Menu
CoddyTech
EMPEZAR A APRENDER
flag Es iconEspañoldown icon
machine Learning iconParte del Journey de Machine LearningNuevoRecorrido

Estadística para machine learning y ciencia de datos

La estadística en la que se apoya todo modelo, aprendida simulando y graficando en vez de memorizar fórmulas. Python real con NumPy, pandas, SciPy y scikit-learn, y un gráfico en cada lección.

EMPEZAR A APRENDER(es gratis)
Ver programaPlayground de Estadística para ML

1,000+ codders inscritos

64 lecciones63 retos265 preguntas de quiz

  • Apto para principiantes
  • sparkles iconAyuda de codificación con IA
  • hint iconLecciones interactivas prácticas
  • quiz iconCuestionarios para poner a prueba tu conocimiento
  • certificate iconCertificado gratuito de finalización

Programa

1 secciones64 lecciones63 retos265 preguntas de quiz

Esta sección forma parte del Journey de Machine Learning. El programa completo tiene más secciones - haz clic en cualquier vista previa de abajo para verla en la página del Journey.

  1. Sección 1Datos y gráficos60 lecciones
  2. Sección 2

    Estadística para ML

    Empezar secciónEmpezarExpandirContraer    La estadística que sustenta cada modelo: medidas de tendencia central y dispersión, distribuciones, probabilidad mediante simulación, muestras, valores atípicos, correlación, líneas de tendencia y pruebas entre grupos; después, escalado y codificación de características. Cada concepto se calcula con datos reales y se representa gráficamente.64 lecciones63 retos265 preguntas

    Centro y dispersión

    6 lecciones625

    Distribuciones

    6 lecciones625

    Probabilidad mediante simulación

    6 lecciones625

    Muestras y poblaciones

    5 lecciones520

    Valores atípicos

    5 lecciones520

    Relaciones

    6 lecciones525

    Líneas de tendencia

    6 lecciones625

    Comparación de grupos

    6 lecciones625

    Escalado de características

    5 lecciones520

    Codificación de categorías

    4 lecciones415

    Exploración de un conjunto de datos

    5 lecciones520

    Desafíos finales

    4 lecciones420
  3. Sección 3Aprendizaje supervisado58 lecciones
  4. Sección 4Aprendizaje no supervisado51 lecciones
Ver el programa completo del Journey de Machine Learning
Lo que obtienes
Todo lo que usarás para aprender a programar

Aprende Haciendo

Escribe código real, consulta bases de datos, crea sitios web y domina los prompts de IA. Nuestras lecciones interactivas cubren todas las habilidades que los desarrolladores modernos necesitan.

playground.js
Editor de Código
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Prueba #1test Case Success icon
Prueba #2test Case Success icon
Prueba #3test Case Failure icon
Entrada
"Alex"
Salida
"Hello, Coddy! Alex"

Construye tu Racha

¡Mantén la constancia y observa cómo crece tu progreso! Sigue tu hábito diario de programación, protege tu racha con días de congelación y gana recompensas por aparecer cada día.

12 días de racha

¡Vuelve mañana para mantener tu racha!

fire Filled icon
left icon

January 2026

right icon

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

21

22

23

24

25

26

27

28

29

30

product Double Or Nothing icon

Doble o Nada

Día 5 de 7

fire Freeze icon

Congelar Racha

2 left

Donde Quieras

¡Lleva tu viaje de programación contigo! Sin configuración, sin descargas, solo abre y empieza a programar. Disponible en iOS, Android y Web con calificaciones de 4.9 estrellas.

Python
7Racha
250Puntuación
5Energía
Variables
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
CONTINUAR
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Recorrido
Objetivos
Clasificación
Perfil
4.9
EstrellaEstrellaEstrellaEstrellaEstrella
Calificación

No Estás Solo

Compite en tablas de clasificación globales, invita amigos para ganar recompensas y celebra los logros de los demás. ¡Programar es mejor con amigos!

Liga Challenger
Liga ChallengerLos 7 mejores avanzan
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconZona de promociónleaderboard Arrow Up icon

Aprende de todas las formas

Lee, escucha, ponte a prueba, pregunta a la IA o consulta cualquier cosa que ya hayas estudiado. Cada lección se adapta a ti.

