Esto es un camino sólido para aquellos que desean completar un curso de Ciencia de Datos a su propio ritmo, con cursos de las mejores universidades del mundo.
En el siguiente plan de estudios, se da preferencia a los cursos de estilo MOOC (Massive Open Online Course) porque son cursos creados para personas autodidactas.
Introducción y motivación
Antes de introducirte en toda la gran lista de recursos que indicados pueden ser útiles para lograr tu objetivo, me gustaría dejarte 3 enlaces interesantes que pueden marcar la diferencia.
El primero, es un video motivacional que muestra a un chico que pasó por el “Desafío MIT” consistente en aprender todo el currículo MIT de 4 años para la Ciencias de la Computación en 1 solo año.
RETO MIT DE CIENCIAS DE LA COMPUTACIÓN
El segundo, es un enlace a un MOOC que te enseña técnicas de aprendizaje utilizadas por expertos del campo de las artes, la música, la literatura, las matemáticas, las ciencias, el deportes y muchas otras disciplinas.
En este curso se aprenden las habilidades fundamentales para lograr alcanzar el éxito en nuestros objetivos.
El tercer enlace, trata de un vídeo sobre 100 motivos por los que merece la pena estudiar Informática.
En el se repasan todas las razones fascinantes por las que aprende ciencias de la computación te va a merecer la pena, más lejos de la gran demanda laboral existente.
100 MOTIVOS PARA ESTUDIAR INFORMÁTICA
¿Qué cursos de Ciencia de Datos debo elegir?
Se han seleccionado algunos de los mejores videos relacionados con la inteligencia artificial, las base de datos, el machine learning, las matemáticas, etc.
Recuerda
- Visita ¿Cómo aprender Python? + Librerías + Editores + Diccionario, si quieres comenzar con Python.
- En este enlace puedes encontrar otras rutas de aprendizaje relacionadas con la programación.
- Si quieres cursos en español, puedes revisar en los cursos de Python y R o entre los mejores cursos de inteligencia artificial.
- Puedes encontrar hasta 200 cursos sobre aprendizaje automático y revisar la academia de IBM para encontrar más opciones de formación.
- La gran mayoría de recursos que vas a encontrar a continuación, son en inglés.
- A pesar de eso, muchos de los cursos de Coursera si incluyen la posibilidad de ser realizados con subtítulos en español.
Mejores Cursos Gratis de Inteligencia Artificial (Machine Learning y Deep Learning)
Ahora sí, vamos con la lista de cursos de ciencia de datos seleccionados para esta ruta de aprendizaje.
Cursos de álgebra lineal
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Esencia del Algebra Lineal | 1 semana | 4 horas/semana | YouTube |
| Algebra Lineal – Fundamentos | 15 semanas | 8 horas/semana | Edx |
| Algebra Lineal – Avanzado | 15 semanas | 8 horas/semana | Edx |
| Aplicaciones de Álgebra Lineal Part 1 | 5 semanas | 4 horas/semana | Edx |
| Aplicaciones de Álgebra Lineal Part 2 | 4 semanas | 5 horas/semana | Edx |
Cursos de Cálculo
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Cálculos 1A: Diferenciación | 13 semanas | 6-10 horas/semana | Edx |
| Cálculos 1B: Integración | 13 semanas | 5-10 horas/semana | Edx |
| Cálculo 1C: Sistemas de coordenadas y series infinitas | 13 semanas | 6-10 horas/semana | Edx |
Cursos de Cálculo Multivariable
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| MIT Cálculo multivariable | 15 semanas | 8 horas/semana | MIT |
Cursos de Base de Datos
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Database Management Essentials | 4 semanas | 8-10 horas/semana | Cousera |
| Data Warehouse Concepts, Design, and Data Integration | 3 semanas | 8-10 horas/semana | Cousera |
| Relational Database Support for Data Warehouses | 3 semanas | 8-10 horas/semana | Cousera |
| Business Intelligence Concepts, Tools, and Applications | 3 semanas | 8-10 horas/semana | Cousera |
| Design and Build a Data Warehouse for Business Intelligence Implementation | 3 semanas | 8-10 horas/semana | Cousera |
| MongoDB for Developers Learning Path | – semanas | – horas/semana | MongoDB |
Cursos de Probabilidad y Estadística
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Introducción a la Probabilidad | 19 horas | – horas/semana | Harvard |
