17.Capitulo 2 : Listas | Ciencia de datos desde cero con Python

Lección 18 de 4441%

Sigue así. Cada lección te acerca más a tu certificado.

Sobre esta lección

En este video veremos el manejo de listas en Python, las cuales son una de las estructuras de datos mas utilizadas en el propio lenguaje; pero las bases del ¿Cómo funciona?, nos sirven para librerías como Numpy, ya que en este video tratamos los temas de: ✔ ¿Cómo definir una lista en Python? ✔ ¿Cómo acceder (get) a los elementos de una lista en Python? ✔ ¿Cómo cambiar (set) elementos de una lista en Python? ✔ ¿Cómo acceder o cambiar elementos de una lista con índices negativos en Python? ✔ ¿Qué es la mutabilidad e inmutabilidad en Python? ✔ ¿Qué son los slices (segmentos, porciones) en Python? ✔ ¿Cómo obtener slices (segmentos, porciones) de una lista en Python? ✔ ¿Qué es y para qué sirve el operador in en Python? ✔ ¿Cómo desempaquetar elementos de una lista y añadirla a variables? ☕​Donaciones desde $5.00 : https://ko-fi.com/elbolisoftw ---Link de las practicas en archivo .ipynb del curso 📂http://bit.ly/3VwQmVF ---Links de los recursos en GitHub 📜Data science from scratch (códigos de ejemplo): http://bit.ly/3GPw2L5 --Links para compra y preview del libro 📕​ Data science from scratch (Libro): https://amzn.to/3gFH3E7 📖​ Tabla de contenido y preview del libro:http://bit.ly/3gHGz0h --Link canal de odysee 🌐​Canal de odysee: https://odysee.com/@el_boli:9 #python #datascience #list #listinpython #education #vscode #jupyternotebook #ipython #tutorial #tutorialparainiciantes ► Musica de fondo Music Info: The Inspired Business Technology by RomanSenykMusic. Music Link: https://www.youtube.com/watch?v=EVHIluYlBvA&t=0s

Sobre este curso

Vemos de manera practica punto por punto cada capitulo, realizando los ejercicios y explicando cada detalle usando como guía el libro Data Science From Scratch del autor Joel Grus

Lección 18 de 44Nivel: principianteDuración total: 11h 17m

Lo que aprenderás en este curso:

  • Comprender el proceso completo de análisis de datos
  • Recopilar, limpiar y transformar conjuntos de datos
  • Crear visualizaciones de datos informativas y atractivas
  • Aplicar estadística descriptiva e inferencial