Online Courses and Tutorials

Onlinecourses.tech provides you with the latest online courses information by assisting over 45,000 courses and 1 million students.

Learn programming, marketing, data science and more.

Get started today

Skip to main content

Data Analysis and Interpretation

About This Specialization Learn SAS or Python programming, expand your knowledge of analytical methods and applications, and conduct original research to inform complex decisions. The Data Analysis and Interpretation Specialization takes you from data novice to data expert in just four project-based courses. You will apply basic data science tools, including data management and visualization, modeling, and machine learning using your choice of either SAS or Python, including pandas and Scikit-learn. Throughout the Specialization, you will analyze a research question of your choice and summarize your insights. In the Capstone Project, you will use real data to address an important issue in society, and report your findings in a professional-quality report. You will have the opportunity to work with our industry partners, DRIVENDATA and The Connection. Help DRIVENDATA solve some of the world's biggest social challenges by joining one of their competitions, or help The Connection be…

Uso de técnicas estadísticas para el análisis de datos

Uso de técnicas estadísticas para el análisis de datos

About this course: Con frecuencia, en tu actividad profesional te enfrentas con la necesidad de analizar una gran cantidad de datos con el propósito de identificar si existe alguna relación entre ellos y de esta forma contar con información valiosa que te permita poder tomar una decisión. Los datos con los cuales se genera la información, además de requerir de un apropiado tratamiento, demandan también de una adecuada técnica para su análisis. En este curso serás capaz de conocer y utilizar distintas técnicas basadas en el análisis estadístico con un enfoque hacia la inteligencia de negocios (Business Intelligence), los cuales te permitirán crear modelos para mejorar la comprensión de cómo los datos se relacionan con la población subyacente, validar el modelo y emplear el análisis predictivo para evaluar escenarios factibles encaminados a orientar tus decisiones futuras. Al finalizar este curso habrás desarrollado la capacidad de utilizar distintas técnicas para la construcción y evaluación de modelos que con base en criterios de desempeño preestablecidos te permitirán aprovechar el valor de los datos. Agradecemos a Fundación Televisa por su participación en la producción de este curso; con lo cual colabora a inspirar y desarrollar el potencial de las personas, a través de su compromiso con la educación y la cultura.

Created by:   Tecnológico de Monterrey

Basic Info
Commitment4 semanas de estudio, 1-2 horas por semana
Language
Spanish
How To PassPass all graded assignments to complete the course.
User Ratings
Average User Rating 4.2See what learners said
Syllabus
WEEK 1
¿Cómo confiar en los datos?
Con frecuencia, en tu actividad profesional te enfrentas con la necesidad de analizar una gran cantidad de datos con el propósito de identificar si existe alguna relación entre ellos y de esta forma contar con información valiosa que te permita poder tomar una decisión. Los datos con los cuales se genera la información además de requerir de un apropiado tratamiento también demandan de una adecuada técnica para su análisis. En este curso serás capaz de conocer y utilizar distintas técnicas basadas en el análisis estadístico con un enfoque hacia la inteligencia de negocios (BI), los cuales te permitirán crear modelos para mejorar la comprensión de cómo los datos se relacionan con la población subyacente, validar el modelo y emplear el análisis predictivo para evaluar escenarios factibles encaminados a orientar tus decisiones futuras. Al finalizar este curso, habrás desarrollado la capacidad de utilizar distintas técnicas para la construcción y evaluación de modelos que con base en criterios de desempeño preestablecidos te permitirán aprovechar el valor de los datos.

