1. Conocimientos actuales de Python
1.1. Poseo conocimientos muy básicos pero tengo la disposición para aprender y utilizarlo en el análisis de datos
1.2. Instalación de IDE
1.2.1. Anaconda
1.2.2. Jupyter
1.3. Programación básica con código
1.3.1. Variables
1.3.2. Comandos básicos
1.3.3. Print e input
1.3.4. Cadenas y entrada de datos
1.3.5. Operadores
1.3.6. Ciclos
1.3.7. Funciones
1.3.8. Clases
1.3.9. Objetos
2. Comprensión actual sobre la recolección de datos
2.1. Aunque mi conocimiento es muy básico, lo concibo como las técnicas para el tratamiento de los datos que permiten generar predicciones al momento de obtenerlo, filtrarlos o limpiarlos y transformarlos en resultados que conducen a generar resultados óptimos en problemas de todas las disciplinas
2.1.1. Se requieren conocimientos básicos en matemáticas y estadística para analizar los datos
2.1.1.1. Álgebra lineal
2.1.1.1.1. Teoría de vectores y matrices
2.1.1.2. Cálculo
2.1.1.2.1. Derivadas
2.1.1.2.2. Ecuaciones diferenciales
2.1.1.2.3. Integrales
2.1.1.2.4. Series
2.1.1.3. Estadística
2.1.1.3.1. Estadísticas descriptiva
2.1.1.3.2. Distribuciones
2.1.1.3.3. Histograma y gráficos de dispersión
2.1.1.3.4. Intervalos de confianza y pruebas de hipótesis
2.1.1.3.5. Tipos de errores y pruebas de significancia
2.1.1.3.6. Probabilidad
3. Cómo definen y comprenden el análisis de datos
3.1. Recolección de datos
3.1.1. Selenium
3.1.2. Scrapy
3.2. Análisis de datos (limpiar la data)
3.2.1. Numpty
3.2.2. Pandas
3.3. Visualización de datos
3.3.1. Matplotlib
3.4. Desarrollo del modelo (Machine Learning)
3.4.1. Scikit learn
3.4.2. Tensorflow
3.5. SQL
3.5.1. Conceptos básicos y datos relacionales
3.5.1.1. Sentencias
3.5.1.1.1. DDL
3.5.1.1.2. DML
3.5.1.1.3. DCL
3.5.1.1.4. TCL
3.5.1.2. Cómo hacer JOINS
3.6. Visualización de datos
3.6.1. EDA
3.6.1.1. Gráficos de cajas y dispersión
4. Aplicaciones y beneficios de Python en la ciencia de datos
4.1. Facilidad de programación para el análisis de datos
4.1.1. Detección de SPAM en emails
4.1.2. Detención de fraudes en tarjetas de crédito
4.1.3. Recomendación de películas
4.1.4. Costumer chum