| Introducción a la Estadística Descriptiva | 19 horas | – horas/semana | Udacity |
| Introducción a la Estadística Inferencial | 19 horas | – horas/semana | Udacity |
| Conceptos básicos con Python | 19 horas | – horas/semana | DataCamp |
Cursos de Python
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Introducción a Computer Science y Programación usando Python | 9 semanas | 15 horas/semana | Edx |
| Introducción al Pensamiento Computacional y Ciencia de Datos | 10 semanas | 15 horas/semana | Edx |
Cursos de R
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Programa especializado Data Science: Foundations using R | 4 meses | 6 horas/semana | Coursera |
| Programación R | 2 semanas | 10 horas/semana | Coursera |
| Programa especializado Statistics with R | 7 meses | 5 horas/semana | Coursera |
| Introducción a Data Science: Programación Estadística con R | 4 semanas | 3-5 horas/semana | Coursera |
Cursos de Introducción a la Ciencia de Datos (Data Science)
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| ¿Qué es Ciencia de Datos (DataScience)? | 1 semanas | 8-10 horas/semana | Coursera |
| Introducción a la Ciencia de Datos | 8 semanas | 10-12 horas/semana | Coursera |
Cursos de Introducción a la Ciencia de la Computación (Computer Science)
Estudiantes que saben programar en Python o R pueden omitir este inciso.
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Introduction to Computer Science and Programming Using Python | 9 semanas | 14-16 horas/semana | EdX |
| Introduction to Computational Thinking and Data Science | 9 semanas | 14-16 horas/semana | EdX |
Cursos Aprendizaje de Máquina y Minería de Datos (Machine Learning & Data Mining)
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Machine Learning | 6 semanas | 8-10 horas/semana | Coursera |
| Intro to Machine Learning | 10 semanas | 8-10 horas/semana | Udacity |
| Mining Massive Datasets | 7 semanas | 5-10 horas/semana | Edx |
| Process Mining | 3 semanas | 5-10 horas/semana | Coursera |
Cursos de manipulación y recuperación de datos
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Manipulación y recuperación de datos con MongoDB | 8 semanas | 10 horas/semana | Udacity |
Cursos de Data Science Tools & Methods
| CURSOS | DURACIÓN | ESFUERZO | PLATAFORMA |
|---|---|---|---|
| Tools for Data Science | – semanas | – horas/semana | Coursera |
| Data Science Methodology | – semanas | – horas/semana | Coursera |
| Data Science: Wrangling | – semanas | – horas/semana | EdX |
¿Cómo debo seguir esta hoja de ruta?
Esta guía fue desarrollada para ser consumida en un enfoque lineal. ¿Qué significa esto? Que debes completar un curso a la vez.
Los cursos ya están en el orden en que debe completarse. Simplemente comience en la sección Álgebra lineal y después de terminar el primer curso, comience el siguiente.
Si el curso no está abierto, puedes hacerlo igualmente con los recursos de la clase anterior.
¿Debería realizar todos los cursos?
Si! ¡La intención de implentar una hoja de ruta es lograr el máximo conocimiento posible para estar lo mejor formado de cara a lograr un puesto en el mercado laboral.
Dicho esto, no existe duda de que cuanto más formación, más posibilidades vas a poder tener de cara a encontrar un trabajo.
¿Cuánto tiempo voy a tardar en estudiar todo?
¡Puede llevarte mucho tiempo completar todas las clases en comparación con un curso sencillo de Ciencias de Datos, pero se puede garantizar que la recompensa será proporcional a tu motivación y esfuerzo!
Debes concentrarte en tus hábitos y olvidarte de los objetivos finales. Intenta invertir 1 ~ 2 horas todos los días estudiando este plan de estudios.
Si haces eso, independientemente de tu mayor o menor capacidad para fijar y comprender los contenidos, vas a terminar por finalizar el plan de estudios.
Este artículo se construyo sobre la base de la hoja de ruta para la Ciencia de Datos creada por JavierCuicapuza (@JavierCuicapuza), ese repositorio está inspirado en el repositorio OSSU (Universidad de la sociedad de código abierto) y los cursos extraídos de CS Video Courses.