Bootcamp Data Analytics & IA

Este módulo se centra en introducir los fundamentos de la programación usando Python, un lenguaje ampliamente utilizado y versátil, que resulta ideal tanto para principiantes como para profesionales. Python se emplea en aplicaciones web, análisis de datos, inteligencia artificial, automatización de tareas y mucho más. Su sintaxis simple y legible facilita el aprendizaje y desarrollo, proporcionando una base sólida para el resto del bootcamp.

• Introducción y Características Básicas de Python
• Tipos de Datos, Variables y Manipulación de Texto
• Estructuras de Datos en Python
• Generación de Datos Aleatorios
• Estructuras de Control de Flujo
• Funciones en Python
• Manipulación de Fechas y Horas
• Funciones Lambda
• Expresiones Regulares
• Trabajo con Datos JSON

Este módulo proporciona una introducción exhaustiva al mundo de las bases de datos, abordando desde los principios básicos de modelado hasta la implementación práctica utilizando SQL. A través de este curso, los estudiantes aprenderán a definir, manipular y gestionar datos dentro de sistemas de bases de datos estructuradas, utilizando SQL como herramienta principal. El objetivo es dotar a los estudiantes de las habilidades necesarias para diseñar bases de datos eficientes y realizar consultas complejas que soporten decisiones empresariales.

• Conceptos Generales y Modelado de Bases de Datos
• Bases de datos SQL y NoSQL
• Introducción al Estándar SQL: Data Definition Language (DDL) y Data Manipulation Language (DML)
• Estándar SQL Avanzado: Subconsultas y Expresiones de Tabla Comunes (CTEs)
• Scripting en SQL
• PostgreSQL
• MongoDB

Este módulo se centra en la transformación y el modelado de datos, técnicas esenciales para convertir datos brutos en información valiosa en contextos empresariales. A través de metodologías como ETL, ELT, y EL, y utilizando estándares de modelado como el modelado dimensional y Data Vault, los estudiantes aprenderán a crear productos de datos sofisticados. Además, el curso abordará el uso de herramientas modernas para la orquestación de flujos de datos y la creación de aplicaciones y APIs que permitan la explotación efectiva de los datos transformados.

1. 1. Transformación del Dato
   • Técnicas de Modelado
   • ETL/ELT/EL
   • Orquestadores de Flujos de Datos
2. Explotación del Dato
   • Creación de APIs
   • Aplicaciones de Datos

El módulo está diseñado para proporcionar a los estudiantes una comprensión profunda de cómo transformar datos complejos en visualizaciones claras, efectivas y accionables. Este curso aborda tanto los principios fundamentales de la visualización de datos como las técnicas avanzadas necesarias para crear gráficos y dashboards que apoyen la toma de decisiones basada en datos.

• Introducción a la Visualización de Datos
• Tipos de Gráficos y Sus Aplicaciones
• Diseño de Visualizaciones Efectivas
• Herramientas de Visualización
• Visualización Interactiva y Dashboards
• Visualización Avanzada
• Estudio de Casos y Proyectos Aplicados

La visualización de datos avanzada es esencial para convertir información compleja en conocimientos claros que ayuden a la toma de decisiones estratégicas en un entorno empresarial. En este módulo, el enfoque está en utilizar herramientas de inteligencia de negocio como Power BI y Tableau para generar informes y cuadros de mando interactivos que presenten información valiosa a los tomadores de decisiones.

• Concepto y Relevancia del Storytelling en el Mundo de los Datos
• Elementos Clave de una Buena Narrativa de Datos
• Herramientas para la Implementación Efectiva de Cuadros de Mandos: Power BI
• Integración de Python para Pretratamiento y Visualización

Este módulo establece el punto de partidadel mundo de Machine Learning, introduciéndote en los conceptos clave y las técnicas esenciales de este campo. A través de un aprendizaje práctico y aplicado, descubrirás cómo los modelos pueden desentrañar patrones ocultos en los datos. La meta es prepararte para manejar desafíos más sofisticados y sumergirte en técnicas más avanzadas en módulos posteriores.

• Introducción a Machine Learning (ML)
• Ciclo de Vida de un Proyecto de ML
• Conceptos Fundamentales de ML
• Aprendizaje Supervisado: Regresión
• Aprendizaje Supervisado: Clasificación
• Aprendizaje Supervisado: Decision Tree y Random Forest
• Aprendizaje No Supervisado: Clustering
• Reducción de Dimensionalidad