Material Detail

Introduction to Data Science with Python | Harvard University

Introduction to Data Science with Python | Harvard University

Join Harvard University instructor Pavlos Protopapas in this online course to learn how to use Python to harness and analyze data.

Quality

  • User Rating
  • Comments  (1) Comments
  • Learning Exercises
  • Bookmark Collections
  • Course ePortfolios
  • Accessibility Info

More about this material

Comments

Log in to participate in the discussions or sign up if you are not already a MERLOT member.
Jorge Aiza Ramis
Jorge Aiza Ramis (Student)
38 weeks ago
EVALUACIÓN DE LA CALIDAD DEL RECURSO COMO MATERIAL DE APRENDIZAJE EN LOS ESTUDIOS DE GRADO DE INGENIERÍA INFORMÁTICA DE LA UPM. Description: Overview: Tema: El recurso trata sobre Ciencia de Datos con Python, y se alinea con el perfil profesional de Data Scientist. Pertenece a la subdisciplina de MERLOT “Data and Information Management”. (RESPUESTA IA) Tipos de formato de materiales: ☑ Video ☑ Enlaces a material relacionado ☑ Ejercicios de aprendizaje ☑ Glosario de términos (RESPUESTA PROPIA) Type of Material: Módulo de curso online (Online Course Module) (RESPUESTA PROPIA) Technical Requirements: Solo se necesita un navegador y conexión a internet. Es compatible con navegadores modernos como Chrome, Firefox o Edge. No requiere plug-ins. (RESPUESTA IA) Learning Goal(s): Comprender los fundamentos del análisis de datos y del aprendizaje automático. Adquirir soltura con librerías de Python como pandas, numpy, matplotlib y scikit-learn. Aplicar razonamiento estadístico para resolver problemas orientados a datos. (RESPUESTA IA) Recommended Use(s): Es un recurso ideal como complemento práctico para las asignaturas “Estadística” y “Bases de Datos” del grado GII+ADE. También puede utilizarse como material de apoyo en el TFG o en formación extracurricular. (RESPUESTA PROPIA) Target Student Population: Estudiantes universitarios de cursos superiores o de máster, especialmente en grados relacionados con Ingeniería Informática o Ciencia de Datos. (RESPUESTA PROPIA) Prerequisite Knowledge: Conocimientos básicos de programación en Python y fundamentos de estadística. (RESPUESTA PROPIA) Evaluations and Observations: Quality of Content: Lista Fortalezas de la calidad del contenido: Contenido bien estructurado y actualizado. Desarrollado por una universidad de prestigio (Harvard). Explica conceptos complejos de forma comprensible. (RESPUESTA IA) Lista Preocupaciones de la calidad del contenido: Podría incluir más ejercicios interactivos. No dispone de un sistema de autoevaluación integrado. (RESPUESTA PROPIA) Potential Effectiveness as a Teaching/Learning Tool: Lista Fortalezas de la efectividad del recurso como una herramienta de aprendizaje: Fomenta el aprendizaje autónomo mediante vídeos y datasets reales. Los conceptos se presentan con claridad y se vinculan a casos reales. (RESPUESTA PROPIA) Lista Preocupaciones de la efectividad del recurso como una herramienta de aprendizaje: La ausencia de interactividad puede reducir el nivel de implicación. No se integra con herramientas de evaluación directa. (RESPUESTA IA) Ease of Use: Lista Fortalezas de la facilidad de uso del recurso: Navegación muy intuitiva. Estructura clara y progresiva. Accesible desde cualquier dispositivo con conexión. (RESPUESTA IA) Lista Preocupaciones de la facilidad de uso del recurso: Se echan en falta materiales descargables para estudio offline. (RESPUESTA PROPIA)