This repository contains the materials for the Data Science and Analytics course at Tecnológico de Monterrey. Here, you will find detailed playbooks and analyses used for the practical application of data science, covering everything from basic fundamentals to advanced predictive modeling.
For more detailed information about the master's program in Applied Artificial Intelligence, visit Master's in Applied AI.
- Module 1: Data Science Fundamentals.
- Ecosystem of Data
- Roles in Data Science
- CRISP-DM Methodology
- Business Strategy with Data Science
- Module 2: Data Storage and Retrieval Concepts.
- Introduction to Data Engineering
- Fundamentals of Databases and Data Warehouses
- Manipulation of Data
- Module 3: Data Analysis, Visualization, and Transformation.
- Exploratory Data Analysis
- Data Cleaning and Preprocessing
- Feature Engineering
- Module 4: Data Analysis Models.
- Introduction to Descriptive Models
- Introduction to Predictive Models
- Model Evaluation
- Module 5: Ethical Aspects of Data Science Professionals.
- Privacy, Security, Data Disclosure
- Algorithmic Bias
For more information on each module, please check the corresponding subdirectories.
Descripción e instrucciones en español.
Este repositorio contiene los materiales del curso de Data Science and Analytics del Tecnológico de Monterrey. Aquí encontrarás playbooks y análisis detallados que se utilizan para la aplicación práctica de la ciencia de datos, abarcando desde los fundamentos básicos hasta la creación de modelos predictivos avanzados.
Para más información detallada sobre la maestría en Inteligencia Artificial Aplicada, visita Maestría en IA Aplicada.
- Módulo 1: Fundamentos de la ciencia de datos.
- Ecosistema de datos
- Roles en ciencia de datos
- Metodología CRISP-DM
- Estrategia de negocios con ciencia de datos
- Módulo 2: Conceptos de almacenamiento y recuperación de información.
- Introducción a la ingeniería de datos
- Fundamentos de bases y almacenes de datos
- Manipulación de datos
- Módulo 3: Análisis, visualización y transformación de datos.
- Análisis exploratorio de datos
- Limpieza y preprocesamiento de datos
- Ingeniería de características
- Módulo 4: Modelos de análisis de datos.
- Introducción a modelos descriptivos
- Introducción a modelos predictivos
- Evaluación de modelos
- Módulo 5: Aspectos éticos del profesional en ciencia de datos.
- Privacidad, seguridad, divulgación de datos
- Sesgo algorítmico
Para más información sobre cada módulo, revisa los subdirectorios correspondientes.