VintaBytes/Ciencia-de-datos
VintaBytes/Ciencia-de-datos has 358 GitHub stars and 102 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-21 23:53 UTC. Last push 2026-11-02.
Crecimiento de estrellas medido
- in 24h
- 0
- in 7 days
- Recopilando historial
- in 15 days
- Recopilando historial
- in 1 month
- Recopilando historial
Cambios netos en períodos que se solapan, no totales diarios. Los datos no disponibles se dejan en blanco. Las estrellas indican interés, no calidad.
Acerca de
Cuadernos Colab y recursos de apoyo para aprender y enseñar programación, análisis de datos, ciencia de datos y machine learning con Python.
DatosREADME.md
OriginalCiencia de Datos con Python
Este es mi repositorio de libros, cuadernos de Google Colab y materiales educativos sobre programación, análisis de datos y Machine Learning con Python. Los contenidos están organizados en dos grandes secciones: una colección de libros de estudio y una sección con materiales de apoyo correspondientes a cursos sobre estos temas que estoy dictando o he dictado en el pasado.
El contenido del repositorio se actualiza casi a diario.
Libros y cuadernos complementarios
Cada uno de los capítulos de los libros en PDF poseen un cuaderno Jupyter complementario, con el código y ejemplos necesarios para experimentar con los conceptos expuestos.
Descargar PDF del Volumen I Introducción práctica al trabajo con datos usando Python. Ver cuadernos Colab del libro. |
Descargar PDF del Volumen II Análisis exploratorio y visualización de datos con Python Ver cuadernos Colab del libro. |
Descargar PDF del Volumen III Fundamentos de Machine Learning I Construir modelos de Machine Learning con Python. Ver cuadernos Colab del libro. |
Descargar PDF del Volumen IV Fundamentos de Machine Learning II Profundización del trabajo con modelos de Machine Learning aplicado con Python. Ver cuadernos Colab del libro. |
Versión preliminar del PDF del Volumen V Deep Learning I ¿Cómo funcionan las redes neuronales? ¿Cómo aprenden a partir de los datos? Ver cuadernos Colab del libro. |
Versión preliminar del PDF "Polars para usuarios de Pandas" Una introducción progresiva a Polars para lectores que ya trabajan con Pandas y análisis de datos en Python. Ver cuadernos Colab del libro. |
Ver la colección completa y su índice de capítulos.
Materiales de apoyo de cursos
Estos cuadernos fueron creados para acompañar cursos específicos. Algunos de ellos ya han finalizado, pero se conservan en el repositorio como material gratuito de consulta, práctica y apoyo.
| Curso | Fecha | Contenidos principales | Estado |
|---|---|---|---|
| Machine Learning con Python | 2do Semestre 2026 | Nueva cohorte, nuevos cuadernos. Versión 2.0, también incluirá preparación de datos, modelos supervisados y no supervisados, pipelines y evaluación. En el curso se trabajara con modelos de regresión, clasificación y clustering. También se incorporarán herramientas habituales del flujo de trabajo en machine learning, como partición de datos, validación cruzada, métricas de evaluación, pipelines y búsqueda de hiperparámetros. | En curso |
| Machine Learning con Python | 1er Semestre 2026 | Preparación de datos, modelos supervisados y no supervisados, pipelines y evaluación. En el curso se trabaja con modelos de regresión, clasificación y clustering. También se incorporan herramientas habituales del flujo de trabajo en machine learning, como partición de datos, validación cruzada, métricas de evaluación, pipelines y búsqueda de hiperparámetros. | Finalizado |
| Análisis de Datos con Python | 2do Semestre. 2025 | Limpieza, selección, agrupamiento, estadística descriptiva y visualización. El recorrido está orientado al trabajo exploratorio con datos usando Python. A lo largo de los cuadernos se abordan tareas habituales del análisis de datos: limpieza, selección y filtrado, agrupamiento, estadística descriptiva, visualización y construcción de dashboards simples. | Finalizado |
Cómo utilizar los cuadernos
Los archivos con extensión .ipynb pueden visualizarse directamente en GitHub o abrirse en Google Colab mediante el botón incluido al comienzo de cada cuaderno. En Colab es posible ejecutar el código, modificar los ejemplos y guardar una copia personal en Google Drive. Algunas actividades utilizan archivos ubicados en una carpeta datos.
Autor, licencia y colaboración
Los materiales fueron desarrollados por Ariel Palazzesi y se publican como parte del proyecto VintaBytes.
Explorar proyectos relacionados
Cargando…



