Curso de Data Science para Empresas — Toma de decisiones con datos

Comprender la sintaxis básica de Python.

Crear variables y asignar valores.

Trabajar con números enteros, decimales, booleanos y cadenas.

Comprender tipos de datos y conversión entre tipos.

Utilizar operadores aritméticos, relacionales y lógicos.

Trabajar con strings, indexación, slicing, métodos y formato.

Crear listas y modificar sus elementos.

Trabajar con tuplas.

Utilizar diccionarios para representar estructuras clave-valor.

Utilizar conjuntos y operaciones entre sets.

Aplicar decisiones mediante `if`, `elif` y `else`.

Construir iteraciones con `for`.

Utilizar bucles `while`.

Comprender `range`, `enumerate` y `zip`.

Crear list comprehensions y dictionary comprehensions.

Definir funciones reutilizables.

Trabajar con parámetros, argumentos y valores de retorno.

Comprender ámbito de variables.

Utilizar módulos y paquetes.

Importar funcionalidades externas.

Gestionar excepciones mediante `try` y `except`.

Leer y escribir archivos.

Comprender conceptos básicos de clases y objetos.

Utilizar fechas y horas.

Aplicar expresiones lambda cuando resultan apropiadas.

Depurar errores de sintaxis, ejecución y lógica.

Escribir código legible siguiendo convenciones profesionales.

Comprender el papel de NumPy dentro del ecosistema científico de Python.

Crear arrays multidimensionales.

Analizar dimensiones, shape, dtype y estructura de arrays.

Aplicar indexación y slicing.

Utilizar máscaras booleanas.

Realizar operaciones vectorizadas.

Comprender broadcasting.

Utilizar funciones estadísticas de NumPy.

Diferenciar listas Python y arrays NumPy.

Comprender Series y DataFrame de pandas.

Crear DataFrames desde diferentes estructuras.

Inspeccionar datasets mediante head, tail, info y describe.

Seleccionar columnas y filas.

Utilizar `loc` e `iloc`.

Filtrar registros mediante condiciones.

Ordenar datos.

Crear y modificar columnas.

Cambiar tipos de datos.

Trabajar con valores categóricos.

Detectar y gestionar valores nulos.

Eliminar duplicados.

Aplicar funciones sobre filas y columnas.

Agrupar mediante `groupby`.

Calcular agregaciones.

Crear tablas dinámicas.

Combinar datasets con `merge`, `join` y `concat`.

Trabajar con datos temporales.

Aplicar ventanas y cálculos acumulativos.

Leer y exportar CSV, Excel, JSON y otros formatos.

Procesar datasets de gran tamaño de forma eficiente.

Diseñar transformaciones reproducibles mediante funciones y pipelines.

Comprender qué es una base de datos.

Diferenciar bases de datos relacionales y no relacionales.

Entender tablas, filas, columnas y esquemas.

Comprender claves primarias y claves foráneas.

Analizar relaciones uno a uno, uno a muchos y muchos a muchos.

Comprender normalización y desnormalización.

Interpretar diagramas entidad-relación.

Conocer sistemas gestores de bases de datos.

Utilizar `SELECT`.

Seleccionar columnas concretas.

Filtrar mediante `WHERE`.

Utilizar operadores lógicos.

Aplicar `ORDER BY`.

Limitar resultados.

Trabajar con `DISTINCT`.

Utilizar funciones de agregación.

Crear agrupaciones mediante `GROUP BY`.

Filtrar grupos con `HAVING`.

Comprender `INNER JOIN`.

Utilizar `LEFT`, `RIGHT` y `FULL JOIN`.

Crear consultas con múltiples tablas.

Utilizar subconsultas.

Trabajar con Common Table Expressions.

Utilizar funciones de ventana.

Aplicar `CASE WHEN`.

Trabajar con fechas y strings.

Comprender vistas.

Introducir índices y rendimiento de consultas.

Identificar consultas ineficientes.

Comprender transacciones y consistencia.

Conectar Python con una base de datos.

Ejecutar consultas desde notebooks.

Convertir resultados SQL en DataFrames.

Combinar SQL y pandas dentro de un mismo análisis.

Identificar las diferentes fuentes de datos de una organización.

