Este video es invaluable, gracias por tu aporte a la humanidad con esta información, estoy seguro de que somos muchos los que agradecemos enormemente el esfuerzo que haces
Gracias me parece de mucho valor la información que nos regalas y dicho sea de paso, comparto tu vision acerca de las matemáticas, como profesional de un montón de años de trabajo puedo decir que no he tenido la necesidad de utilizar matemáticas super avanzadas para desempenar ninguno de mis roles en tecnologia el conocimiento debe ser aplicado para que genere valor.
Agradecido por este video! A pesar de que ya tenia una nocion de la ruta que debia seguir la tenia medio planificada, indudablemente que lo de algebra y calculo me sorprendio mucho pero entendiendo su "porqué" para mi tiene todo el sentido. Gracias!
Increíble video, soy Ing. Bioquímico Industrial, me dedique 10 años a la docencia y en el 2017 decidí renunciar a mi trabajo para poder estudiar una maestría en Estadística, fué muy difícil pero logré un excelente resultado, sólo que se hace énfasis en la parte académica y de investigación y muy poco en cómo aplicarlo, estoy buscando mi primer empleo en Data Science y esto me ha abierto el panorama y me deja las cosas muy claras, saludos desde México y gracias enormes.
Justo estoy haciendo un máster de Data Science, y lo que dices del álgebra me parece algo en lo que coincido. Al principio nos han metido álgebra lineal bastante a saco, y sé que lo tenemos que entender cómo funcionan los algoritmos por dentro, pero ya imaginaba que para trabajar de ello no es necesario usarlo a diario tan a nivel teórico teniendo librerías que lo hacen.
Mas bien para el big data y el empleo mas masivo de datos. La realidad es que en data sciencie, no se utilizan generalmente los volumenes de datos tan grandes que se cree. No son volumenes imposibles de manejar por un ordenador normal en procesos con Python en un tiempo razonable. Ademas de que librerias de Python de base, como Numpy, estan optimizadas y combinan C con Python (Cython). El problema de Python es y seguira siendo siempre la velocidad, pero es algo inherente a que sea un lenguaje no compilado. Se puede optimizar y se esta haciendo constantemente, pero seguramente vaya a ser siempre su punto debil
Hola, buen video. Sin embargo, discrepo sobre todo en los puntos iniciales. Yo recomendaría darle foco a los fundamentos: estadística básica, álgebra lineal y fundamentos de programación con Python. Luego de eso, todo cae por su propio peso :) Saludos
Actualmente estoy estudiando la ingeniería en línea por parte de la universidad Uk. La verdad ha sido una grata experiencia, aunque he de admitir que la carrera es increíblemente completa Y abarca muchos aspectos.
Muy buenos tíos, gracias, ya empezaré a trabajar en Python, en este momento estoy estudiando ingeniería en sistemas de software, y ya vi Calculo diferencial, estoy en Integral, y ya vi algebra! Era al ultimo, pero ya me adelanté jeje, gracias!
Esas son las bases que necesitarás para que Muchas cosas dentro de los algoritmos que uses no sean Cajas negras para ti, pero igualmente el iceberg de conocimientos de álgebra y calculo es enorme, no lo dan en una ingeniería, si quieres pasar al punto de investigador, va a tocar estudiar el triple en su momento.
@@armandopleitos1202 si, es enorme el conocimiento matemático, pero puse mucho énfasis en las matrices. Ya que entiendo que es de lo que mas se aplica en datos. El próximo cuatrimestre llevaré estadística y mas delante algoritmo, para investigar y hacer énfasis en lo mas importante, y así como comentas investigar mas profundo en los temas mas usados. Gracias por tu comentario.
@@edgrmed hay que darle caña, quizás te interese, aquí en UA-cam están las clases de linear algebra del MIT, instituto de tecnología de masachusset, están en ingles, pero UA-cam permite subtitularlos a español, también ese canal del MIT tiene de estadística, etc. Super bien explicadas y de una rigurosidad estupenda. Curso completo como si estuvieras allá viendo clases en un semestre.
Estudia física y vimos estadistica, matemáticas de sobra, programación en c++, me doy cuenta que cuando tenemos una formación en ingeniería o física podemos orientar nuestros conocimientos al área de datos y aprender las herramientas de software
muy buen video hace mucho que yo vengo estudiando lenguajes de programacion por mi cuenta pero no sabia por que ruta de todas las que hay iva a profundizar para desarrollarme laboralmente y me di cuenta de que lo que me gusta esta relacionado con la inteligencia artificial asi que decidi empezar por ciencias de datos y cuando termine de aprender python pense que devia ser un super matematico y me volque al estudio del algebra y el calculo de lleno pero lo cierto es que por empezar la estadistica es la herramienta principal que devo estudiar aprender hacer estadistica con pyton es el paso siguiente gracia por el aviso desde ahora podre estudiar las otras ramas de la matematica un ratito al dia y dedicarme a desarrollar havilidades epecificas con pyton
correcto, sacarás mucho más partido a tu tiempo si focalizas en python y estadística (y el resto de cosas priorizadas en el vídeo). No significa dejar lo otro de lado pero sí plantearlo más a medio plazo con una dedicación constante pero menor.
