Datos faltantes

Описание: ¿Te encuentras con datos incompletos en tus análisis? ¡No te preocupes! Aprende a identificar, comprender y manejar los datos faltantes de manera efectiva para obtener conclusiones precisas y confiables.

¿Qué encontrarás en este video?

Introducción a los Datos Faltantes: Descubre qué son los datos faltantes, su impacto en el análisis y las diferentes razones por las que pueden ocurrir.
Mecanismos de Ausencia de Datos: Explora los tres tipos principales de mecanismos que generan datos faltantes: MCAR (Missing Completely At Random), MAR (Missing At Random) y MNAR (Missing Not At Random).
Análisis de Patrones: Aprende a identificar patrones en los datos faltantes para comprender mejor su origen y potencial impacto.
Técnicas de Imputación: Conoce las diferentes técnicas de imputación disponibles para reemplazar los valores faltantes, como la imputación por media, mediana, regresión lineal y métodos más sofisticados.
Selección de la Mejor Estrategia: Descubre cómo seleccionar la técnica de imputación más adecuada en función del mecanismo de ausencia de datos y las características de tu conjunto de datos.
Sesgo y Distorsión: Prepárate para mitigar el sesgo y la distorsión que pueden surgir por la presencia de datos faltantes.
Ejemplos Prácticos: Observa ejemplos reales de cómo analizar y tratar datos faltantes utilizando herramientas como Jupyter Notebook.

Presentaciones: https://www.trainindata.com/l/digital...

Código:
https://github.com/solegalli/ingenier...

Queres saber más de las profesoras y de la escuela?

Soledad Galli:   / soledad-galli  
Natalia Angarita:   / natalia-angarita-705a1173  
Train in Data: https://www.trainindata.com/