¡Camino a una educación autodidacta en Data Science!
- De qué trata esto
- Conviértete en un estudiante de Data Science Research Perú
- Motivación y Preparación
- Currícula
- Cómo usar esta guía
- Cómo contribuir
Esto es un camino sólido para aquellos que desean completar un curso de Ciencia de datos en su propio tiempo, con cursos de las mejores universidades en el mundo. En nuestro plan de estudios, damos preferencia a los cursos de estilo MOOC (Massive Open Online Course) porque estos cursos se crearon teniendo en cuenta nuestro estilo de aprendizaje.
Pueden enviarnos sugerencias y unirse a nuestros grupos de WhatsApp mediante los siguientes enlaces:
[Recomendado] Si deseas contactarte con nuestro responsable, puedes escribirle al Whatsapp.
Aquí hay dos enlaces interesantes que pueden marcar toda la diferencia en su viaje.
-
El primero es un video motivacional que muestra a un chico que pasó por el "Desafío MIT", que consiste en aprender todo el currículo MIT de 4 años para Ciencias de la Computación en 1 año.
-
El segundo enlace es un MOOC que le enseñará técnicas de aprendizaje utilizadas por expertos en arte, música, literatura, matemáticas, ciencias, deportes y muchas otras disciplinas. Estas son habilidades fundamentales para tener éxito.
-
El tercer enlace es un vídeo sobre
100motivos para estudiar Informática. Repasa las razones fascinantes para aprender Ciencias de la Computación y toda lo emocionante que implica más allá de una demanda laboral en crecimiento.
¿Estás listo para empezar?
- --Contenido
- --De qué trata esto
- --Conviértete en un estudiante de Data Science Research Perú
- --Motivación y Preparación
- --Currícula
- --Cursos de Computer Science con videos
- --Álgebra Lineal
- --Cálculo de una variable
- --Cálculo multivariable
- --Base de Datos
- --Probabilidad y Estadística
- --Python
- --Introducción a la Ciencia de Datos (Data Science)
- --Introducción a la Ciencia de la Computación (Computer Science)
- --Aprendizaje de Máquina y Minería de Datos (Machine Learning & Data Mining)
- --Manipulación y recuperación de datos
- --Data Science Tools & Methods
- --Especialización
- --Cómo usar esta guía
- --Cómo contribuir
- Créditos
Usamos una copia de este Repo en el cual puedes encontrar muchos videos relacionados a Inteligencia Artificial, base de datos, machine learning, matemáticas y más. Si te animas puedes dejar tu Pull Request en este link Aquí.
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Esencia del Álgebra Lineal | 1 semana | 4 horas/semana | YouTube |
| Khan Academy: Álgebra Lineal | - semana | - horas/semana | Khan Academy |
| Álgebra Lineal - Fundamentos | 15 semanas | 8 horas/semana | Edx |
| Álgebra Lineal - Avanzado | 15 semanas | 8 horas/semana | Edx |
| Álgebra 2021 MIT | 12 semanas | 4 horas/semana | MITOpenCourse |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Khan Academy: Precálculo | - semanas | - horas/semana | Khan Academy |
| Cálculo 1A: Diferenciación | 13 semanas | 6-10 horas/semana | Edx |
| Cálculo 1B: Integración | 13 semanas | 5-10 horas/semana | Edx |
| Cálculo 1C: Sistemas de coordenadas y series infinitas | 13 semanas | 6-10 horas/semana | Edx |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Khan Academy: Cálculo multivariable | - semanas | - horas/semana | Khan Academy |
| MIT Cálculo multivariable | 15 semanas | 8 horas/semana | MIT |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Database Management Essentials | 4 semanas | 8-10 horas/semana | Coursera |
| Data Warehouse Concepts, Design, and Data Integration | 3 semanas | 8-10 horas/semana | Coursera |
| Relational Database Support for Data Warehouses | 3 semanas | 8-10 horas/semana | Coursera |
| Business Intelligence Concepts, Tools, and Applications | 3 semanas | 8-10 horas/semana | Coursera |
| Design and Build a Data Warehouse for Business Intelligence Implementation | 3 semanas | 8-10 horas/semana | Coursera |
| MongoDB for Developers Learning Path | - semanas | - horas/semana | MongoDB |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Introducción a la Probabilidad | 19 horas | - horas/semana | Harvard |
| Introducción a la Estadística Descriptiva | 19 horas | - horas/semana | Udacity |
| Introducción a la Estadística Inferencial | 19 horas | - horas/semana | Udacity |
| Conceptos básicos con Python | 19 horas | - horas/semana | DataCamp |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Python para todos | 8 semanas | 8 horas/semana | py4e |
| Introducción a Computer Science y Programación usando Python | 9 semanas | 15 horas/semana | Edx |
| Introducción al Pensamiento Computacional y Ciencia de Datos | 10 semanas | 15 horas/semana | Edx |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| ¿Qué es Ciencia de Datos (DataScience)? | 1 semana | 8-10 horas/semana | Coursera |
| Introducción a la Ciencia de Datos | 8 semanas | 10-12 horas/semana | Coursera |
Estudiantes que saben programar en Python o R pueden omitir este inciso.
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Introduction to Computer Science and Programming Using Python | 9 semanas | 14-16 horas/semana | EdX |
| Introduction to Computational Thinking and Data Science | 9 semanas | 14-16 horas/semana | EdX |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Machine Learning | 6 semanas | 8-10 horas/semana | Coursera |
| Intro to Machine Learning | 10 semanas | 8-10 horas/semana | Udacity |
| Mining Massive Datasets | 7 semanas | 5-10 horas/semana | Edx |
| Process Mining | 3 semanas | 5-10 horas/semana | Coursera |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Manipulación y recuperación de datos con MongoDB | 8 semanas | 10 horas/semana | Udacity |
| Cursos | Duración | Esfuerzo | Plataforma |
|---|---|---|---|
| Tools for Data Science | - semanas | - horas/semana | Coursera |
| Data Science Methodology | - semanas | - horas/semana | Coursera |
| Data Science: Wrangling | - semanas | - horas/semana | EdX |
¿Big Data?¿Deep Learning?¿NLP?¿Computer Vision?
Después de terminar los cursos anteriores, comience sus especializaciones en los temas que le interesan más. Puede ver una lista de especializaciones disponibles. Aquí.
Esta guía fue desarrollada para ser consumida en un enfoque lineal. ¿Qué significa esto? Que debes completar un curso a la vez.
Los cursos ya están en el orden en que debe completarse. Simplemente comience en la sección Álgebra lineal y después de terminar el primer curso, comience el siguiente.
Si el curso no está abierto, hágalo de todos modos con los recursos de la clase anterior.
¡Sí! ¡La intención es concluir todos los cursos listados aquí!
¡Puede llevar más tiempo completar todas las clases en comparación con un curso regular de Ciencias de Datos, pero podemos garantizar que su recompensa será proporcional a su motivación / dedicación!
Debes concentrarte en tu hábito y olvidarte de los objetivos. Intenta invertir 1 ~ 2 horas todos los días estudiando este plan de estudios. Si haces esto, inevitablemente terminarás este plan de estudios.
El objetivo de este repositorio es contribuir a la formación de los profesionales interesados en Ciencia de Datos e Inteligencia Artificial. Esto ayudará a incrementar los profesionales peruanos e hispanohablantes y así tener más Data Scientist, Data Engineer, Machine Learning Engineer, Data Architects y demás perfiles existentes. Puede hacer un Pull Request y agregar más contenido que crea necesario. Aquí un Tutorial
El repositorio que nos sirvió de inspiración: OSSU