@@DataScienceForBusiness gracias por responder si es asi el restos de las ramas matematicas hay que desarrollarla pero con calma yo pienso que es una inteligencia que hay que estudiarla con calma y de porvida ya que es la tercera inteligencia mas importante la primera es la inteligencia emocional que sus principios son desrrollados primero con practica de ejercicios con atencionplena dando una enorme regulacion ficiologica, mental, emocional, y epigenetica que permite desarrollar la siguiente inteligencia La inteligencia linguistica que nos permite entender todo el lenguaje corporal desde las micros expreciones hasta las macroexpreciones, permitiendonos aprender lenguajes extranjero y los lenguajes hibridos como por ejemplo los de programcion la tercera es la inteligencia matematica que nos permiten entender las relaciones marematicas que estan presente y ocuriendo en todo lo que vemos y no vemos y la cuarta es la inteligencia existencial que se desrrolla con una investigacion a nivel personal partiendo desde el desarrollo personal las ciencias formales las ciencias naturales humanas y soiales devemos de entender en que nos toca colavorar con la humanidad descubrir cual es mi don lo que mas me gusta hacer y por supuesto como generar dinero con el para mantenerme y como lo uso para ayudar a resolver los desafios mas urgentes de la humanidad con estas tres se puede conocer todo lo que se pueda de una manera mas cercana a lo que es la realidad y comunicarla lo mas eficientemente posible resolbiendo de forma creativa los enorme y fantasticos desafios que hoy nos toca prensenciar te cuento que mi don mi pasion y lo que me traciende como ser humano y quiero monetizar es un enorme hambre de conocimiento que me llava a levantarme a las 3:50 de la mañana para poder saciarlo es un fuego que me quema los huezos
hace tan solo unos minutos le comentaba a mi esposa que me estaba resultando difícil establecer una curva de aprendizaje para desarrollarme como data scientist y sin querer me encontré con este video que en verdad que lo agradezco enrómemente y me ha resultado excelente en base a lo que he analizado sobre el tema a lo largo del último mes en mi búsqueda de un cambio de giro en mi vida, muy agradecido, cuenten con todos mis likes, suscripción y cualquier apoyo que esté en mis manos brindarle al canal¡¡¡
Gracias crak , soy nuevo para este mundo de la data , pero creo q antes de todo , sera dominar ingles y despues ver si me voy para data science o data analytics , yo ya tengo una carrera de business
Muy buen video como siempre. Esperamos el vídeo también de Data Analyst. Siguiendo el curso tuyo PDSM, veo que el orden es un poco diferente y se me plantea la duda de si es mejor pasar primero por el aprendizaje de ser Data Analyst, para evolucionar después a Data Scientist, parece como un camino más normal o no tiene por qué ser así?
yo no diría que más "normal" pero sí es la otra gran alternativa. Cuando hago las sesiones de orientación profesional siempre evaluamos ambas opciones. la de ir directo a data science, o la de hacerlo en dos pasos, primero data analyst, que normalmente tiene menos requisitos, y como fase 2 y tras haber conseguido un empleo como tal empezar el camino de data scientist (si se quiere).
También pueden revisar los planes de estudio de diferentes universidades, ya sea de licenciaturas o ingenierías. Por ejemplo en México dos universidades privadas ofrecen Ingeniería en Ciencia de Datos (Tec e Ibero); y las que ofrecen licenciaturas en Ciencia de Datos son UNAM, el Politécnico, Universidad del Valle y el Itam.
voy a comenzar con la ciencia de datos, como desarrollador conozco Python, use power Bi en mi especialización y en la ingeniería vi Calculo y algebra y era muy bueno con el producto punto, escalar, matrices, y obviamente la estadística, me faltaría un poco el Aws, se puede decir que tengo el 80%. Así que me voy a dedicar a eso.
la ciencia la dejamos para dentro de 2 años ;D que bonito ;D en dos años la mitad de lo que aprendimos en las demas faces sera obsoleto o a punto de estarlo ;D saludos. en mi opinion primero debes hacer algebra y calculo (todo ingeniero y ser humano deberia saberlos) identificar un problema en el que quieras trabajar buscar las herramientas necesarias ejecutarlos. estadistica ;D para hacer estadistica necesitas excel ;D saludos ;D
Hola, saludos desde Mexico. He estado aprendiendo data science pero me gustaría reforzar los conocimientos con libros, que libros me recomendaría de estadística y de matemáticas ? Saludos y excelente contenido!!🙋🏻♂️
Buenas noches, comencé recientemente en una consultora que en teoría lleva proyectos de energía, banca y telecomunicaciones principalmente. El rol principal o el título era de Data science, donde se remarcaba que conocer Python, R y algoritmos supervisados, no supervisado, y principalmente scikit learn por lo que entiendo, vendría bien para el día a día. No obstante ya sabes que en este tipo de consultoras, en partículas para los junior las rotaciones son muy elevadas y el tipo de proyectos que te pueden caer entre tus manos no depende de ti, pudiendo acabar en otros sitios donde no se empleen y puedas mejoras con casos de uso reales aplicando estas tecnologías. ¿Existen consultoras para juniors que solo tenga proyectos de data analitics? Aunque al final acabes usando powerBi y Excel, pudiendo escalar así poco a poco.
Sí, hay consultoras especializadas que solo hacen proyectos de DS, normalmente suelen ser consultoras pequeñas de nicho. También dentro de las grandes hay grupos especializados. Por ej cuando yo estuve en Accenture y en EY en mi grupo sólo hacíamos proyectos de DS. Te puede pasar que puntualmente tengas que hacer otra cosa pero luego ya hay que encauzar el tema. Cuando yo empecé hace ya 20 fiché por EY para hacer data mining (como se llamaba en aquel momento) pero en mis 2 primeros proyectos me metieron en otras cosas. Hablé con el director, me prometió que solo serían 2 proyectos y que luego ya me metería en data mining, y lo cumplió. Ya no volví a hacer otra cosa que no fuera DS. Así que sí es posible.
@@DataScienceForBusiness perfecto muchas gracias, entiendo que el punto está en saber hablarlo con el socio y que sepa al menos tus preferencias. Muchas gracias 🙏
Puedes apuntarte gratis a www.tuprimerasemana.com , que consiste en resolver un caso de uso. Después si es lo que buscas, se te presenta nuestro curso completo, que además de toda la formación teórica incluye 6 casos de uso 100% de empresa y de diferentes sectores resueltos de principio a fin.
Interesante, muy acorde a la busqueda en este año, pregunta: ¿Si tengo conocimineto previos en estadistica, R, algebra y calculos avanzados ?, la ruta disminuye en tiempo, se puede optimizar el aprendizaje de principalmte programación, machine learning para aprender data science?
Sí claro, ya tienes las bases, por tanto el tiempo disminuye significativamente. Simplemente del roadmap sáltate lo que ya sabes y céntrate en el resto.
Como data scientist, estoy de acuerdo con todo, pero por mi experiencia personal cambiaria dos cosas: -Yo creo que Tensoflow es mas importante, y el ecosistema AWS y especialmete Spark, menos importante. Tambien pondria MongoDb probablemente antes, ya que es un ejemplo de base de datos no relacional, algo a lo que no suelen estar acostumbrados a emplear aquellos que tienen una base de informatica pero nunca se han adentrado en temas profesionales. AWS es importante en cuanto a la adquisicion de datos, pero otras caracteristicas como la integracion de servicios de reconocimiento de imagenes, etc; quiza ya encajen mas en el tema de un ingeniero de datos. Tensorflow es importante ya que las empresas estan empeñadas en el uso de redes neuronales, seguramente por moda, en la mayoria de los proyectos de machine learning. Ahora mismo es una importante demanda laboral. -El tema de R o Python: realmente, R solamente tiene un ambito en el que sigue siendo mayoritario, y es la investigacion cientifica y el tratamiento estadistico en ambito cientifico-academico. Si tu planteamiento es trabajar en una farmaceutica, con estudios clinicos, probablemente R vaya a ser muy necesario. Lo mismo que si vas a aplicar la ciencia de datos a la investigacion quimica. Para cualquier otro ambito, yo creo que ni seria necesario aprender R. Yo lo aprendi en su dia a nivel basico, porque si consideraba importante saber "leer" codigo en R, es decir, saber entender que esta haciendo determinado codigo o que han hecho otros compañeros. Aun asi, no lo he usado practicamente nunca.
