Create example.md

example.md

@@ -0,0 +1,210 @@
+<p align="center">
+  <img src="images/foto-github.png">
+</p>
+
+<h3 align="center">Open Source Road Map Data Science 2022</h3>
+<p align="center">
+  ¡Camino a una educación autodidacta en <strong>Data Science</strong>!
+  <br><br>
+</p>
+
+## --Contenido
+
+- [De qué trata esto](#--De-qu%C3%A9-trata-esto)
+- [Conviértete en un estudiante de Data Science Research Perú](#--Convi%C3%A9rtete-en-un-estudiante-de-Data-Science-Research-Per%C3%BA)
+- [Motivación y Preparación](#--Motivaci%C3%B3n-y-Preparaci%C3%B3n)
+- [Currícula](#--Curr%C3%ADcula)
+- [Cómo usar esta guía](#--C%C3%B3mo-usar-esta-gu%C3%ADa)
+- [Cómo contribuir](#--C%C3%B3mo-contribuir)
+
+## --De qué trata esto
+
+Esto es un camino sólido para aquellos que desean completar un curso de Ciencia de datos en su propio tiempo, con cursos de las **mejores universidades** en el mundo. En nuestro plan de estudios, damos preferencia a los cursos de estilo MOOC (Massive Open Online Course) porque estos cursos se crearon teniendo en cuenta nuestro estilo de aprendizaje.
+
+## --Conviértete en un estudiante de Data Science Research Perú
+
+Pueden enviarnos sugerencias y unirse a nuestros grupos de WhatsApp mediante los siguientes enlaces:
+  - [Telegram](https://t.me/DataScienceResearchPeru) - Deshabilitado por ahora
+  - [Whatsapp](https://chat.whatsapp.com/EQbIelJffs73ftKSvbvnDZ)  
+  - [Discord](https://discord.gg/nEEfhfJ77b)
+
+**[Recomendado]** Si deseas contactarte con nuestro responsable, puedes escribirle al [Whatsapp](https://wa.me/51931534817).
+
+## --Motivación y Preparación
+
+Aquí hay dos enlaces interesantes que pueden marcar **toda** la diferencia en su viaje.
+
+1. El primero es un video motivacional que muestra a un chico que pasó por el "Desafío MIT", que consiste en aprender todo el currículo MIT **de 4 años** para Ciencias de la Computación en **1 año**.
+
+   - [MIT Challenge](https://www.scotthyoung.com/blog/myprojects/mit-challenge-2/)
+
+2. El segundo enlace es un MOOC que le enseñará técnicas de aprendizaje utilizadas por expertos en arte, música, literatura, matemáticas, ciencias, deportes y muchas otras disciplinas. Estas son **habilidades fundamentales** para tener éxito.
+
+   - Curso Aprendiendo a aprender: [English](https://www.coursera.org/learn/learning-how-to-learn), [Spanish](https://www.coursera.org/learn/aprendiendo-a-aprender)
+
+3. El tercer enlace es un vídeo sobre `100` motivos para estudiar Informática. Repasa las **razones fascinantes para aprender** Ciencias de la Computación y toda lo emocionante que implica más allá de una demanda laboral en crecimiento.