Trabajar con archivos CSV, Excel, JSON y XML.

Comprender formatos tabulares y estructuras jerárquicas.

Leer información desde carpetas y múltiples archivos.

Combinar datos procedentes de diferentes fuentes.

Comprender qué es una API.

Entender HTTP y la arquitectura REST.

Diferenciar métodos GET, POST, PUT, PATCH y DELETE.

Interpretar códigos de estado HTTP.

Trabajar con parámetros, headers y cuerpos de petición.

Consumir APIs desde Python.

Procesar respuestas JSON.

Gestionar paginación.

Trabajar con autenticación basada en tokens.

Controlar rate limits.

Gestionar errores, timeouts y reintentos.

Comprender webhooks y procesos orientados a eventos.

Introducir conceptos básicos de scraping y sus limitaciones.

Diferenciar ETL y ELT.

Diseñar procesos de extracción.

Transformar datos de diferentes sistemas.

Cargar información en una base analítica.

Comprender staging areas.

Diseñar procesos incrementales.

Gestionar identificadores y duplicidades.

Registrar errores durante una integración.

Comprender data pipelines.

Introducir data warehouses y data lakes.

Analizar la relación entre aplicaciones empresariales, integraciones y sistemas analíticos.

Diseñar una primera arquitectura de flujo de datos empresarial.

Comprender el papel de la estadística en Data Science.

Diferenciar estadística descriptiva e inferencial.

Identificar población y muestra.

Comprender variables cualitativas y cuantitativas.

Diferenciar escalas nominal, ordinal, intervalo y razón.

Calcular media, mediana y moda.

Analizar rango, varianza y desviación estándar.

Utilizar percentiles y cuartiles.

Interpretar distribuciones.

Comprender asimetría y curtosis.

Detectar valores atípicos.

Analizar covarianza.

Interpretar correlación.

Diferenciar correlación y causalidad.

Comprender conceptos básicos de probabilidad.

Trabajar con probabilidad condicional.

Introducir el teorema de Bayes.

Comprender variables aleatorias.

Analizar distribución normal.

Conocer distribuciones binomial, Poisson y otras relevantes.

Comprender muestreo.

Introducir el Teorema Central del Límite.

Estimar intervalos de confianza.

Formular hipótesis estadísticas.

Comprender hipótesis nula y alternativa.

Interpretar p-values.

Analizar errores de tipo I y tipo II.

Aplicar pruebas estadísticas básicas.

Comparar medias y proporciones.

Introducir ANOVA.

Comprender potencia estadística.

Diseñar y analizar pruebas A/B.

Interpretar significancia estadística frente a relevancia empresarial.

Comprender por qué la calidad del dato condiciona cualquier análisis posterior.

Identificar datos ausentes.

Analizar patrones de missing data.

Decidir entre eliminación e imputación.

Aplicar estrategias de imputación.

Detectar duplicados exactos y potenciales.

Resolver inconsistencias de formato.

Normalizar categorías.

Corregir tipos de datos incorrectos.

Limpiar cadenas de texto.

Normalizar fechas.

Detectar errores de rango.

Identificar valores imposibles.

Detectar outliers.

Diferenciar outlier real de error de captura.

Utilizar métodos estadísticos para identificar anomalías.

Aplicar transformaciones logarítmicas y similares cuando proceda.

Escalar variables.

Diferenciar normalización y estandarización.

Codificar variables categóricas.

Utilizar one-hot encoding.

Trabajar con variables ordinales.

Evitar data leakage durante el preprocesamiento.

Separar entrenamiento y test antes de aprender transformaciones.

Crear pipelines de transformación.

Documentar reglas de calidad.

Crear data quality checks.

Analizar completitud, unicidad, validez, consistencia y actualidad.

Preparar datasets limpios y reproducibles para modelado.

Comprender qué es un análisis exploratorio de datos.

Formular preguntas antes de generar gráficos.

Analizar distribución individual de variables.

Estudiar relaciones entre variables.

Segmentar datos por categorías relevantes.

Detectar patrones y comportamientos inesperados.

Identificar anomalías y posibles errores.

Analizar relaciones temporales.

Crear histogramas.