@@javierarrieta9573 Estoy de acuerdo con el, si. Tienes que conocer hasta cierto nivel de calculo y algebra ya cuando empiezas, pero es que me imagino que nadie entrara en esto si no tiene un nivel minimo. Ahora bien, cuando se habla de estudiar calculo y algebra especificamente para ciencia de datos... yo creo que es algo que se ha de estudiar ya en una etapa de expansion del estudio. No tiene sentido que lo estudies sin antes hacerte muy pro en el conocimiento de Python, machine learning, etc. Algebra y calculo te serviran para desarrollar tus propias metodologias, realizar estudios independientes, crear tus propias funciones y paquetes... Pero es que esto no lo vas a hacer a no ser que seas verdaderamente profesional en todo lo demas.
Lei tus recomendaciones y por experiencia, estoy muy de acuerdo contigo, Tensorflow lo piden muchisimo, aunque sea moda, Algebra y calculo, tengo amigos en el Data Science que no lo usan, lo que mas usan es estadistica en la mayoria de los casos y utilizan un conjunto muy limitado de formulas en su trabajo, yo tambien recomendaría aprender lo mas basico de Python y comenzar a usar estadisticas en el y librerias, un DS que usa Python y otro que no, se llevan mucha diferencia.
Chicos me ayudarían a decirme si una persona como yo con solo High school diploma , quiere entrar en este mundo sin tener previo conocimiento to alguno y poder trabajar después de 6 meses , soy mamá soltera y necesito generar más ingresos
@@WorldAj14 Es necesario tener una base, es algo que necesitas de fondo, pero inicialmente lo principal es que aprendas Python, y algunas herramientas relacionadas, ademas de un nivel basico del funcionamiento de bases de datos.
Buen video, usualmente los componentes de los 3 primeras capas , por lo general pueden estudiarse con cursos on line, en bootcamps o incluso YT y autoaprendizaje pero algebra y calculo, metodologias de Data science ? que cursos, paginas web o libros o que metodología recomiendas para estas herramientas ?
Buenas, primero de todo muchas gracias por los videos, se agradece la información que nos aportan a los que queremos desarrollar nuestro entorno profesional en ese ámbito. Pero me gustaría preguntar si con el grado en gestión de información y contenidos digitales se puede adquirir buena base para ser científico de datos
Muy interesante el video, respecto a los primeros 6 meses no me queda claro cómo aprender sobre los casos de usos, me podrías recomendar alguna fuente?
Muchas gracias por la información. Soy actuaria y he estado trabajando la última decada como project manager, he querido introducirme a estos proyectos pero me rechazan por falta de experiencia en los mismos. Qué perfil me recomiendas para que pueda aprender y afirmar mis solicitudes?
Con lo que me comentas te recomiendo business analyst o data analyst. puedes ver otro vídeo en este canal donde comparo los diferentes roles, su demanda, salarios, etc
Buenas, soy una persona que quiere iniciarte en la ciencia de datos, aunque no se si data science o analist, soy una persona a la que le fascina aprender y este mundo me llama mucho la atencion, además de querer reciclerme laboralmente hablando. Por lo tanto, me gustaría conocer dónde puedo impartir los cursos que específicas en cada tier. Por favor
si quieres escríbeme a isaac@datascience4business.com explicando brevemente tu perfil y objetivos y te paso la info del que mejor se ajuste de los nuestros.
Sí, pero mi enfoque no es el de cursos sueltos de herramientas, si no programas completos para data science y data analytics, con las herramientas que toquen en cada caso.
Has trabajado en el extranjero ? Veo que de manera remota hay empleo Pero yo quiero ir a EEUU a trabajar de esto. Qué tan posible es esto según tu experiencia o qué me recomiendarias para trabajar en el extranjero
el pack básico que tienes que dominar sí o sí como conocimiento core de un DS son numpy, pandas, matplotlib, seaborn y scikitlearn. luego ya en función de la tarea hay librerías adicionales para deep learning, big data, ia, text mining, etc
Hola! Yo tengo la carrera de informática y un máster en big data. He trabajado 3 años con herramientas ETLs y ahora me he ido al extranjero y no consigo encontrar trabajo como junior data scientist. Algún consejo?
Con todo lo que tienes puedes ser un perfecto Data Engineer... Algo estas haciendo mal... Tienes que observar tu punto debil en el proceso de entrevistas... Si fallas en las técnicas, o si no te llaman, puede ser tu hoja de vida que está mal constituida... Ahora, si aplicas a Data Science pues no es suficiente hacer ETL, en ese caso pues deberías aplicar para Data Engineer, de resto, el Scientist tiene si o si que conocer modelos estadísticos y predictivos, como los ciclos de entrenamiento y todo eso
Coincido con lo que te dice Fabián. La base es muy buena. A partir de ahí o te faltan otras piezas del roadmap mostrado o a lo mejor tienes que trabajar en la comunicación (cosa que es muy común en perfiles técnicos, no pienses que es culpa tuya)
No sabes lo mucho que agradezco encontrar este video! Recomiendas empezar a hacer proyectos al github desde el comienzo, o apartir de algún Tier en especifico?
En cuanto hayas aprendido una herramienta o capacidad ya debes hacer algún proyecto sobre ella. Además seguramente te darás cuenta de que no la tenías tan interiorizada como pensabas y te obligará a aterrizar todo.
Hola Isaac ¿cómo estás? soy mamá de un bebé de 1 año y 2 meses, full time. Próximamente empieza el jardín maternal, por lo que voy a disponer de 3hs por día libres. Muero por estudiar Data Science, pero con un bebé y sola se me súper complica. Quizás el jardín maternal me de la oportunidad que tanto estoy esperando. ¿Crees que puedo hacerlo en este tiempo que vos proponés? ¿O me va a demorar un poco más? Gracias y un abrazo desde Argentina!