6 videos12 readings
  1. Video: Bienvenida
  2. Video: Todos hacemos estimaciones
  3. Reading: Hacer Estimaciones Estadísticas
  4. Reading: Material Extra
  5. Video: ¿Cómo registrarse y crear una cuenta en Watson Analytics? (Exploración inicial)
  6. Reading: Metodología
  7. Reading: ¿Cómo hacer uso de un Peer-review?
  8. Reading: ¿Cómo utilizar los foros de discusión?
  9. Reading: Preguntas frecuentes
  10. Reading: Encuesta de inicio
  11. Video: Tipos de Estimaciones
  12. Reading: Ejercicios Resueltos
  13. Video: Intervalos de Confianza
  14. Reading: La estimación con intervalos de confianza
  15. Reading: Ejercicios Resueltos
  16. Video: ¿De qué depende el tamaño de la muestra?
  17. Reading: Muestreo como un requisito fundamental en las ciencias experimentales
  18. Reading: Ejercicios Resueltos
WEEK 2
¿Son válidas las suposiciones sobre mis datos?
En diversas problemáticas profesionales relacionadas con el análisis de un gran número de datos, seguramente te has encontrado en la disyuntiva de aceptar o rechazar una proposición y seguramente te gustaría tener más información para tomar tu decisión acertada; la forma de lograrlo es formular el problema a través de una prueba de hipótesis. ¿Cómo saber si una hipótesis estadística está correctamente planteada? ¿La verdad o falsedad de una hipótesis en particular se conoce con certeza sin tener que analizar a toda la población? Al finalizar este módulo serás capaz de desarrollar un procedimiento de prueba de hipótesis teniendo en cuenta el tipo de información contenida en la muestra aleatoria de la población de interés y evitar la posibilidad de llegar a una conclusión equivocada.

3 videos4 readings
  1. Video: Validación de las características de una población a través de una muestra
  2. Reading: Aplicación de las Pruebas de Hipótesis en la elección de compra de un equipo de telefonía celular
  3. Reading: Material Extra
  4. Video: Planteamiento de una prueba de hipótesis e identificación de errores Tipo I y Tipo II
  5. Reading: Material Extra
  6. Video: Pruebas de hipótesis de dos colas y de una cola
  7. Reading: Material Extra
Graded: Evaluación Sumativa
WEEK 3
Modelos de regresión
En este módulo conocerás la aplicación de uno de los modelos más populares para la toma de decisiones ya que te permite estimar el valor promedio de una variable dependiente tomando en cuenta una o más variables explicativas o bien hacer inferencias acerca de algún fenómeno del cual no conozcas aún su resultado. Los modelos de regresión pueden ser adaptados a un sinfín de aplicaciones ejecutivas. Hoy en día es mucho más fácil realizar el análisis de un gran volumen de datos gracias a que muchos paquetes estadísticos han desarrollado interfaces amigables con el usuario que le evitan realizar cálculos matemáticos y así el usuario centre su interés en el análisis. Finalmente, este módulo te ayudará a identificar elementos básicos que integran un modelo de regresión pero sobre todo te permitirán el valor de los datos para una adecuada tomar de decisiones dentro de tu organización.

4 videos6 readings
  1. Video: ¿Cómo definir y analizar la relación entre dos variables?
  2. Reading: Aplicación de la Regresión Lineal a un problema de pobreza
  3. Video: Errores más comunes en el uso de regresión y correlación
  4. Reading: Evaluación ciudadana del desempeño de la Gestión Pública Municipal
  5. Reading: Información de apoyo
  6. Reading: Material Extra
  7. Video: ¿Cómo realizar e interpretar un análisis de regresión Múltiple?
  8. Video: Tutorial: Watson Analytics
  9. Reading: La evolución de la industria automotriz en Japón
  10. Reading: Material Extra
Graded: Ejercicio de Análisis de Regresión Lineal Múltiple
Graded: Ejercicio de Análisis de Correlación
WEEK 4
Teoría de filas
Las "filas" son un aspecto típico de la vida moderna que nos encontramos continuamente en nuestras actividades cotidianas, en un banco, en un centro comercial, al abordar un avión, en un call center, etc. Este fenómeno se origina cuando tenemos la necesidad de compartir uno o más recursos, los cuales son utilizados para dar atención a un gran número de trabajadores. Las organizaciones frecuentemente deben tomar decisiones respecto a la capacidad de servicios que debe ofrecer. Sin embargo, muchas veces es imposible predecir con exactitud cuándo llegarán los clientes que demandan el servicio y/o cuánto tiempo será necesario para dar ese servicio; es por eso que esas decisiones implican dilemas que se deben de resolver con información escasa. Los modelos de filas no resuelven directamente el problema, pero generan información que se necesita para tomar las decisiones adecuadas prediciendo algunas características sobre la línea de espera: Al finalizar este módulo serás capaz de entender cómo se estructura un sistema de filas de espera y analizar el costo que implica para las organizaciones operar con recursos ociosos cuando no se analiza adecuadamente la información del número de clientes que demandan un servicio y la duración de éste.