Utilizar boxplots.

Crear gráficos de barras.

Trabajar con gráficos de dispersión.

Crear series temporales.

Utilizar heatmaps y matrices de correlación.

Crear visualizaciones multivariantes.

Utilizar Matplotlib.

Trabajar con librerías de visualización interactivas cuando resulte útil.

Aplicar principios de visualización efectiva.

Evitar gráficos engañosos.

Seleccionar correctamente escalas y ejes.

Utilizar color con intención informativa.

Comunicar incertidumbre.

Diferenciar métrica y KPI.

Diseñar KPIs alineados con objetivos de negocio.

Crear métricas de soporte: volumen de tickets, SLA, resolución, recurrencia y escalados.

Crear métricas de producto y usuario.

Analizar KPIs comerciales y operativos.

Comprender modelos dimensionales básicos para BI.

Diferenciar hechos y dimensiones.

Introducir esquemas estrella.

Conectar datasets preparados con Power BI o herramienta equivalente.

Diseñar dashboards orientados a decisiones.

Crear storytelling mediante datos.

Elaborar conclusiones ejecutivas basadas en evidencia.

Comprender qué es una feature y por qué condiciona el rendimiento de un modelo.

Diferenciar variables originales y derivadas.

Crear variables numéricas a partir de datos existentes.

Transformar variables categóricas.

Crear variables temporales.

Extraer año, mes, semana, día y estacionalidad.

Generar ratios y tasas.

Crear variables agregadas.

Crear ventanas móviles.

Incorporar información histórica evitando leakage.

Transformar distribuciones sesgadas.

Aplicar escalado.

Elegir encoding según tipo de variable.

Manejar categorías de alta cardinalidad.

Comprender interacción entre variables.

Crear polynomial features cuando proceda.

Utilizar conocimiento del dominio para generar variables.

Detectar multicolinealidad.

Medir importancia preliminar de variables.

Aplicar selección basada en estadística.

Utilizar selección basada en modelos.

Comprender regularización como mecanismo de selección.

Introducir reducción de dimensionalidad.

Comprender PCA.

Interpretar componentes principales.

Evaluar cuánta información conserva una reducción.

Introducir técnicas de representación para visualización de alta dimensionalidad.

Comparar feature selection y feature extraction.

Integrar feature engineering dentro de pipelines reproducibles.

Comprender qué es Machine Learning.

Diferenciar aprendizaje supervisado, no supervisado y por refuerzo.

Comprender features y target.

Diferenciar entrenamiento, validación y test.

Comprender regresión.

Construir una regresión lineal.

Interpretar coeficientes.

Comprender regresión múltiple.

Introducir regularización L1 y L2.

Trabajar con Ridge y Lasso.

Comprender árboles de decisión para regresión.

Introducir Random Forest.

Comprender gradient boosting.

Trabajar con algoritmos de boosting ampliamente utilizados.

Evaluar modelos de regresión mediante MAE.

Interpretar MSE y RMSE.

Utilizar R² con criterio.

Comprender problemas de clasificación.

Crear modelos de regresión logística.

Utilizar árboles de clasificación.

Trabajar con Random Forest.

Introducir k-Nearest Neighbors.

Comprender Support Vector Machines.

Aplicar Naive Bayes cuando corresponde.

Utilizar modelos ensemble.

Comprender bagging y boosting.

Trabajar con clasificación binaria.

Abordar clasificación multiclase.

Comprender clasificación multietiqueta.

Gestionar clases desbalanceadas.

Aplicar class weights.

Entender oversampling y undersampling.

Entrenar modelos mediante scikit-learn.

Comparar varios algoritmos sobre un mismo problema.

Seleccionar modelos según calidad, coste, interpretabilidad y contexto empresarial.

Comprender cuándo trabajar sin una variable objetivo.

Diferenciar clustering y clasificación.

Preparar datos para clustering.

Aplicar K-Means.

Comprender centroides y asignación de clusters.

Seleccionar número de clusters.

Utilizar elbow method.

Interpretar silhouette score.

Trabajar con clustering jerárquico.

Interpretar dendrogramas.

Introducir DBSCAN.

Comprender clustering basado en densidad.

Detectar clusters de formas no esféricas.