Hola, sí lo creo. Lo importante es la constancia. Si mantienes escrupulosamente 3h al día durante 6 meses, y sigues una ruta clara y un programa estructurado y práctico, en esos 6 meses ya tendrás las capacidades para empezar a optar a puestos de DS junior. Luego como siempre digo este es un ámbito de aprendizaje sin fin, para lo bueno y para lo malo, te tiene que gustar eso.
@@DataScienceForBusiness muchas gracias por contestarme!!!! Me da energía para empezar! Tengo la prueba de 10 días en mi barra de prioridades cuando mi hijito empiece el jardín =)
Tengo 16 de los 19 y no consigo trabajo :v No se si es xq les caigo mal, o mi portafolio es feo, o si simplemente ninguno de los pocos trabajos q hay acá en mi país está dispuesto a contratar un junior
Hola excelente video, te consulto, en el video mencionas una aplicacion llamada stream lead, no estoy seguro como se escribe, me podras indicar como se escribe correctamente o donde puedo conseguir informacion al respecto, agradecido de antemano y muchas gracias por generar contenido de calidad
No son necesarias certificaciones, lo que tienes que tener es la capacidad técnica. Para ver si te puede gustar puedes apuntarte gratis al siguiente curso introductorio: www.tuprimerasemana.com
Master, cuál es la diferencia entre Business Analitics y Data Science ? No me gusta mucho la programación...supongo que me adaptaría mejor al BI. Sería genial una Hoja de Ruta en base a los ingresos anuales a nivel mundial con cada uno. Sls desde PE.
Hola, yo te agradezco de manera personal por este aporte que sin duda me ha aclarado muchos dudas. Sin embargo debo hacerte una pregunta, quiero empezar para el 2025 Esta ruta me sirve para aplicarla ? quedo atento a tu respuesta, saludos.
Los primeros 6 meses siguen aplicando sin tocar una coma. Quizá ahora modificaría el tier 2 para meter ahí deep learning y cloud. Seguramente actualizaré el vídeo en unos meses pero ese es el cambio principal.
Excelente información, gracias. Permíteme una pregunta, mencionaste a estadística a qué tipo en especial o se refiere tanto a la descriptiva como a la inferencial ? Gracias por tu respuesta. Saludos
hay un vídeo en este canal que se llama "qué estadística se necesita para data science" (o algo así, lo digo de memoria). búscalo, te orientará mucho en ese sentido.
![⚠ Alerta profesional! La IA podría ROBARTE tu puesto como Data Scientist? [Podcast]](http://i.ytimg.com/vi/8rAolDKsv_0/mqdefault.jpg)
![⚠ Alerta profesional! La IA podría ROBARTE tu puesto como Data Scientist? [Podcast]](/img/tr.png)
![Descubre las 3 CLAVES para girar a DATA SCIENCE a partir de los 40 [🎧Podcast]](http://i.ytimg.com/vi/I8jb6cCLg28/mqdefault.jpg)
Este video es invaluable, gracias por tu aporte a la humanidad con esta información, estoy seguro de que somos muchos los que agradecemos enormemente el esfuerzo que haces
gracias!
Muchas gracias por tomarte el tiempo de crear este video para orientar a los interesados en este camino 🙏
Videos que valen oro para personas que vamos a empezar desde cero. Gracias crack 👌🏼👍🏼
como te va hermano?
Que tal hermano, a un año cómo te va en este sector?
Yo estoy en 0. Como vas?
Gracias me parece de mucho valor la información que nos regalas y dicho sea de paso, comparto tu vision acerca de las matemáticas, como profesional de un montón de años de trabajo puedo decir que no he tenido la necesidad de utilizar matemáticas super avanzadas para desempenar ninguno de mis roles en tecnologia el conocimiento debe ser aplicado para que genere valor.
Agradecido por este video! A pesar de que ya tenia una nocion de la ruta que debia seguir la tenia medio planificada, indudablemente que lo de algebra y calculo me sorprendio mucho pero entendiendo su "porqué" para mi tiene todo el sentido. Gracias!
Increíble video, soy Ing. Bioquímico Industrial, me dedique 10 años a la docencia y en el 2017 decidí renunciar a mi trabajo para poder estudiar una maestría en Estadística, fué muy difícil pero logré un excelente resultado, sólo que se hace énfasis en la parte académica y de investigación y muy poco en cómo aplicarlo, estoy buscando mi primer empleo en Data Science y esto me ha abierto el panorama y me deja las cosas muy claras, saludos desde México y gracias enormes.
gracias, me alegro de que te haya servido!
muchas gracias, me has dado una idea de las tecnologías que debemos aprender y sobre todo sus prioridades.
Saludos desde México.
Que buen video, muy bien explicado y estructurado👏🏻Por favor 🙏🏻 compártenos uno para Business Analytics, muchas gracias 🙌🏻
Muchísimas gracias por compartir tu conocimiento :) Saludos desde Mexico
Gracias por tu trabajo. Ya espero el camino de business analytics. Saludos
apuntado!
Muchas gracias por el video. Estoy en la etapa de aprender Python
Justo estoy haciendo un máster de Data Science, y lo que dices del álgebra me parece algo en lo que coincido. Al principio nos han metido álgebra lineal bastante a saco, y sé que lo tenemos que entender cómo funcionan los algoritmos por dentro, pero ya imaginaba que para trabajar de ello no es necesario usarlo a diario tan a nivel teórico teniendo librerías que lo hacen.
Excelente esta ruta. Muy agradecido con el contenido que publicas.
Excelente video, empecé con SQL, terminare pronto para ir a Python. No encontraba cual es la ruta para convertirme en Data Science.
Son muy claras y muy útiles tus explicaciones.
gracias!
Muchas gracias por la info. Muy clara la ruta de aprendizaje
Muy buen video, muchas gracias por la ruta, Espero con ansias la ruta para analista de datos, gran contenido. :D
Muchas gracias muy bien explicado. En el momento estoy iniciando con excel
Buenas. Voy a iniciar con excel también, en cuál plataforma estás estudiando?
Buen video! Estaré esperando el de analista de datos!
ya está publicado!!
