Módulos
1 - Fundamentos de Ciencia de Datos y Aplicaciones de IA
- Introducción a la Ciencia de Datos y su impacto en industrias.
- Etapas de un proyecto de datos: planteamiento, recolección, análisis, modelado.
- Conceptos clave de IA: automatización, aprendizaje, toma de decisiones.
- Rol de la IA generativa en el análisis de datos.
- Herramientas y entornos del curso: Google Colab, GitHub, IA asistida.
- Evolución del valor de los datos.
- Metodología CRISP-DM (Cross Industry Standard Process for Data Mining).
- Perspectiva laboral: el rol de los profesionales de datos.
2 - Python para Análisis de Datos
- Sintaxis básica de Python: variables, estructuras, funciones.
- Librerías para análisis de datos: NumPy, Pandas.
- Limpieza de datos y diagnóstico de datos perdidos.
- Web Scraping para Ciencia de Datos.
- Lectura y transformación de datos: carga de archivos, limpieza, procesos ETL.
- Google Colab como entorno colaborativo.
3 - Estadística Descriptiva e Inferencial
- Medidas de tendencia central y dispersión.
- Distribuciones de probabilidad y representación gráfica.
- Pruebas de hipótesis e intervalos de confianza.
- Correlaciones y regresión lineal básica.
- Estadística inferencial con Python.
4 - (RENOVADA) Machine Learning & Deep Learning
- Fundamentos de Machine Learning.
- Modelos de aprendizaje supervisado.
- Modelos de aprendizaje no supervisado.
- Validación cruzada.
- Redes neuronales y Deep Learning.
- Uso de IA asistida para construir pipelines de modelado.
- Creación de dashboards con Python, R y Power BI.
5 - Big Data y Procesamiento en la Nube
- Fundamentos del Big Data: volumen, variedad, velocidad.
- Tecnologías Cloud.
- Tecnologías de almacenamiento.
- Apache Spark, PySpark, Hadoop y procesamiento distribuido.
- Herramientas cloud: Google Cloud y BigQuery (visión práctica).
- Automatización de tareas en la nube con scripts.
- Uso de IA para acelerar análisis a gran escala.
6 - Presentación de Proyecto Final
- Estructura de presentación de proyectos de ciencia de datos.
- Construcción de storytelling de datos.
- Visualización final de resultados y modelos.
- Uso de herramientas de IA para automatizar reportes y visuales.
- Retroalimentación grupal y cierre.
Este curso está dirigido a profesionales como gerentes, coordinadores y líderes interesados en aplicar ciencia de datos en el ámbito empresarial. Es ideal para quienes trabajan con equipos de análisis y desean potenciar su conocimiento en inteligencia artificial y analítica de datos. Se recomienda experiencia laboral de al menos 3 años y conocimientos básicos en estadística y herramientas como Excel.