Menciono algunos tutoriales gratuitos en línea junto con los pasos que he planeado para aprender Python para Data Science y Machine Learning y aprender Python para Data science y ML no es Rocket science. También he proporcionado recursos desde donde puedes aprender Python. Puede comenzar el formulario de aprendizaje aquí para Tutoriales de aprendizaje automático, inteligencia artificial y minería de datos. Por ahora comencemos a aprender Python con Data Science.
Paso 1 – Comience por aprender los conceptos básicos
Le recomiendo que consulte este Tutorial de Python para presentarse con Python y luego prepararse con los siguientes temas:
- ¿Cómo funciona Duolingo desde el punto de vista de un programador?
- ¿Cuál es una mejor herramienta para aprender para análisis visual-Tableau o SAS? Teniendo en cuenta la facilidad, la complejidad y las perspectivas laborales.
- ¿Cuál es un buen método para encontrar series de tiempo crecientes o caracterizar la pendiente de una serie de tiempo?
- ¿Qué es Big Data y por qué es importante?
- ¿Cómo se relaciona la minería de datos con la inteligencia artificial?
Operadores de Python
Funciones de Python
Comprensiones de Python
Listas de Python
Tuplas de pitón
Directorio de Python y comprensión del diccionario
Toma de decisiones en Python
Bucles en Python
Paso 2 – Configura tu computadora
Recomiendo Annaconda para prepararse para Data Science. Annaconda es una distribución de código abierto para Python y R para procesamiento de datos a gran escala, computación científica y análisis predictivo. También puede descargar Annaconda desde Inicio. Tiene todo lo que necesita para aprender Python para Data Science y Machine Learning.
Paso 3 – Aprenda Regex (expresión regular)
Si tiene que lidiar con datos textuales, regex será útil con la limpieza de datos. Es un proceso de detección y recopilación de errores corruptos de registros de un conjunto de registros, base de datos o tabla. Identifica partes de datos inexactas, incorrectas, incompletas e irrelevantes y las modifica, reemplaza o elimina.
Paso 4: bibliotecas esenciales para Data Science y ML
Una biblioteca es en realidad un conjunto de funciones y objetos preexistentes que pueden importarse a su script para ahorrar tiempo y esfuerzos.
a. Numpy
si. Pands
C. Scipy
re. Matplotlib
mi. scikit-learn
F. Seaborn
Paso 5 – Comienza a hacer proyectos con más aprendizaje
Crea algo real en Python. Cometerá errores, se atascará muchas veces, pero gradualmente encontrará formas de salir de sus problemas. En el viaje de encontrar respuestas a sus consultas, aprenderá cosas nuevas y aquí comenzará el verdadero aprendizaje.
Comience tomando los Problemas y Programas que están disponibles en la web y luego puede diseñar su propio problema.
Y solo practica y serás más perfecto todos los días.
Si esta respuesta fue útil, UPVOTE y puede seguir mi cuenta para obtener más respuestas sobre Data Science.
TODO LO MEJOR…