Ahora con la velocidad del nuevo Python 3.11 las cosas cambian radicalmente para bien en Data science. Enhorabuena 🙌. Saludos
Mas bien para el big data y el empleo mas masivo de datos. La realidad es que en data sciencie, no se utilizan generalmente los volumenes de datos tan grandes que se cree. No son volumenes imposibles de manejar por un ordenador normal en procesos con Python en un tiempo razonable. Ademas de que librerias de Python de base, como Numpy, estan optimizadas y combinan C con Python (Cython). El problema de Python es y seguira siendo siempre la velocidad, pero es algo inherente a que sea un lenguaje no compilado. Se puede optimizar y se esta haciendo constantemente, pero seguramente vaya a ser siempre su punto debil
¿Velocidad?: El paquete data.table de R
Fui uno de los que te hizo la pregunta por correo, aun no puedo permitirme adquirir tu curso, pero espero el próximo año lograrlo.
Muchisimas gracias !!! Muy valiosa informacion
Gracias Isaac por compartir! Muy clara y bien estructurada la información!
Muchísimas gracias de verdad 👍
Este video es oro!!!!
Excelente explicación Isaac, gracias por tu tiempo.
Excelente video, muchas gracias 👍👌🏿
Muchas gracias por el contenido!
Eres un crack, saludos desde chile
Hola, buen video. Sin embargo, discrepo sobre todo en los puntos iniciales. Yo recomendaría darle foco a los fundamentos: estadística básica, álgebra lineal y fundamentos de programación con Python. Luego de eso, todo cae por su propio peso :) Saludos
Muchas gracias por el vídeo!
Actualmente estoy estudiando la ingeniería en línea por parte de la universidad Uk. La verdad ha sido una grata experiencia, aunque he de admitir que la carrera es increíblemente completa Y abarca muchos aspectos.
Podrías recomendar los libros que has visto hasta ahora por favor ?, buen dia!
Ingenieria en que ?
@@arturofelipe7313 en ciencia de datos
Muy buenos tíos, gracias, ya empezaré a trabajar en Python, en este momento estoy estudiando ingeniería en sistemas de software, y ya vi Calculo diferencial, estoy en Integral, y ya vi algebra! Era al ultimo, pero ya me adelanté jeje, gracias!
Esas son las bases que necesitarás para que Muchas cosas dentro de los algoritmos que uses no sean Cajas negras para ti, pero igualmente el iceberg de conocimientos de álgebra y calculo es enorme, no lo dan en una ingeniería, si quieres pasar al punto de investigador, va a tocar estudiar el triple en su momento.
@@armandopleitos1202 si, es enorme el conocimiento matemático, pero puse mucho énfasis en las matrices. Ya que entiendo que es de lo que mas se aplica en datos. El próximo cuatrimestre llevaré estadística y mas delante algoritmo, para investigar y hacer énfasis en lo mas importante, y así como comentas investigar mas profundo en los temas mas usados. Gracias por tu comentario.
@@edgrmed hay que darle caña, quizás te interese, aquí en UA-cam están las clases de linear algebra del MIT, instituto de tecnología de masachusset, están en ingles, pero UA-cam permite subtitularlos a español, también ese canal del MIT tiene de estadística, etc. Super bien explicadas y de una rigurosidad estupenda. Curso completo como si estuvieras allá viendo clases en un semestre.
@@armandopleitos1202 excelente, si lo checaron también le estoy dando con todo al inglés, pero mientras con subtítulos! Gracias por el tip!
Estudia física y vimos estadistica, matemáticas de sobra, programación en c++, me doy cuenta que cuando tenemos una formación en ingeniería o física podemos orientar nuestros conocimientos al área de datos y aprender las herramientas de software
Excelente, muchísimas gracias
muy buen video hace mucho que yo vengo estudiando lenguajes de programacion por mi cuenta pero no sabia por que ruta de todas las que hay iva a profundizar para desarrollarme laboralmente y me di cuenta de que lo que me gusta esta relacionado con la inteligencia artificial asi que decidi empezar por ciencias de datos y cuando termine de aprender python pense que devia ser un super matematico y me volque al estudio del algebra y el calculo de lleno pero lo cierto es que por empezar la estadistica es la herramienta principal que devo estudiar aprender hacer estadistica con pyton es el paso siguiente gracia por el aviso desde ahora podre estudiar las otras ramas de la matematica un ratito al dia y dedicarme a desarrollar havilidades epecificas con pyton
correcto, sacarás mucho más partido a tu tiempo si focalizas en python y estadística (y el resto de cosas priorizadas en el vídeo). No significa dejar lo otro de lado pero sí plantearlo más a medio plazo con una dedicación constante pero menor.
@@DataScienceForBusiness gracias por responder si es asi el restos de las ramas matematicas hay que desarrollarla pero con calma yo pienso que es una inteligencia que hay que estudiarla con calma y de porvida ya que es la tercera inteligencia mas importante
la primera es la inteligencia emocional
que sus principios son desrrollados primero con practica de ejercicios con atencionplena dando una enorme regulacion ficiologica, mental, emocional, y epigenetica que permite desarrollar la siguiente inteligencia
La inteligencia linguistica que nos permite entender todo el lenguaje corporal desde las micros expreciones hasta las macroexpreciones, permitiendonos aprender lenguajes extranjero y los lenguajes hibridos como por ejemplo los de programcion
la tercera es la inteligencia matematica que nos permiten entender las relaciones marematicas que estan presente y ocuriendo en todo lo que vemos y no vemos
y la cuarta es la inteligencia existencial que se desrrolla con una investigacion a nivel personal partiendo desde el desarrollo personal las ciencias formales las ciencias naturales humanas y soiales devemos de entender en que nos toca colavorar con la humanidad descubrir cual es mi don lo que mas me gusta hacer y por supuesto como generar dinero con el para mantenerme y como lo uso para ayudar a resolver los desafios mas urgentes de la humanidad
con estas tres se puede conocer todo lo que se pueda de una manera mas cercana a lo que es la realidad y comunicarla lo mas eficientemente posible resolbiendo de forma creativa los enorme y fantasticos desafios que hoy nos toca prensenciar
te cuento que mi don mi pasion y lo que me traciende como ser humano y quiero monetizar es un enorme hambre de conocimiento que me llava a levantarme a las 3:50 de la mañana para poder saciarlo es un fuego que me quema los huezos
Realmente muy valioso!
hace tan solo unos minutos le comentaba a mi esposa que me estaba resultando difícil establecer una curva de aprendizaje para desarrollarme como data scientist y sin querer me encontré con este video que en verdad que lo agradezco enrómemente y me ha resultado excelente en base a lo que he analizado sobre el tema a lo largo del último mes en mi búsqueda de un cambio de giro en mi vida, muy agradecido, cuenten con todos mis likes, suscripción y cualquier apoyo que esté en mis manos brindarle al canal¡¡¡
Qué bueno Leonardo, pues me alegro un montón
Exelente explicación de la ruta, estoy empezando en Data Scientist. Seria de gran ayuda otro video de la ruta de Data Analytics💪💪 también
sí, la voy a hacer
Y data engineer, gracias
Gracias, espero el de analista de datos!
sí, lo haré, parece que lo estáis pidiendo bastantes
Gracias por el video, ¡saludos!