Aplicar escalado antes de determinados algoritmos.

Combinar PCA y clustering.

Crear perfiles de segmentos.

Traducir clusters a segmentos comprensibles para negocio.

Aplicar segmentación de clientes.

Utilizar clustering sobre tickets o incidencias.

Comprender detección de anomalías.

Diferenciar anomalías globales y contextuales.

Utilizar métodos estadísticos.

Introducir Isolation Forest.

Detectar operaciones, usuarios o incidencias atípicas.

Analizar patrones de comportamiento anómalos.

Introducir sistemas de recomendación.

Comprender filtrado colaborativo y basado en contenido.

Evaluar técnicas no supervisadas cuando no existe una respuesta correcta explícita.

Comunicar hallazgos sin atribuir significado inexistente a los clusters.

Comprender por qué entrenar un modelo no significa tener un buen modelo.

Diferenciar error de entrenamiento y generalización.

Comprender overfitting.

Comprender underfitting.

Analizar bias y variance.

Dividir correctamente los datos.

Crear train, validation y test sets.

Utilizar cross-validation.

Comprender validación estratificada.

Crear pipelines para evitar leakage.

Evaluar clasificación mediante accuracy.

Comprender precision y recall.

Interpretar F1-score.

Crear matrices de confusión.

Comprender especificidad y sensibilidad.

Analizar curvas ROC y AUC.

Utilizar Precision-Recall en datos desbalanceados.

Elegir thresholds según costes empresariales.

Diseñar métricas personalizadas.

Comprender hiperparámetros.

Aplicar Grid Search.

Utilizar Random Search.

Introducir optimización bayesiana.

Comparar modelos mediante experimentos reproducibles.

Establecer baselines.

Evaluar si una mejora técnica tiene relevancia empresarial.

Comprender interpretabilidad global y local.

Analizar feature importance.

Aplicar permutation importance.

Introducir SHAP y métodos de explicabilidad.

Detectar modelos que aprenden relaciones espurias.

Analizar fairness y comportamiento entre segmentos.

Registrar experimentos, parámetros, modelos y métricas.

Seleccionar un modelo final justificando sus trade-offs.

Comprender características específicas de los datos temporales.

Identificar tendencia.

Analizar estacionalidad.

Detectar ciclos.

Comprender autocorrelación.

Crear lags.

Utilizar medias móviles.

Dividir datos temporales evitando información futura.

Crear baselines de forecasting.

Introducir modelos clásicos de series temporales.

Comprender ARIMA y modelos relacionados.

Evaluar forecasting mediante métricas adecuadas.

Diseñar backtesting temporal.

Detectar anomalías sobre series temporales.

Predecir demanda, tickets, ventas, incidencias o carga.

Comprender qué es Natural Language Processing.

Limpiar y normalizar texto.

Tokenizar documentos.

Analizar frecuencia de términos.

Comprender bag-of-words.

Utilizar TF-IDF.

Aplicar clasificación de texto.

Analizar sentimiento.

Agrupar tickets o consultas por temática.

Comprender embeddings.

Aplicar similitud semántica.

Introducir redes neuronales.

Comprender neuronas, capas, pesos y funciones de activación.

Diferenciar entrenamiento e inferencia.

Comprender backpropagation a nivel conceptual.

Identificar cuándo Deep Learning aporta ventajas.

Introducir redes para datos tabulares, imagen, secuencia y texto.

Comprender transformers a nivel funcional.

Diferenciar modelos predictivos tradicionales y modelos generativos.

Comprender Large Language Models.

Introducir prompting y structured outputs.

Utilizar embeddings y búsqueda semántica.

Comprender RAG.

Identificar aplicaciones empresariales de IA generativa sobre datos.

Combinar modelos tradicionales y GenAI en soluciones híbridas.

Evaluar cuándo un problema necesita realmente un modelo complejo.

Comprender la diferencia entre notebook experimental y solución de producción.

Organizar un proyecto profesional de Data Science.

Separar código, datos, notebooks, configuraciones, tests y modelos.

Utilizar Git para control de versiones.

Crear repositorios.

Trabajar con commits.

Utilizar ramas.

Preparar pull requests.

