Análisis Exploratorio de Datos

¡Bienvenidos al curso de Análisis de Datos I!

El análisis exploratorio de datos (Exploratory Data Analysis – EDA) es una de las etapas más importantes del ciclo de vida de un proyecto de ciencia de datos e inteligencia artificial. Esta etapa abarca el entendimiento, la preparación y la descripción de los datos. De esta manera, el objetivo de esta etapa no solo es determinar si los datos recibidos permiten desarrollar el objetivo de investigación planteado en el proyecto, sino que también permite tomar decisiones en la formulación de hipótesis y la elección de metodologías y modelos de estimación. En tal sentido, las principales tareas que se llevan a cabo en esta etapa son: entender la estructura general de los datos, detectar anomalías, describir las características de las variables, explorar relaciones entre ellas, formular nuevas hipótesis e identificar tipos de modelos o metodologías para analizar la información. En un proyecto de ciencia de datos e IA se plantean objetivos de investigación, pero es el análisis exploratorio de datos el que permite conocer preliminarmente si dichos objetivos pueden ser alcanzados con los datos con que se cuentan.

Modulo 1 - Entendimiento general de los datos

Notebook	Descripción	Link Colab
1.0-Basic-Clasification.ipynb	Descripción básica del flujo de tareas de un proyecto entrenamiento de un modelo de machine learning

Modulo 2 - Entender la forma de los datos

Notebook	Descripción	Link Colab
2.1-introduccion-carga-dataset-csv.ipynb	Carga y lectura de archivos CSV
2.2-merge-datasets.ipynb	Realizar un merge de datasets
2.3-merge_join-datasets.ipynb	Combinar y unir un dataset
2.4-entendimiento-delos-datos	Entender la estructura de los datos

Ejercicios Adicionales

Notebook	Descripción	Link Colab
2.2.1-carga-dataset-parquet.ipynb	Carga y lectura de archivos CSV
2.2.2-ordernar-datasets.ipynb	Ordenacion de un dataset por columnas
2.2.3-ejercicio-merge-join-US.ipynb	Ejercicio de combinacion de Dataset
2.2.4-modificar-datasets.ipynb	Modificar dataset

Quizz

Notebook	Descripción	Link Colab
2-quizz-MICE_imputation.ipynb	Quizz Modulo2	https://colab.research.google.com/github/armandoordonez/eda_couse/blob/main/2-quizz-MICE_imputation.ipynb
2-quizz_data_preparation_cleaning.ipynb	Quizz Modulo2	https://colab.research.google.com/github/armandoordonez/eda_couse/blob/main/2-quizz_data_preparation_cleaning.ipynb
imputación_y_modelado.ipynb.ipynb	Quizz Modulo 2	https://colab.research.google.com/github/armandoordonez/eda_couse/blob/main/2-quizz-imputación-y-modelado.ipynb
2-quizz-eda-clasificacion.ipynb	Quizz Modulo 2	https://colab.research.google.com/github/armandoordonez/eda_couse/blob/main/2-quizz-eda-clasificacion.ipynb
2-quizz-eda-regresion.ipynb	Quizz Modulo 2	https://colab.research.google.com/github/armandoordonez/eda_couse/blob/main/2-quizz-eda-regresion.ipynb
2-quizz-ejercicios-de-merge.ipynb	Quizz Modulo 2	https://colab.research.google.com/github/armandoordonez/eda_couse/blob/main/2-quizz-ejercicios-de-merge.ipynb

Modulo 3 - preparación de Datos

Notebook	Descripción	Link Colab
3.0-Impacto-one-hot-encoding-y-label-encoding.ipynb	Uso de One Hot Encoding y Label Encoding
3.1-Estandarizacion-Normalizacion.ipynb	Aplicación de Estandarización y Normalización
3.2-label-encoding.ipynb	Label Encoding
3.3-Loan-Prediction.ipynb	Taller de Correlaciones
3.4-Practica-Selección-de-Variables.ipynb	Selección de Variables
3.5-Pipeline-1.ipynb	Practica de Pipelines
3.6-Pipeline-2.ipynb	Practica de Pipelines
3.7-Pipeline-Linear-Regression.ipynb	Pipeline de un modelo
3.9-Pipeline-Experiment.ipynb	Pipeline usando Transformers
3.10-Taller-Data-Leakage.ipynb	Taller de Fuga de Datos