MUCHAS GRACIAS POR LA INFO
Muchas gracias por esa ruta, se que la experiencia es muy valiosa
Gracias crak , soy nuevo para este mundo de la data , pero creo q antes de todo , sera dominar ingles y despues ver si me voy para data science o data analytics , yo ya tengo una carrera de business
Muy buen video como siempre. Esperamos el vídeo también de Data Analyst. Siguiendo el curso tuyo PDSM, veo que el orden es un poco diferente y se me plantea la duda de si es mejor pasar primero por el aprendizaje de ser Data Analyst, para evolucionar después a Data Scientist, parece como un camino más normal o no tiene por qué ser así?
yo no diría que más "normal" pero sí es la otra gran alternativa. Cuando hago las sesiones de orientación profesional siempre evaluamos ambas opciones. la de ir directo a data science, o la de hacerlo en dos pasos, primero data analyst, que normalmente tiene menos requisitos, y como fase 2 y tras haber conseguido un empleo como tal empezar el camino de data scientist (si se quiere).
Excelente. Felicidades!
Muchas gracias por la información.
Gracias, que buen vídeo.
También pueden revisar los planes de estudio de diferentes universidades, ya sea de licenciaturas o ingenierías. Por ejemplo en México dos universidades privadas ofrecen Ingeniería en Ciencia de Datos (Tec e Ibero); y las que ofrecen licenciaturas en Ciencia de Datos son UNAM, el Politécnico, Universidad del Valle y el Itam.
Uvm y otras de paga pero obviamente de menor prestigio,pero mas asequible $$$.
Muchas gracias por tu video
Excelente video! '
gracias por la info.
Gracias
gracias por el video, no podria estar mas de acuerdo.
voy a comenzar con la ciencia de datos, como desarrollador conozco Python, use power Bi en mi especialización y en la ingeniería vi Calculo y algebra y era muy bueno con el producto punto, escalar, matrices, y obviamente la estadística, me faltaría un poco el Aws, se puede decir que tengo el 80%. Así que me voy a dedicar a eso.
Wao, un vídeo como este de ingeniería de datos estaría interesante 🤙🏽
Excelente video!
Super. Gracias
ansioso por el video de data analyst
El lunes sale!
Excelente video… pudieras mencionarme cual es el video que discutes qué parte de la estadística es primordial para el data science .
busca en las playlist, hay una dedicada en exclusiva a los vídeos sobre estadística
Muchas gracias
Muy buen video, alguno de ingeniero de datos después, por fa!
Like, comentar, descargar, compartír
Yo estoy trabajando como analista de datos, voy a estudiar para dar el paso para a data science
Eso pienso hacer yo también, donde lo estudiaste ? Lo estudiaste desde 0 cuánto te tomo ? Gracias de antemano
@@guilber182 ahora estoy haciendo cursos de matematica en coursera
Explicas todo muy bien, me gustaría conocer cuáles son a tu entender las capas para analista de datos
gracias, veo que la ruta de analista de datos está teniendo demanda, así que la apunto para un futuro vídeo
la ciencia la dejamos para dentro de 2 años ;D que bonito ;D
en dos años la mitad de lo que aprendimos en las demas faces sera obsoleto o a punto de estarlo ;D
saludos.
en mi opinion primero debes hacer algebra y calculo (todo ingeniero y ser humano deberia saberlos)
identificar un problema en el que quieras trabajar
buscar las herramientas necesarias
ejecutarlos.
estadistica ;D para hacer estadistica necesitas excel ;D
saludos ;D
También he pensado en eso, pero como yo ya tengo esos conocimientos de álgebra lineal, Integrales, Matemática Discreta... Me conviene estos cursos
Hola, saludos desde Mexico. He estado aprendiendo data science pero me gustaría reforzar los conocimientos con libros, que libros me recomendaría de estadística y de matemáticas ? Saludos y excelente contenido!!🙋🏻♂️
.
Buenas noches, comencé recientemente en una consultora que en teoría lleva proyectos de energía, banca y telecomunicaciones principalmente. El rol principal o el título era de Data science, donde se remarcaba que conocer Python, R y algoritmos supervisados, no supervisado, y principalmente scikit learn por lo que entiendo, vendría bien para el día a día. No obstante ya sabes que en este tipo de consultoras, en partículas para los junior las rotaciones son muy elevadas y el tipo de proyectos que te pueden caer entre tus manos no depende de ti, pudiendo acabar en otros sitios donde no se empleen y puedas mejoras con casos de uso reales aplicando estas tecnologías. ¿Existen consultoras para juniors que solo tenga proyectos de data analitics? Aunque al final acabes usando powerBi y Excel, pudiendo escalar así poco a poco.
Sí, hay consultoras especializadas que solo hacen proyectos de DS, normalmente suelen ser consultoras pequeñas de nicho. También dentro de las grandes hay grupos especializados. Por ej cuando yo estuve en Accenture y en EY en mi grupo sólo hacíamos proyectos de DS. Te puede pasar que puntualmente tengas que hacer otra cosa pero luego ya hay que encauzar el tema. Cuando yo empecé hace ya 20 fiché por EY para hacer data mining (como se llamaba en aquel momento) pero en mis 2 primeros proyectos me metieron en otras cosas. Hablé con el director, me prometió que solo serían 2 proyectos y que luego ya me metería en data mining, y lo cumplió. Ya no volví a hacer otra cosa que no fuera DS. Así que sí es posible.
@@DataScienceForBusiness perfecto muchas gracias, entiendo que el punto está en saber hablarlo con el socio y que sepa al menos tus preferencias. Muchas gracias 🙏
Pregunta de principiante, ¿qué son los proyectos de DS? ¡Gracias!@@DataScienceForBusiness
Pero para machine learning, los docentes explican muchos los algoritmos desde el entendimiento del álgebra.
