Saltar al contenido principal
Lima – Perú Bogotá – Colombia Cochabamba – Bolivia
Curso: Preparación y limpieza de datos para análisis | EDteam | EDteam
Escuelas / / Análisis de datos / Preparación y limpieza de datos para análisis Usa Python y Google Colab para preparar y limpiar los datos de diversas fuentes y asegura su calidad para su posterior análisis.
¿Qué aprenderás? Técnicas de preparación de datos. Los datos para el análisis vienen de diversas fuentes y, en la mayoría de los casos, con problemas de calidad (datos inválidos, datos repetidos o vacíos, formatos inconsistentes, etc). Para evitar análisis incorrectos o interpretaciones sesgadas, necesitas realizar una limpieza y transformación de los datos que garanticen su calidad para el análisis.
Ver más 108 calificaciones de 869 estudiantes Ronald Cana 11 dic 2021
Excelente curso para tomar en cuenta en futuros proyectos
Carlos Alberto Moreno 1 abr 2025
La realidad es que muchos de los conceptos que se aplican estan ubicados dentro de los estandares para la normalizacion y la construcción de una base de datos. Me gusto mucho porque me permite ampliar mucho mas mi conocimiento con respecto a los dos temas.
Wilder Jean Rosales Anguis 13 nov 2023
La explicación y el nivel de detalle abordado en cada proceso han sido buenos, aunque hubo algunos puntos que se repetían, pero en general el curso es bueno.
Luis Mendívil Bautista 26 feb 2022
Muy buen curso para aprender sobre la preparación y limpieza de datos para el análisis.
Ferran Parellada 3 feb 2025
Super curso, muy completo, totalmente recomendado. Explicaciones muy claras.
¿Para quién es este curso? Personas con perfiles similares a científicos de datos o analista de datos. Personas que trabajen con datos en su organización. ¿Qué conocimientos previos necesitas? EDteam te ayuda a dominar la tecnología con la mejor metodología en español.
Los mejores profesores de Latinoamérica Toma apuntes sin salir de tus clases Cursos, talleres y rutas de aprendizaje Opciones para ver este curso Obtén acceso de por vida solo a este curso
Obtén acceso a todos los cursos, rutas y escuelas de EDteam
1. La preparación de datos: paso esencial en el proceso de analíticaIntroducción a la analítica y al proceso de preparación de datos.
2. Recolectando e integrando los datosPrincipales fuentes de datos y cómo obtener datos de ellas.
2.1 - Introducción al módulo 1:38 2.2 - Características de los datos analíticos 6:50 2.3 - Fuentes de datos para analítica 12:36 2.4 - Catálogo de fuentes de datos 5:48 2.5 - Recopilación de datos 4:32 2.6 - Integración de datos 7:12 2.7 - Introducción a la herramienta Google Colaboratory con Python 12:37 2.8 - Ponlo en práctica con Python - Importar datos 19:59 3. Entendiendo los datos y tipos de visualizaciónUn acercamiento a los datos para comenzar su comprensión usando medidas estadísticas y distintos tipos de gráficos.
3.1 - Entendiendo el conjunto de datos a través de la exploración y visualización 2:26 3.2 - Tipos de datos: numéricos y categóricos 6:42 3.3 - Visualización de datos 5:19 3.4 - Resumir las características básicas de los datos 8:48 3.5 - Librerías para construir y visualizar gráficos con Python 4:16 3.6 - Ponlo en práctica con Python - Entendimiento de los datos y su visualización (Parte 1) 8:26 3.7 - Ponlo en práctica con Python - Entendimiento de los datos y su visualización (Parte 2) 18:25 4. Análisis exploratorio de la calidad de los datosRealizar un análisis de la calidad actual de los datos y descubrir algunas relaciones interesantes entre ellos.
4.1 - Introducción al análisis de calidad de los datos 1:08 4.2 - Análisis de tendencia central, posición y dispersión 10:23 4.3 - Perfilamiento de la calidad de los datos 7:29 4.4 - Agrupamiento de los datos 2:13 4.5 - Descubrir relaciones entre atributos 8:06 4.6 - Ponlo en práctica con Python - Analizando la calidad de los datos (Parte 1) 24:27 4.7 - Ponlo en práctica con Python - Analizando la calidad de los datos (Parte 2) 19:19 5. Resolviendo problemas de calidad sencillosRealizar la limpieza de los datos para corregir problemas de calidad sencillos.
5.1 - Técnicas para corregir los problemas de calidad de los datos 1:52 5.2 - Formato de los datos 4:23 5.3 - Tratando atributos con muchos valores iguales o muchos valores diferentes 3:45 5.4 - Tratando con datos duplicados 1:17 5.5 - Tratando con datos redundantes 1:21 5.6 - Tratando atributos no observables en la decisión 2:05 5.7 - Ponlo en práctica con Python - Datos duplicados 18:06 5.8 - Ponlo en práctica con Python - Limpieza de datos 1 16:39 6. Resolviendo problemas de calidad más complejosRealizar la limpieza de los datos para corregir problemas de calidad más complejos.
6.1 - Tratando con datos perdidos 7:35 6.2 - Tratando con datos inconsistentes 10:51 6.3 - Reducción de la dimensionalidad 8:47 6.4 - Ponlo en práctica con Python - Limpieza de datos 2 31:48 6.5 - Ponlo en práctica con Python - Reducción de Dimensiones 13:41 7. Transformando los datosEn este módulo se realizan las transformaciones necesarias para obtener la vista minable y preparar los datos para la analítica.
Ver más 7.1 - La vista minable o vista analítica de los datos 3:22 7.2 - Aplicando normalización 6:54 7.3 - Convirtiendo variables numéricas a categóricas - Discretizar 7:03 7.4 - Convirtiendo variables categóricas a numéricas - Numerizar 5:36 7.5 - Generando nuevos atributos a partir de los datos 3:48 7.6 - Manejando datos imbalanceados 5:55 7.7 - Ponlo en práctica con Python - Transformaciones 21:06 8. Ejercicio de preparación de datos en PythonPonga todo en práctica con un ejercicio integrador y un nuevo conjunto de datos.
5:26 8.2 - Conociendo los datos 17:39 8.3 - Exploración y visualización 25:47 8.4 - Limpieza de los datos 15:18 8.5 - Transformando los datos 13:19 Obten acceso completo al cursoPreparación y limpieza de datos para análisis Desbloquea solo este curso $32 USD
Conserva este curso de por vida con un único pago. Tendrás acceso completo a todos los cursos, rutas y escuelas de EDteam *Incluye todos los beneficios por comprar el curso