+
+   - [100 MOTIVOS para estudiar INFORMÁTICA](https://www.youtube.com/watch?v=CTazANzywSA)
+
+**¿Estás listo para empezar?**
+
+## --Currícula
+
+- [--Contenido](#--Contenido)
+- [--De qué trata esto](#--De-qu%C3%A9-trata-esto)
+- [--Conviértete en un estudiante de Data Science Research Perú](#--Convi%C3%A9rtete-en-un-estudiante-de-Data-Science-Research-Per%C3%BA)
+- [--Motivación y Preparación](#--Motivaci%C3%B3n-y-Preparaci%C3%B3n)
+- [--Currícula](#--Curr%C3%ADcula)
+  - [--Cursos de Computer Science con videos](#--Cursos-de-Computer-Science-con-videos)
+  - [--Álgebra Lineal](#--Álgebra-Lineal)
+  - [--Cálculo de una variable](#--Cálculo-de-una-variable)
+  - [--Cálculo multivariable](#--Cálculo-multivariable)
+  - [--Base de Datos](#--Base-de-Datos)
+  - [--Probabilidad y Estadística](#--Probabilidad-y-Estadística)
+  - [--Python](#--Python)
+  - [--Introducción a la Ciencia de Datos (Data Science)](#--Introducción-a-la-Ciencia-de-Datos-Data-Science)
+  - [--Introducción a la Ciencia de la Computación (Computer Science)](#--Introducción-a-la-Ciencia-de-la-Computación-Computer-Science)
+  - [--Aprendizaje de Máquina y Minería de Datos (Machine Learning & Data Mining)](#--Aprendizaje-de-Máquina-y-Minería-de-Datos-Machine-Learning--Data-Mining)
+  - [--Manipulación y recuperación de datos](#--Manipulación-y-recuperación-de-datos)
+  - [--Data Science Tools & Methods](#--Data-Science-Tools--Methods)
+  - [--Especialización](#--Especialización)
+- [--Cómo usar esta guía](#--Cómo-usar-esta-gu%C3%ADa)
+  - [Orden de las clases](#Orden-de-las-clases)
+  - [¿Debo tomar todos los cursos?](#Debo-tomar-todos-los-cursos)
+  - [Duración](#Duración)
+- [--Cómo contribuir](#--Cómo-contribuir)
+- [Créditos](#Créditos)
+
+---
+### --Cursos de Computer Science con videos
+Usamos una copia de este [Repo](https://github.com/Developer-Y/cs-video-courses) en el cual puedes encontrar muchos videos relacionados a Inteligencia Artificial, base de datos, machine learning, matemáticas y más. Si te animas puedes dejar tu Pull Request en este link [Aquí](https://github.com/DataScienceResearchPeru/OpenSource-RoadMap-DataScience/tree/master/computer-science-video).
+
+---
+![](images/curricula.png)
+
+### --Álgebra Lineal
+
+| Cursos                                                                                                   | Duración  |    Esfuerzo    | Plataforma |
+| :------------------------------------------------------------------------------------------------------- | :-------: | :------------: | :--------: |
+| [Esencia del Álgebra Lineal](https://www.youtube.com/playlist?list=PLIb_io8a5NB2DddFf-PwvZDCOUNT1GZoA)   |  1 semana | 4 horas/semana |   YouTube  |
+| [Khan Academy: Álgebra Lineal](https://es.khanacademy.org/math/linear-algebra)                           | - semana | - horas/semana | Khan Academy |
+| [Álgebra Lineal - Fundamentos](https://www.edx.org/course/linear-algebra-foundations-to-frontiers)       | 15 semanas | 8 horas/semana |    Edx     |
+| [Álgebra Lineal - Avanzado](https://www.edx.org/course/advanced-linear-algebra-foundations-to-frontiers) | 15 semanas | 8 horas/semana |    Edx     |
+| [Álgebra 2021 MIT](https://ocw.mit.edu/courses/18-06sc-linear-algebra-fall-2011/)                        | 12 semanas | 4 horas/semana | MITOpenCourse |
+
+### --Cálculo de una variable
+| Cursos                                                                                                                                      | Duración |    Esfuerzo    | Plataforma |
+| :------------------------------------------------------------------------------------------------------------------------------------------ | :------: | :------------: | :--------: |
+| [Khan Academy: Precálculo](https://es.khanacademy.org/math/precalculus)                                                                     | - semanas | - horas/semana | Khan Academy |
+| [Cálculo 1A: Diferenciación](https://www.edx.org/course/calculus-1a-differentiation-mitx-18-01-1x)                                         | 13 semanas | 6-10 horas/semana |    Edx     |
+| [Cálculo 1B: Integración](https://www.edx.org/course/calculus-1b-integration-mitx-18-01-2x)                                                | 13 semanas | 5-10 horas/semana |    Edx     |
+| [Cálculo 1C: Sistemas de coordenadas y series infinitas](https://www.edx.org/course/calculus-1c-coordinate-systems-infinite-mitx-18-01-3x) | 13 semanas | 6-10 horas/semana |    Edx     |
+
+### --Cálculo multivariable
+| Cursos                                                                                                                 | Duración |    Esfuerzo    | Plataforma |
