Plan de estudios para principiantes de 10 semanas y 20 lecciones de Microsoft, con temas esenciales de ciencia de datos, Python, cuestionarios y proyectos.
37,7 mil7,6 milJupyter NotebookMITActualizado hace 3 días
r0f1/datascience
Una lista curada al estilo Awesome de recursos de Python para ciencia de datos, con bibliotecas, tutoriales, libros, datasets y charlas.
- Estrellas
- 4,682
- Forks
- 716
- Issues abiertos
- 0
- Último commit
- hace 4 días
¿Qué es?
Esta es una lista curada al estilo Awesome de recursos para practicar ciencia de datos con Python. Organiza los enlaces por tema: desde bibliotecas básicas como pandas, scikit-learn, matplotlib y seaborn, pasando por herramientas generales de Python como uv, ruff y just, hasta áreas especializadas como alternativas a DataFrame, flujos de trabajo con Jupyter, OCR, big data, estadística y visualización.
Además de paquetes de software, la lista incluye libros de estadística, referencias sobre valores p y tamaños del efecto, demostraciones interactivas de estadística, datasets basados en R, tutoriales de machine learning y publicaciones de blog sobre ingeniería de características y reducción de dimensionalidad. Muchas entradas incluyen una nota de una línea sobre lo que hace el recurso o por qué es útil.
La lista sirve como punto de partida para buscar una herramienta para una tarea de datos concreta, como limpiar columnas desordenadas, validar esquemas, seleccionar características o crear dashboards. Como la mayoría de las entradas son enlaces externos, funciona mejor como índice para descubrir recursos que como una única biblioteca para instalar.
Funciones clave
- 01Incluye bibliotecas básicas de Python para ciencia de datos, como pandas, scikit-learn, matplotlib y seaborn.
- 02Enumera alternativas a DataFrame, como polars, duckdb, modin y vaex.
- 03Incluye recursos sobre flujos de trabajo con Jupyter, herramientas para notebooks y dashboards de datos.
- 04Reúne referencias de estadística sobre valores p, tamaños del efecto y pruebas estadísticas.
- 05Agrupa por tema herramientas de selección de características, reducción de dimensionalidad y validación de datos.
Casos de uso
- Encontrar una biblioteca para una tarea de datos concreta, como imputación, selección de características o validación de esquemas.
- Aprender estadística para analizar datos mediante libros, datasets y demostraciones interactivas.
- Comparar alternativas a pandas antes de elegir una herramienta de DataFrame para un proyecto.
- Crear una lista de lecturas para aprender por cuenta propia ciencia de datos con Python.
Temas
Preguntas frecuentes
- ¿Qué es datascience?
- Una lista curada al estilo Awesome de recursos de Python para ciencia de datos, con bibliotecas, tutoriales, libros, datasets y charlas. Esta es una lista curada al estilo Awesome de recursos para practicar ciencia de datos con Python. Organiza los enlaces por tema: desde bibliotecas básicas como pandas, scikit-learn, matplotlib y seaborn, pasando por herramientas generales de Python como uv, ruff y just, hasta áreas especializadas como alternativas a DataFrame, flujos de trabajo con Jupyter, OCR, big data, estadística y visualización.
- ¿datascience es gratuito? ¿Qué licencia tiene?
- datascience es open source bajo la licencia CC0-1.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿datascience sigue mantenido?
- Mantenimiento activo. El último commit de datascience fue el 17 oct 2026.
- ¿Para qué puedo usar datascience?
- Encontrar una biblioteca para una tarea de datos concreta, como imputación, selección de características o validación de esquemas. Aprender estadística para analizar datos mediante libros, datasets y demostraciones interactivas. Comparar alternativas a pandas antes de elegir una herramienta de DataFrame para un proyecto. Crear una lista de lecturas para aprender por cuenta propia ciencia de datos con Python.
- ¿Dónde consigo datascience?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/r0f1/datascience
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Una alternativa directa a Jupyter con un agente de IA, un formato de notebook YAML `.deepnote` y un editor por bloques para Python, R y SQL.
3 mil201TypeScriptApache-2.0Actualizado anteayer
Biblioteca de machine learning para Python basada en SciPy y NumPy, con herramientas de clasificación, regresión, clustering y selección de modelos, bajo licencia BSD.
67,8 mil27,6 milPythonBSD-3-ClauseActualizado ayer
Biblioteca de Python que convierte scripts en aplicaciones web interactivas para dashboards de datos, informes y chats.
46,1 mil4,4 milPythonApache-2.0Actualizado ayer
Paquete de Python para crear y compartir rápidamente demos web e interfaces de usuario para modelos de machine learning, APIs o cualquier función de Python.
43,8 mil3,6 milPythonApache-2.0Actualizado ayer
Una lista seleccionada de bibliotecas, modelos, implementaciones, tutoriales y artículos relacionados con PyTorch en GitHub.
16,7 mil2,8 milSin licenciaActualizado hace 29 días