Dashboard
Perfil
Facturación
Full Access
Log out
Fundamentos del Análisis de Datos con Python
Capítulo 16: Estudio de Caso 1: Análisis de Datos de Ventas
16.1 Definición del Problema
16.2 Análisis Exploratorio de Datos (EDA) y Visualización
16.3 Modelado Predictivo
Ejercicios Prácticos: Análisis de Datos de Ventas
Conclusión del Capítulo 16
Comprar libro
Capítulo 1: Introducción al Análisis de Datos y Python
1.1 Importancia del Análisis de Datos
1.2 Papel de Python en el Análisis de Datos
1.3 Visión general del proceso de análisis de datos
1.4 Ejercicios Prácticos para el Capítulo 1
Conclusión para el Capítulo 1
Capítulo 2: Introducción a Python
2.1 Instalando Python
2.2 Tu Primer Programa en Python
2.3 Variables y Tipos de Datos
2.4 Ejercicios Prácticos para el Capítulo 2
Conclusión del Capítulo 2
Cuestionario para la Parte I: Preparando el Escenario
Preguntas de Opción Múltiple
Preguntas Verdadero o Falso
Clave de Respuestas
Capítulo 3: Programación básica en Python
3.1 Estructuras de Control
3.2 Funciones y Módulos
3.3 Secuenciación de Comandos en Python
3.4 Ejercicios Prácticos Capítulo 3
Conclusión del Capítulo 3
Capítulo 4: Configuración de su entorno de análisis de datos
4.1 Instalación de Anaconda
4.2 Fundamentos de Jupyter Notebook
4.3 Git para el Control de Versiones
4.4 Ejercicios Prácticos Capítulo 4
Conclusión del Capítulo 4
Cuestionario para la Parte II: Fundamentos de Python para el Análisis de Datos
Preguntas de Opción Múltiple
Preguntas de Verdadero/Falso
Clave de Respuestas
Capítulo 5: Fundamentos de NumPy
5.1 Arrays y Matrices
5.2 Operaciones Básicas
5.3 Funciones NumPy Avanzadas
5.4 Ejercicios Prácticos para el Capítulo 5
Conclusión del Capítulo 5
Capítulo 6: Manipulación de Datos con Pandas
6.1 DataFrames y Series
6.2 Manipulación de Datos
6.3 Manejo de Datos Faltantes
6.4 Ejemplos del Mundo Real: Desafíos y Problemas en el Manejo de Datos Faltantes
6.5 Ejercicios Prácticos Capítulo 6
Capítulo 7: Visualización de datos con Matplotlib y Seaborn
7.1 Trama Básica con Matplotlib
7.2 Visualizaciones Avanzadas
7.3 Introducción a Seaborn
7.4 Ejercicios Prácticos - Capítulo 7
Conclusion del Capítulo 7
Capítulo 8: Entendiendo EDA
8.1 Importancia de EDA
8.2 Tipos de Datos
8.3 Estadísticas Descriptivas
8.4 Ejercicios Prácticos para el Capítulo 8
Conclusión del Capítulo 8
Cuestionario para la Parte III: Bibliotecas Básicas para el Análisis de Datos
Capítulo 5: Fundamentos de NumPy
Capítulo 6: Manipulación de Datos con Pandas
Capítulo 7: Visualización de Datos con Matplotlib y Seaborn
Clave de Respuestas
Capítulo 9: Preprocesamiento de Datos
9.1 Limpieza de Datos
9.2 Ingeniería de Características
9.3 Transformación de Datos
Ejercicios Prácticos: Capítulo 9
Conclusión del Capítulo 9
Capítulo 10: Análisis Exploratorio de Datos Visuales
10.1 Análisis Univariado
10.2 Análisis Bivariado
10.3 Análisis Multivariado
10.4 Ejercicios Prácticos Capítulo 10
Conclusión del Capítulo 10
Cuestionario para la Parte IV: Análisis Exploratorio de Datos (EDA)