+| :--------------------------------------------------------------------------------------------------------------------- | :-------: | :------------: | :--------: |
+| [Khan Academy: Cálculo multivariable](https://es.khanacademy.org/math/multivariable-calculus)                          | - semanas | - horas/semana | Khan Academy |
+| [MIT Cálculo multivariable](http://ocw.mit.edu/courses/mathematics/18-02sc-multivariable-calculus-fall-2010/index.htm) | 15 semanas | 8 horas/semana |    MIT     |
+
+### --Base de Datos
+| Cursos                                                                                                                                  | Duración |     Esfuerzo      | Plataforma |
+| :-------------------------------------------------------------------------------------------------------------------------------------- | :------: | :---------------: | :--------: |
+| [Database Management Essentials](https://www.coursera.org/learn/database-management)                                                    | 4 semanas | 8-10 horas/semana |  Coursera  |
+| [Data Warehouse Concepts, Design, and Data Integration](https://www.coursera.org/learn/dwdesign)                                        | 3 semanas | 8-10 horas/semana |  Coursera  |
+| [Relational Database Support for Data Warehouses](https://www.coursera.org/learn/dwrelational)                                          | 3 semanas | 8-10 horas/semana |  Coursera  |
+| [Business Intelligence Concepts, Tools, and Applications](https://www.coursera.org/learn/business-intelligence-tools)                   | 3 semanas | 8-10 horas/semana |  Coursera  |
+| [Design and Build a Data Warehouse for Business Intelligence Implementation](https://www.coursera.org/learn/data-warehouse-bi-building) | 3 semanas | 8-10 horas/semana |  Coursera  |
+| [MongoDB for Developers Learning Path](https://university.mongodb.com/learning_paths/developer)                                         | - semanas | - horas/semana   |  MongoDB   |
+
+### --Probabilidad y Estadística
+| Cursos                                                                                                             | Duración |    Esfuerzo    | Plataforma |
+| :----------------------------------------------------------------------------------------------------------------- | :------: | :------------: | :--------: |
+| [Introducción a la Probabilidad](https://projects.iq.harvard.edu/stat110/home)                                     | 19 horas | - horas/semana |  Harvard   |
+| [Introducción a la Estadística Descriptiva](https://www.udacity.com/course/intro-to-descriptive-statistics--ud827) | 19 horas | - horas/semana |  Udacity   |
+| [Introducción a la Estadística Inferencial](https://www.udacity.com/course/intro-to-inferential-statistics--ud201) | 19 horas | - horas/semana |  Udacity   |
+| [Conceptos básicos con Python](https://www.datacamp.com/tracks/statistics-fundamentals-with-python)                | 19 horas | - horas/semana |  DataCamp  |
+
+### --Python
+| Cursos                                                                                                                                             | Duración |    Esfuerzo     | Plataforma |
+| :------------------------------------------------------------------------------------------------------------------------------------------------- | :------: | :-------------: | :--------: |
+| [Python para todos](https://www.py4e.com/)                                                                                                         | 8 semanas | 8 horas/semana  |    py4e    |
+| [Introducción a Computer Science y Programación usando Python](https://www.edx.org/course/introduction-computer-science-mitx-6-00-1x-7)            | 9 semanas | 15 horas/semana |    Edx     |
+| [Introducción al Pensamiento Computacional y Ciencia de Datos](https://www.edx.org/course/introduction-computational-thinking-data-mitx-6-00-2x-3) | 10 semanas | 15 horas/semana |    Edx     |
+
+### --Introducción a la Ciencia de Datos (Data Science)
+| Cursos                                                                                        | Duración |      Esfuerzo      | Plataforma |
+| :-------------------------------------------------------------------------------------------- | :------: | :----------------: | :--------: |
+| [¿Qué es Ciencia de Datos (DataScience)?](https://www.coursera.org/learn/what-is-datascience) | 1 semana | 8-10 horas/semana  |  Coursera  |
