://github.com/arunsinp/Python-programming(Todos mis cuadernos y algunos de los ejemplos, cuadernos relacionados con el análisis exploratorio de datos están aquí en este repositorio)
• Para el aprendizaje automático:https://github.com/arunsinp/Machine-Learning(Todavía aprendiendo y pasando por algunos algoritmos relacionados con las finanzas y el sector espacial y de defensa).
• Para SQL:https://github.com/arunsinp/database-PostgreSQL, yhttps://github.com/arunsinp/SQL-data-analytics
• Para Git y GitHub:https://github.com/arunsinp/Learning-git