Preguntas
Respuestas
Proyecto 1: Análisis de Reseñas de Clientes
1.1 Recolección de Datos
1.2. Limpieza de Datos
1.3. Visualización de Datos
1.4. Análisis de Sentimiento Básico
Capítulo 11: Teoría de la Probabilidad
11.1 Conceptos Básicos
11.2 Distribuciones de Probabilidad
11.3 Distribuciones de Probabilidad Especializadas
11.4 Teoría Bayesiana
11.5 Ejercicios Prácticos para el Capítulo 11
Capítulo 12: Pruebas de Hipótesis
12.1 Null and Alternative Hypotheses
12.2 Prueba t y valores p
12.3 ANOVA (Análisis de la Varianza)
Ejercicios Prácticos Capítulo 12
Conclusión del Capítulo 12
Cuestionario para la Parte V: Fundamentos Estadísticos
Capítulo 11: Teoría de la Probabilidad
Capítulo 12: Pruebas de Hipótesis
Respuestas
Capítulo 13: Introducción al Aprendizaje Automático
13.1 Tipos de Aprendizaje Automático
13.2 Algoritmos Básicos
13.3 Evaluación del Modelo
13.4 Ejercicios Prácticos Capítulo 13
Conclusión del Capítulo 13
Capítulo 14: Aprendizaje Supervisado
14.1 Regresión Lineal
14.2 Tipos de Algoritmos de Clasificación
14.3 Árboles de Decisión
14.4 Ejercicios Prácticos Capítulo 14
Conclusión del Capítulo
Capítulo 15: Aprendizaje No Supervisado
15.1 Clustering
15.2 Análisis de Componentes Principales (PCA)
15.3 Detección de Anomalías
15.4 Ejercicios Prácticos Capítulo 15
Conclusión del Capítulo 15
Quiz Parte VI: Fundamentos de Aprendizaje Automático
Capítulo 13: Introducción al Aprendizaje Automático
Capítulo 14: Aprendizaje Supervisado
Capítulo 15: Aprendizaje No Supervisado
Clave de Respuestas
Proyecto 2: Predicción de precios de casas
Declaración del Problema
Recopilación y Preprocesamiento de Datos
Ingeniería de Características
Construcción y Evaluación del Modelo
Capítulo 16: Estudio de Caso 1: Análisis de Datos de Ventas
16.1 Definición del Problema
16.2 Análisis Exploratorio de Datos (EDA) y Visualización
16.3 Modelado Predictivo
Ejercicios Prácticos: Análisis de Datos de Ventas
Conclusión del Capítulo 16
Capítulo 17: Estudio de Caso 2: Análisis de Sentimientos en Redes Sociales
17.1 Recopilación de Datos
17.2 Preprocesamiento de Texto
17.3 Análisis de Sentimientos
17.4 Ejercicios Prácticos
Conclusión del Capítulo 17
Quiz Parte VII: Estudios de Caso
Capítulo 16: Estudio de Caso 1 - Análisis de Datos de Ventas
Capítulo 17: Estudio de Caso 2 - Análisis de Sentimientos en Redes Sociales
Respuestas
Proyecto 3: Proyecto Final: Construcción de un Sistema de Recomendación
Declaración del Problema
Recolección y Preprocesamiento de Datos
Construcción del Modelo
Evaluación e Implementación
Capítulo 18: Mejores Prácticas y Consejos
18.1 Organización del Código
18.2 Documentación
You've learned this already. ✅
Click here
to view the next lesson.
Capítulo 16: Estudio de Caso 1: Análisis de Datos de Ventas
Ejercicios Prácticos: Análisis de Datos de Ventas
Ejercicios Prácticos: Análisis de Datos de Ventas
Ejercicios Prácticos: Análisis de Datos de Ventas
Ejercicios Prácticos: Análisis de Datos de Ventas
Compra este libro