Introducción: código como datos
¡Esto es Python avanzado para ciencia de datos!
Hoy en día, la mayoría de las personas ingresan al mundo de la ciencia de datos a través del entusiasmo y el atractivo de la «IA». Afrontamos los desafíos de Kaggle, consumimos vorazmente Stack Overflow y comemos, vivimos y respiramos a través de Jupyter Notebook. Python, junto con su “aplicación excelente” de aprendizaje automático, ha hecho nada menos que revolucionar la forma en que “hacemos ciencia de datos”, ¡y el mundo es un lugar más interesante gracias a ello!
La mayoría de las veces, su impacto como científico de datos está limitado por su capacidad para implementar sus ideas, no por las ideas en sí. Puede entrenar un modelo con datos «limpios» utilizando Scikit Learn o FastAI, o ejecutar un ANOVA en un cuaderno. Poner en práctica esa idea significa llegar a los datos en primer lugar. Significa saber cómo almacenarlo. Significa procesar sus datos a escala. Significa ejecutar su script de procesamiento de manera confiable todos los días con datos nuevos. Significa probar ese guión. Significa colaborar en ese guión con un compañero de trabajo (o 10) a medida que el proyecto crece. Significa seleccionar una biblioteca y crear herramientas para resolver el mismo problema para 5 proyectos nuevos. Significa empaquetar un modelo para su distribución: compartirlo con otro científico de datos o implementarlo como un servicio.
Significa cambiar su forma de pensar sobre los problemas adoptando nuevos paradigmas que lo aceleren a usted (y a su trabajo) en toda su organización. Significa construir un enfoque para la ciencia de datos dentro del ecosistema Python más amplio.
Este es un curso sobre cómo ser un programador avanzado de ciencia de datos, aprovechando herramientas y técnicas del ecosistema más amplio de Python. En este curso introductorio de la serie Python avanzado para MLOps y ciencia de datos, le presentaremos el concepto HEROS y nos centraremos en los niveles superiores de codificación.
Aprenderá cómo tratar su código como datos, que es una de las formas más importantes de aprovechar los niveles superiores de codificación, y comprenderá por qué el código repetitivo es una buena oportunidad para refactorizarlo en dos partes: la parte puramente «lógica» de su código. y los detalles – o “datos”. Luego profundizaremos en ejemplos del mundo real y veremos cómo podemos producir muchos resultados diferentes, ya sean informes, análisis o modelos, con solo unas pocas líneas de código lógico.
Entonces, ¿estás listo para dar el siguiente paso en el viaje de MLOps y Python avanzado para la ciencia de datos?
¡Abróchese el cinturón y comencemos a codificar!
Este curso se encuentra disponible de manera gratuita sin necesidad de ningún cupón, a través de la opción “GRATIS”.
Te recomendamos primero leer las diferencias entre un curso gratis y uno de pago para evitar malentendidos:
Cursos gratuitos
- Contenido de vídeo en línea
Cursos de pago
- Contenido de vídeo en línea
- Certificado de finalización
- Preguntas y respuestas de los instructores
- Mensaje directo para el instructor
Aunque los cursos son colocados de manera gratuita, es posible que el autor del curso pueda cambiarlos a modalidad de pago, por lo cual te recomendamos revisar muy bien las características del curso.