Hola, muchas gracias.
19:50 Para los casos de usos donde se podría encontrar una formación?
Puedes apuntarte gratis a www.tuprimerasemana.com , que consiste en resolver un caso de uso. Después si es lo que buscas, se te presenta nuestro curso completo, que además de toda la formación teórica incluye 6 casos de uso 100% de empresa y de diferentes sectores resueltos de principio a fin.
Interesante, muy acorde a la busqueda en este año, pregunta: ¿Si tengo conocimineto previos en estadistica, R, algebra y calculos avanzados ?, la ruta disminuye en tiempo, se puede optimizar el aprendizaje de principalmte programación, machine learning para aprender data science?
Sí claro, ya tienes las bases, por tanto el tiempo disminuye significativamente. Simplemente del roadmap sáltate lo que ya sabes y céntrate en el resto.
Como data scientist, estoy de acuerdo con todo, pero por mi experiencia personal cambiaria dos cosas:
-Yo creo que Tensoflow es mas importante, y el ecosistema AWS y especialmete Spark, menos importante. Tambien pondria MongoDb probablemente antes, ya que es un ejemplo de base de datos no relacional, algo a lo que no suelen estar acostumbrados a emplear aquellos que tienen una base de informatica pero nunca se han adentrado en temas profesionales. AWS es importante en cuanto a la adquisicion de datos, pero otras caracteristicas como la integracion de servicios de reconocimiento de imagenes, etc; quiza ya encajen mas en el tema de un ingeniero de datos. Tensorflow es importante ya que las empresas estan empeñadas en el uso de redes neuronales, seguramente por moda, en la mayoria de los proyectos de machine learning. Ahora mismo es una importante demanda laboral.
-El tema de R o Python: realmente, R solamente tiene un ambito en el que sigue siendo mayoritario, y es la investigacion cientifica y el tratamiento estadistico en ambito cientifico-academico. Si tu planteamiento es trabajar en una farmaceutica, con estudios clinicos, probablemente R vaya a ser muy necesario. Lo mismo que si vas a aplicar la ciencia de datos a la investigacion quimica. Para cualquier otro ambito, yo creo que ni seria necesario aprender R. Yo lo aprendi en su dia a nivel basico, porque si consideraba importante saber "leer" codigo en R, es decir, saber entender que esta haciendo determinado codigo o que han hecho otros compañeros. Aun asi, no lo he usado practicamente nunca.
@@javierarrieta9573 Estoy de acuerdo con el, si. Tienes que conocer hasta cierto nivel de calculo y algebra ya cuando empiezas, pero es que me imagino que nadie entrara en esto si no tiene un nivel minimo. Ahora bien, cuando se habla de estudiar calculo y algebra especificamente para ciencia de datos... yo creo que es algo que se ha de estudiar ya en una etapa de expansion del estudio. No tiene sentido que lo estudies sin antes hacerte muy pro en el conocimiento de Python, machine learning, etc. Algebra y calculo te serviran para desarrollar tus propias metodologias, realizar estudios independientes, crear tus propias funciones y paquetes... Pero es que esto no lo vas a hacer a no ser que seas verdaderamente profesional en todo lo demas.
Lei tus recomendaciones y por experiencia, estoy muy de acuerdo contigo, Tensorflow lo piden muchisimo, aunque sea moda, Algebra y calculo, tengo amigos en el Data Science que no lo usan, lo que mas usan es estadistica en la mayoria de los casos y utilizan un conjunto muy limitado de formulas en su trabajo, yo tambien recomendaría aprender lo mas basico de Python y comenzar a usar estadisticas en el y librerias, un DS que usa Python y otro que no, se llevan mucha diferencia.
Chicos me ayudarían a decirme si una persona como yo con solo High school diploma , quiere entrar en este mundo sin tener previo conocimiento to alguno y poder trabajar después de 6 meses , soy mamá soltera y necesito generar más ingresos
Que piensas del cálculo y del álgebra. Quiero aprender data science. Estoy un poco confuso.
@@WorldAj14 Es necesario tener una base, es algo que necesitas de fondo, pero inicialmente lo principal es que aprendas Python, y algunas herramientas relacionadas, ademas de un nivel basico del funcionamiento de bases de datos.
Buen video, usualmente los componentes de los 3 primeras capas , por lo general pueden estudiarse con cursos on line, en bootcamps o incluso YT y autoaprendizaje pero algebra y calculo, metodologias de Data science ? que cursos, paginas web o libros o que metodología recomiendas para estas herramientas ?
Solamente estudiando ingeniería o Ciencias
Muy bueno el video, gracias. Tenes algun video que explique sobre los casos de uso?
hay un vídeo en este canal que, aunque está en la lista de big data, aplica igual para data science, se llama "casos de uso en big data"
Excelente planteamiento, gracias por compartir.
Buenas, primero de todo muchas gracias por los videos, se agradece la información que nos aportan a los que queremos desarrollar nuestro entorno profesional en ese ámbito. Pero me gustaría preguntar si con el grado en gestión de información y contenidos digitales se puede adquirir buena base para ser científico de datos
no conozco el contenido de ese grado, pero en general todo el que incluya estadística y/o programación es buena base
Muy interesante el video, respecto a los primeros 6 meses no me queda claro cómo aprender sobre los casos de usos, me podrías recomendar alguna fuente?
Es la parte más compleja. Básicamente se aprende trabajando o con formaciones muy centradas en casos como las de DS4B
Muchas gracias por la información. Soy actuaria y he estado trabajando la última decada como project manager, he querido introducirme a estos proyectos pero me rechazan por falta de experiencia en los mismos. Qué perfil me recomiendas para que pueda aprender y afirmar mis solicitudes?
Con lo que me comentas te recomiendo business analyst o data analyst. puedes ver otro vídeo en este canal donde comparo los diferentes roles, su demanda, salarios, etc
Felicidades por el video. Ojalá venga el de data engineer roadmap
Muchas gracias. Me gustaría poder trabajar junto a alguien como usted. Incluso ad honorem.
Buenas, soy una persona que quiere iniciarte en la ciencia de datos, aunque no se si data science o analist, soy una persona a la que le fascina aprender y este mundo me llama mucho la atencion, además de querer reciclerme laboralmente hablando. Por lo tanto, me gustaría conocer dónde puedo impartir los cursos que específicas en cada tier. Por favor
si quieres escríbeme a isaac@datascience4business.com explicando brevemente tu perfil y objetivos y te paso la info del que mejor se ajuste de los nuestros.