Ejercicios Adicionales

Notebook	Descripción	Link Colab
3-Imbalanced-Dataset.ipynb	Métodos para Datos Desbalanceados
3-Tutorial_Descomposición-Series-De-Tiempo.ipynb	Series de Tiempo
3-Time-Series.ipynb	Series de Tiempo
3-Regresion-Logistica.ipynb	Regresion Logistica
3-Custom-Transformers.ipynb	Uso de Transformers Personalizados
3-Column-Transformers.ipynb	Modificando Columnas con Transformers
3-Basic-Pipelines.ipynb	Tuberias de Datos Básicas
3-Basic-Pipeline-Custom.ipynb	Tuberias de Datos Personalizadas

Name		Name	Last commit message	Last commit date
Latest commit History 398 Commits
data		data
img		img
.gitignore		.gitignore
1.0-Basic-Clasification.ipynb		1.0-Basic-Clasification.ipynb
2-histograma-and-density-plot.ipynb		2-histograma-and-density-plot.ipynb
2-identificar-outliers.ipynb		2-identificar-outliers.ipynb
2-quizz-MICE_imputation.ipynb		2-quizz-MICE_imputation.ipynb
2-quizz-eda-clasificacion.ipynb		2-quizz-eda-clasificacion.ipynb
2-quizz-eda-regresion.ipynb		2-quizz-eda-regresion.ipynb
2-quizz-ejercicios-de-merge.ipynb		2-quizz-ejercicios-de-merge.ipynb
2-quizz-imputación-y-modelado.ipynb		2-quizz-imputación-y-modelado.ipynb
2-quizz_data_preparation_cleaning.ipynb		2-quizz_data_preparation_cleaning.ipynb
2.1-introduccion-carga-dataset-csv.ipynb		2.1-introduccion-carga-dataset-csv.ipynb
2.2-merge-datasets.ipynb		2.2-merge-datasets.ipynb
2.2.1-carga-dataset-parquet.ipynb		2.2.1-carga-dataset-parquet.ipynb
2.2.2-ordernar-datasets.ipynb		2.2.2-ordernar-datasets.ipynb
2.2.3-ejercicio-merge-join-US.ipynb		2.2.3-ejercicio-merge-join-US.ipynb
2.2.4-modificar-datasets.ipynb		2.2.4-modificar-datasets.ipynb
2.3-merge_join-datasets.ipynb		2.3-merge_join-datasets.ipynb
2.4-entendimiento-delos-datos.ipynb		2.4-entendimiento-delos-datos.ipynb
2.4.1-eda-cincinaty-crime-dataset-cleaning.ipynb		2.4.1-eda-cincinaty-crime-dataset-cleaning.ipynb
2.4.2-eda-maps-nyc-taxis.ipynb		2.4.2-eda-maps-nyc-taxis.ipynb
2.5-Skew_Kurtois.ipynb		2.5-Skew_Kurtois.ipynb
3-Basic-Pipeline-Custom.ipynb		3-Basic-Pipeline-Custom.ipynb
3-Basic-Pipelines.ipynb		3-Basic-Pipelines.ipynb
3-Column-Transformers.ipynb		3-Column-Transformers.ipynb
3-Custom-Transformers.ipynb		3-Custom-Transformers.ipynb
3-Data-Leakage.ipynb		3-Data-Leakage.ipynb
3-Imbalanced-Dataset.ipynb		3-Imbalanced-Dataset.ipynb
3-Regresion-Logistica.ipynb		3-Regresion-Logistica.ipynb
3-Time-Series.ipynb		3-Time-Series.ipynb
3-Tutorial_Descomposición-Series-De-Tiempo.ipynb		3-Tutorial_Descomposición-Series-De-Tiempo.ipynb
3-categorical_eda.ipynb		3-categorical_eda.ipynb
3.0-Impacto-one-hot-encoding-y-label-encoding.ipynb		3.0-Impacto-one-hot-encoding-y-label-encoding.ipynb
3.1-Estandarizacion-Normalizacion.ipynb		3.1-Estandarizacion-Normalizacion.ipynb
3.10-Taller-Data-Leakage.ipynb		3.10-Taller-Data-Leakage.ipynb
3.2-label-encoding.ipynb		3.2-label-encoding.ipynb
3.3-Loan-Prediction.ipynb		3.3-Loan-Prediction.ipynb
3.4-Practica-Selección-de-Variables.ipynb		3.4-Practica-Selección-de-Variables.ipynb
3.5-Pipeline-1.ipynb		3.5-Pipeline-1.ipynb
3.6-Pipeline-2.ipynb		3.6-Pipeline-2.ipynb
3.7-Pipeline-Linear-Regression.ipynb		3.7-Pipeline-Linear-Regression.ipynb
3.9-Pipeline-Experiment.ipynb		3.9-Pipeline-Experiment.ipynb
3_0_impacto_one_hot_encoding_y_label_encoding.ipynb		3_0_impacto_one_hot_encoding_y_label_encoding.ipynb
3_10_Taller_Data_Leakage.ipynb		3_10_Taller_Data_Leakage.ipynb
