From 8daa3adcaf0ff992199ae6488b29dda836e2e5b5 Mon Sep 17 00:00:00 2001 From: Javier Richard Cuicapuza Antonio Date: Tue, 6 Feb 2024 18:59:40 -0500 Subject: [PATCH] Create example.md --- example.md | 210 +++++++++++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 210 insertions(+) create mode 100644 example.md diff --git a/example.md b/example.md new file mode 100644 index 0000000..dda7bf1 --- /dev/null +++ b/example.md @@ -0,0 +1,210 @@ +

+ +

+ +

Open Source Road Map Data Science 2022

+

+ ¡Camino a una educación autodidacta en Data Science! +

+

+ +## --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)