Una consulta profesor!
Usted da clases sobre cada una de estas herramientas con este mapa de trabajo en su academia??
Sí, pero mi enfoque no es el de cursos sueltos de herramientas, si no programas completos para data science y data analytics, con las herramientas que toquen en cada caso.
Has trabajado en el extranjero ?
Veo que de manera remota hay empleo
Pero yo quiero ir a EEUU a trabajar de esto. Qué tan posible es esto según tu experiencia o qué me recomiendarias para trabajar en el extranjero
Cómo se va a entender si cambias el orden de las prioridades durante todo el video?
Cuales librerías de machine learning necesito para Análisis Ciencia de datos?
el pack básico que tienes que dominar sí o sí como conocimiento core de un DS son numpy, pandas, matplotlib, seaborn y scikitlearn. luego ya en función de la tarea hay librerías adicionales para deep learning, big data, ia, text mining, etc
Hola! Yo tengo la carrera de informática y un máster en big data. He trabajado 3 años con herramientas ETLs y ahora me he ido al extranjero y no consigo encontrar trabajo como junior data scientist. Algún consejo?
Con todo lo que tienes puedes ser un perfecto Data Engineer...
Algo estas haciendo mal...
Tienes que observar tu punto debil en el proceso de entrevistas...
Si fallas en las técnicas, o si no te llaman, puede ser tu hoja de vida que está mal constituida...
Ahora, si aplicas a Data Science pues no es suficiente hacer ETL, en ese caso pues deberías aplicar para Data Engineer, de resto, el Scientist tiene si o si que conocer modelos estadísticos y predictivos, como los ciclos de entrenamiento y todo eso
Coincido con lo que te dice Fabián. La base es muy buena. A partir de ahí o te faltan otras piezas del roadmap mostrado o a lo mejor tienes que trabajar en la comunicación (cosa que es muy común en perfiles técnicos, no pienses que es culpa tuya)
Wow, tienes tremendo currículum! Podrías empezar cómo Data Engineer y luego buscar con calma de Data Scientist
Haga uno sobre ruta para ser Business Intelligence. Porfa
BI como tal no es mi especialidad :-(. Yo me centro en DA y DS que es lo que he hecho siempre y donde puedo aportar.
No sabes lo mucho que agradezco encontrar este video! Recomiendas empezar a hacer proyectos al github desde el comienzo, o apartir de algún Tier en especifico?
En cuanto hayas aprendido una herramienta o capacidad ya debes hacer algún proyecto sobre ella. Además seguramente te darás cuenta de que no la tenías tan interiorizada como pensabas y te obligará a aterrizar todo.
Hola Isaac ¿cómo estás? soy mamá de un bebé de 1 año y 2 meses, full time. Próximamente empieza el jardín maternal, por lo que voy a disponer de 3hs por día libres. Muero por estudiar Data Science, pero con un bebé y sola se me súper complica. Quizás el jardín maternal me de la oportunidad que tanto estoy esperando. ¿Crees que puedo hacerlo en este tiempo que vos proponés? ¿O me va a demorar un poco más? Gracias y un abrazo desde Argentina!
Hola, sí lo creo. Lo importante es la constancia. Si mantienes escrupulosamente 3h al día durante 6 meses, y sigues una ruta clara y un programa estructurado y práctico, en esos 6 meses ya tendrás las capacidades para empezar a optar a puestos de DS junior. Luego como siempre digo este es un ámbito de aprendizaje sin fin, para lo bueno y para lo malo, te tiene que gustar eso.
@@DataScienceForBusiness muchas gracias por contestarme!!!! Me da energía para empezar! Tengo la prueba de 10 días en mi barra de prioridades cuando mi hijito empiece el jardín =)
Tengo 16 de los 19 y no consigo trabajo :v
No se si es xq les caigo mal, o mi portafolio es feo, o si simplemente ninguno de los pocos trabajos q hay acá en mi país está dispuesto a contratar un junior
Hola excelente video, te consulto, en el video mencionas una aplicacion llamada stream lead, no estoy seguro como se escribe, me podras indicar como se escribe correctamente o donde puedo conseguir informacion al respecto, agradecido de antemano y muchas gracias por generar contenido de calidad
streamlit
Excelente información.
Donde aprender.. y para trabajar en esta profesión debo estar certificado o puedo aprender de forma autodidacta?
No son necesarias certificaciones, lo que tienes que tener es la capacidad técnica. Para ver si te puede gustar puedes apuntarte gratis al siguiente curso introductorio: www.tuprimerasemana.com
Master, cuál es la diferencia entre Business Analitics y Data Science ? No me gusta mucho la programación...supongo que me adaptaría mejor al BI. Sería genial una Hoja de Ruta en base a los ingresos anuales a nivel mundial con cada uno. Sls desde PE.
si no te gusta la programación mejor BA. En DS sí es necesaria. Puedes mirar salarios en sitios como Glassdoor
¡Isaac muchas gracias por tu ayuda!
Te pregunto..¿ es necesario tener una carrera de base para empezar con data science?
puedes buscar el podcast 5 en este canal, donde hago un monográfico sobre eso
gracias!
Hola buen día. Te haré caso. 😀
pues ya me contarás!
Una pregunta si aprendo todo esto de manera autodidacta sin la universidad, es posible que me contraten?
Buenas, que herramienta usan para colocar los iconos Gracias
Hola, yo te agradezco de manera personal por este aporte que sin duda me ha aclarado muchos dudas. Sin embargo debo hacerte una pregunta, quiero empezar para el 2025 Esta ruta me sirve para aplicarla ? quedo atento a tu respuesta, saludos.
Los primeros 6 meses siguen aplicando sin tocar una coma. Quizá ahora modificaría el tier 2 para meter ahí deep learning y cloud. Seguramente actualizaré el vídeo en unos meses pero ese es el cambio principal.
Excelente contenido, gracias por la guia
Excelente información, gracias.
Permíteme una pregunta, mencionaste a estadística a qué tipo en especial o se refiere tanto a la descriptiva como a la inferencial ?
Gracias por tu respuesta.
Saludos
hay un vídeo en este canal que se llama "qué estadística se necesita para data science" (o algo así, lo digo de memoria). búscalo, te orientará mucho en ese sentido.
@@DataScienceForBusiness Perfecto, gracias.