3_1_estandarizacion_normalizacion.ipynb		3_1_estandarizacion_normalizacion.ipynb
3_2_label_encoding.ipynb		3_2_label_encoding.ipynb
3_3_loan_prediction.ipynb		3_3_loan_prediction.ipynb
3_4_practica_selecci_n_de_variables.ipynb		3_4_practica_selecci_n_de_variables.ipynb
3_5_Pipeline_1.ipynb		3_5_Pipeline_1.ipynb
3_6_Pipeline_2.ipynb		3_6_Pipeline_2.ipynb
3_7_pipeline_linear_regression.ipynb		3_7_pipeline_linear_regression.ipynb
3_9_pipeline_experiment.ipynb		3_9_pipeline_experiment.ipynb
Basic_Estimators.ipynb		Basic_Estimators.ipynb
Clases.ipynb		Clases.ipynb
Clustering_imputation.ipynb		Clustering_imputation.ipynb
Comparing_scalers.ipynb		Comparing_scalers.ipynb
Cook_distance.ipynb		Cook_distance.ipynb
Data_Leakage_basic.ipynb		Data_Leakage_basic.ipynb
Data_preparation_cleaning.ipynb		Data_preparation_cleaning.ipynb
Demanda_reserva_hoteles.ipynb		Demanda_reserva_hoteles.ipynb
Feature_Selection_1.ipynb		Feature_Selection_1.ipynb
Feature_importance.ipynb		Feature_importance.ipynb
Features_selection.ipynb		Features_selection.ipynb
Features_selection2.ipynb		Features_selection2.ipynb
Fine_tune_PaliGemma_for_image.ipynb		Fine_tune_PaliGemma_for_image.ipynb
Hipervinculos.ipynb		Hipervinculos.ipynb
Impacto_nulos_performance.ipynb		Impacto_nulos_performance.ipynb
Imputación_con_Clustering.ipynb		Imputación_con_Clustering.ipynb
KDE_iris.ipynb		KDE_iris.ipynb
Knn.ipynb		Knn.ipynb
Map_normal_distribution.ipynb		Map_normal_distribution.ipynb
Missing_Value_Imputation.ipynb		Missing_Value_Imputation.ipynb
Multivariate_analysis_vehicle_dataset.ipynb		Multivariate_analysis_vehicle_dataset.ipynb
Netflix_EDA.ipynb		Netflix_EDA.ipynb
One_hot_encodign.ipynb		One_hot_encodign.ipynb
PCA_I.ipynb		PCA_I.ipynb
PCA_con_Imputación.ipynb		PCA_con_Imputación.ipynb
PCR.ipynb		PCR.ipynb
Power_transform.ipynb		Power_transform.ipynb
README.md		README.md
Reporte_cronicos_ESE_Ago_2016.xlsx		Reporte_cronicos_ESE_Ago_2016.xlsx
Taller_1.ipynb		Taller_1.ipynb
Taller_1_vino.ipynb		Taller_1_vino.ipynb
Taller_2_vino.ipynb		Taller_2_vino.ipynb
Taller_3_vino.ipynb		Taller_3_vino.ipynb
cnn_3.ipynb		cnn_3.ipynb
index		index
lr-model-version-4244.ipynb		lr-model-version-4244.ipynb
merge_join_US_exercise.ipynb		merge_join_US_exercise.ipynb
modelo_prestamo.pkl		modelo_prestamo.pkl
new_features_impacto_.ipynb		new_features_impacto_.ipynb
outliers.ipynb		outliers.ipynb
pandas_merge.ipynb		pandas_merge.ipynb
pandas_time_series_analysis.ipynb		pandas_time_series_analysis.ipynb
proyecto.ipynb		proyecto.ipynb
transformations2.ipynb		transformations2.ipynb

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

Repository files navigation

Análisis Exploratorio de Datos

Modulo 1 - Entendimiento general de los datos

Modulo 2 - Entender la forma de los datos

Ejercicios Adicionales

Quizz

Modulo 3 - preparación de Datos

Ejercicios Adicionales

About

Uh oh!

Releases

Packages

Uh oh!

Contributors 3

Uh oh!

Languages

armandoordonez/eda_couse

Folders and files

Latest commit

History

Repository files navigation

Análisis Exploratorio de Datos

Modulo 1 - Entendimiento general de los datos

Modulo 2 - Entender la forma de los datos

Ejercicios Adicionales

Quizz

Modulo 3 - preparación de Datos

Ejercicios Adicionales

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors 3

Uh oh!

Languages

Packages