+| [Introducción a la Ciencia de Datos](https://www.coursera.org/course/datasci)                 | 8 semanas | 10-12 horas/semana |  Coursera  |
+
+### --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](https://www.edx.org/course/introduction-computer-science-mitx-6-00-1x-7)      | 9 semanas | 14-16 horas/semana |    EdX     |
+| [Introduction to Computational Thinking and Data Science](https://www.edx.org/course/introduction-computational-thinking-data-mitx-6-00-2x-3) | 9 semanas | 14-16 horas/semana |    EdX     |
+
+### --Aprendizaje de Máquina y Minería de Datos (Machine Learning & Data Mining)
+| Cursos                                                                                       | Duración |     Esfuerzo      | Plataforma |
+| :------------------------------------------------------------------------------------------- | :------: | :---------------: | :--------: |
+| [Machine Learning](https://www.coursera.org/learn/machine-learning)                          | 6 semanas | 8-10 horas/semana |  Coursera  |
+| [Intro to Machine Learning](https://www.udacity.com/course/intro-to-machine-learning--ud120) | 10 semanas | 8-10 horas/semana |  Udacity   |
+| [Mining Massive Datasets](https://www.edx.org/course/mining-massive-datasets)                | 7 semanas | 5-10 horas/semana |    Edx     |
+| [Process Mining](https://www.coursera.org/learn/process-mining)                              | 3 semanas | 5-10 horas/semana |  Coursera  |
+
+### --Manipulación y recuperación de datos
+| Cursos                                                                                                                | Duración |    Esfuerzo     | Plataforma |
+| :-------------------------------------------------------------------------------------------------------------------- | :------: | :-------------: | :--------: |
+| [Manipulación y recuperación de datos con MongoDB](https://www.udacity.com/course/data-wrangling-with-mongodb--ud032) | 8 semanas | 10 horas/semana |  Udacity   |
+
+### --Data Science Tools & Methods
+| Cursos                                                                                      | Duración |    Esfuerzo    | Plataforma |
+| :------------------------------------------------------------------------------------------ | :------: | :------------: | :--------: |
+| [Tools for Data Science](https://www.coursera.org/learn/open-source-tools-for-data-science) | - semanas | - horas/semana |  Coursera  |
+| [Data Science Methodology](https://www.coursera.org/learn/data-science-methodology)         | - semanas | - horas/semana |  Coursera  |
+| [Data Science: Wrangling](https://www.edx.org/course/data-science-wrangling)                | - semanas | - horas/semana |    EdX     |
+
+---
+
+### --Especialización
+
+¿Big Data?¿Deep Learning?¿NLP?¿Computer Vision?
+
+Después de terminar los cursos anteriores, comience sus especializaciones en los temas que le interesan más.
+Puede ver una lista de especializaciones disponibles. [Aquí](https://github.com/DataScienceResearchPeru/OpenSource-RoadMap-DataScience/tree/master/especializacion).
+
+![keep learning](images/portada-grupofb.png)
+
+---
+
+## --Cómo usar está guía
+
+### Orden de las clases
+
+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](#álgebra-lineal) y después de terminar el primer curso, comience el siguiente.
+
+**Si el curso no está abierto, hágalo de todos modos con los recursos de la clase anterior.**
+
+### ¿Debo tomar todos los cursos?
+
+**¡Sí!** ¡La intención es concluir **todos** los cursos listados aquí!
+
+### Duración
+
+¡Puede llevar más tiempo completar todas las clases en comparación con un curso regular de Ciencias de Datos, pero podemos **garantizar** que su **recompensa** será proporcional a **su motivación / dedicación**!
+
+Debes concentrarte en tu **hábito** y **olvidarte** de los objetivos. Intenta invertir 1 ~ 2 horas **todos los días** estudiando este plan de estudios. Si haces esto, **inevitablemente** terminarás este plan de estudios.
+
+## --Cómo contribuir
+
+El objetivo de este repositorio es contribuir a la formación de los profesionales interesados en Ciencia de Datos e Inteligencia Artificial.
+Esto ayudará a incrementar los profesionales peruanos e hispanohablantes y así tener más Data Scientist, Data Engineer, Machine Learning Engineer, Data Architects y demás perfiles existentes.
+Puede hacer un Pull Request y agregar más contenido que crea necesario.
+Aquí un [Tutorial](https://blog.desdelinux.net/tutorial-simple-primer-pr-pull-request/)
+
+## Créditos
+El repositorio que nos sirvió de inspiración: [OSSU](https://github.com/ossu/data-science)