Introducción a variables
Audio

Una variable es un contenedor con nombre que guarda un valor al que puedes hacer referencia más tarde.

En Python, creas una escribiendo el nombre, un signo igual y el valor que quieres guardar.

El valor puede cambiar con el tiempo: reasignar el nombre simplemente lo apunta a un nuevo valor.

1xSarah

Certifícate

Gana certificados por cada curso que completes. Agrégalos a tu perfil de LinkedIn y currículum para mostrar tu experiencia en programación a los empleadores.

CoddyCertificado de Finalización
Esto certifica queJuan Pérezha completado exitosamente
python iconFundamentos de Python
Verificado
Fechaene 2026
LinkedInAgregar a LinkedIn

Por qué aprender estadística para ML con Coddy

  • Simúlalo y luego míralo. Lanza miles de dados, saca miles de muestras, mezcla grupos miles de veces y mira cómo se asienta el histograma. Una probabilidad es una proporción que puedes contar antes de ser una fórmula.
  • Cada lección tiene un gráfico: histogramas de densidad con la curva normal encima, diagramas de caja con sus valores atípicos, mapas de calor de correlación, líneas de tendencia ajustadas. Tu propio gráfico aparece en la pestaña Gráficos al ejecutar.
  • La estadística que de verdad usa el machine learning: media y mediana, dispersión y percentiles, distribuciones y puntuaciones z, muestreo, valores atípicos, correlación, mínimos cuadrados y R cuadrado, valores p y la prueba t.
  • Termina donde empiezan los modelos: escalado de características con StandardScaler, codificación de categorías con pd.get_dummies y una lista de comprobación para explorar un dataset nuevo antes de entrenar nada.

Preguntas frecuentes sobre estadística para machine learning

¿Cuánta estadística necesitas para machine learning?

Menos de lo que mucha gente teme. Para entrenar y evaluar bien modelos necesitas leer el centro y la dispersión, saber qué son una distribución y un valor atípico, medir una relación con la correlación, ajustar una recta y distinguir una diferencia real del azar. Eso es esta sección. Las demostraciones y la teoría de probabilidad avanzada importan para investigar, no para usar bien scikit-learn.

¿Es la misma estadística que para ciencia de datos?

Sí. La estadística descriptiva, las distribuciones, el muestreo, la correlación, las rectas de regresión y los contrastes de hipótesis son el núcleo común de la estadística para ciencia de datos y para machine learning. Los últimos capítulos se inclinan hacia los modelos, con escalado, codificación y exploración de un dataset antes de entrenar.

¿Necesito cálculo o álgebra lineal?

No. Todo se enseña con aritmética, simulaciones y gráficos. Cuando existe una fórmula, la conoces como una línea de código y una imagen, y luego la compruebas con una simulación. El cálculo y el álgebra lineal te servirán más adelante si profundizas en cómo se construyen los algoritmos.

¿Qué es un valor p, en palabras sencillas?

Es la frecuencia con la que el puro azar daría un resultado al menos tan grande como el tuyo. En el curso lo calculas mezclando: juntas dos grupos, los separas al azar miles de veces y cuentas cuántas veces la diferencia falsa supera a la real. Después conoces stats.ttest_ind, el atajo con fórmula para la misma pregunta.

¿Qué librerías de Python usa esta sección?

NumPy para los números, pandas para las tablas, matplotlib para todos los gráficos, el módulo stats de SciPy para distribuciones y pruebas, y scikit-learn para StandardScaler. Todas se enseñan en la sección de visualización de datos con Python, que va justo antes de esta.

¿Cuánto dura la sección de estadística?

64 lecciones, unas 11 horas a tu ritmo: tres o cuatro semanas a media hora al día, incluidos cuatro retos finales con datos de aspecto real.

¿La sección de estadística es gratis?

Sí. Las lecciones, los gráficos, las pistas de IA y el certificado de la sección son gratis. Con una cuenta gratuita avanzas unas pocas lecciones al día, y Pro quita el límite diario.

Rutas de aprendizaje que incluyen este curso

Este curso es un paso de una ruta más larga: varios cursos en el orden en que los enseñaría un mentor, cada uno con su propio certificado gratis.

Ilustración de los lenguajes de programación de Coddy

Aprende Estadística para ML con Coddy

COMENZAR