3 videos7 readings
  1. Video: Integración y elementos de la teoría de filas
  2. Reading: ¿Cómo se analiza un sistema de filas de espera?
  3. Reading: Material Extra
  4. Video: Características Distintivas de un Modelo con Fuente Infinita
  5. Reading: Modelos de líneas de espera
  6. Reading: Material Extra
  7. Video: Características Distintivas de un Modelo con Fuente Finita
  8. Reading: El caso de la oficina de correos
  9. Reading: Material Extra
  10. Reading: Encuesta de cierrre
Graded: Quiz - Caso 1
Graded: Quiz - Caso 2
Graded: Quiz - Caso 3
How It Works
Coursework
Coursework
Each course is like an interactive textbook, featuring pre-recorded videos, quizzes and projects.
Help from Your Peers
Help from Your Peers
Connect with thousands of other learners and debate ideas, discuss course material, and get help mastering concepts.
Certificates
Certificates
Earn official recognition for your work, and share your success with friends, colleagues, and employers.
Creators
Tecnológico de Monterrey
Tecnológico de Monterrey es una de las instituciones educativas privadas sin fines de lucro más grande en Latinoamérica, con más de 98,000 estudiantes en preparatoria, licenciatura, y posgrado.


Comments

Popular posts from this blog

An Introduction to Interactive Programming in Python (Part 1)

About this course: This two-part course is designed to help students with very little or no computing background learn the basics of building simple interactive applications. Our language of choice, Python, is an easy-to learn, high-level computer language that is used in many of the computational courses offered on Coursera. To make learning Python easy, we have developed a new browser-based programming environment that makes developing interactive applications in Python simple. These applications will involve windows whose contents are graphical and respond to buttons, the keyboard and the mouse. In part 1 of this course, we will introduce the basic elements of programming (such as expressions, conditionals, and functions) and then use these elements to create simple interactive applications such as a digital stopwatch. Part 1 of this class will culminate in building a version of the classic arcade game "Pong".
Who is this class for: Recommended Background - A knowledge o…

Introduction to Data Science in Python

About this course: This course will introduce the learner to the basics of the python programming environment, including how to download and install python, expected fundamental python programming techniques, and how to find help with python programming questions. The course will also introduce data manipulation and cleaning techniques using the popular python pandas data science library and introduce the abstraction of the DataFrame as the central data structure for data analysis. The course will end with a statistics primer, showing how various statistical measures can be applied to pandas DataFrames. By the end of the course, students will be able to take tabular data, clean it,  manipulate it, and run basic inferential statistical analyses. This course should be taken before any of the other Applied Data Science with Python courses: Applied Plotting, Charting & Data Representation in Python, Applied Machine Learning in Python, Applied Text Mining in Python, Applied Social Ne…

Learn to Program and Analyze Data with Python

About This Specialization This Specialization builds on the success of the Python for Everybody course and will introduce fundamental programming concepts including data structures, networked application program interfaces, and databases, using the Python programming language. In the Capstone Project, you’ll use the technologies learned throughout the Specialization to design and create your own applications for data retrieval, processing, and visualization. Created by: 5 courses Follow the suggested order or choose your own. Projects Designed to help you practice and apply the skills you learn. Certificates Highlight your new skills on your resume or LinkedIn. Courses

Archive