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)
1 year 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)