Resolver merges y conflictos.

Mantener notebooks limpios y reproducibles.

Utilizar entornos virtuales.

Gestionar dependencias.

Crear archivos de configuración.

Gestionar variables de entorno y secretos.

Convertir notebooks en módulos reutilizables.

Crear funciones y paquetes internos.

Aplicar logging.

Crear tests unitarios.

Testear transformaciones de datos.

Crear pruebas de calidad de datos.

Testear modelos y métricas mínimas.

Comprender reproducibilidad de experimentos.

Versionar datasets y modelos cuando proceda.

Crear pipelines de entrenamiento.

Automatizar preprocesamiento y entrenamiento.

Serializar modelos.

Crear predicciones batch.

Exponer modelos mediante APIs.

Comprender inferencia online.

Introducir FastAPI o framework equivalente para serving.

Crear contenedores Docker.

Comprender imágenes y contenedores.

Introducir CI/CD aplicado a Data Science.

Automatizar tests antes del despliegue.

Comprender experiment tracking.

Introducir model registry.

Gestionar versiones de modelos.

Comprender MLOps.

Monitorizar servicios de predicción.

Medir latencia y disponibilidad.

Monitorizar características de entrada.

Detectar data drift.

Comprender concept drift.

Monitorizar calidad cuando llegan nuevas etiquetas.

Diseñar alertas y procedimientos de reentrenamiento.

Comprender arquitecturas batch y real-time.

Introducir cloud computing para cargas de Data Science.

Gestionar costes de procesamiento y modelos.

Aplicar mínimos privilegios y seguridad de credenciales.

Proteger datos personales y sensibles.

Comprender anonimización y pseudonimización.

Aplicar principios de gobierno del dato.

Documentar origen y lineage de la información.

Comprender model cards y documentación de modelos.

Evaluar riesgos, sesgos y uso responsable de IA.

Establecer supervisión humana en decisiones críticas.

Crear un ciclo completo de desarrollo, despliegue, monitorización y mejora continua.

Seleccionar un problema empresarial realista que pueda resolverse mediante datos.

Formular correctamente la pregunta analítica.

Definir usuario, objetivo y decisiones que deberá apoyar la solución.

Identificar las fuentes de datos necesarias.

Crear un modelo de datos inicial.

Extraer información desde archivos, base de datos o API.

Crear consultas SQL para obtener la información necesaria.

Integrar diferentes fuentes.

Analizar la calidad del dato.

Limpiar valores ausentes, inconsistencias y duplicados.

Documentar las transformaciones realizadas.

Realizar análisis estadístico descriptivo.

Aplicar análisis exploratorio completo.

Crear visualizaciones para comprender patrones relevantes.

Definir KPIs empresariales.

Crear un dashboard o informe de resultados.

Formular hipótesis que puedan comprobarse con los datos.

Preparar features para Machine Learning.

Separar entrenamiento, validación y test.

Construir un baseline.

Entrenar varios modelos candidatos.

Evaluar cada modelo mediante métricas adecuadas.

Aplicar cross-validation.

Optimizar hiperparámetros.

Analizar errores del modelo.

Explicar las predicciones mediante técnicas de interpretabilidad.

Verificar posibles sesgos o comportamientos anómalos.

Comparar el modelo final con el baseline.

Justificar la selección del modelo desde una perspectiva técnica y empresarial.

Incorporar series temporales, texto o detección de anomalías cuando el problema lo requiera.

Preparar una API o proceso batch para ejecutar predicciones.

Organizar el proyecto mediante una estructura profesional.

Versionar código con Git.

Crear pruebas automatizadas.

Gestionar dependencias y configuración.

Preparar contenedor de ejecución cuando proceda.

Definir estrategia de despliegue.

Diseñar métricas de monitorización.

Definir criterios para detectar drift y degradación.

Preparar procedimiento de reentrenamiento.

Documentar datos, modelo, limitaciones, riesgos y uso previsto.

Crear README técnico y documentación de ejecución.

Preparar un resumen ejecutivo para perfiles no técnicos.

Presentar conclusiones mediante datos, visualizaciones y métricas.

Defender la solución explicando metodología, decisiones, limitaciones y oportunidades de mejora.