Cómo convertir una duda vaga en una pregunta que puede responderse con datos. Verás objetivos, métricas, población, muestra, alcance y criterios de éxito antes de tocar herramientas.

Cómo la estadística, las bases de datos, la programación, la web y el aprendizaje automático fueron formando la ciencia de datos actual. También verás cómo cambiaron los roles, las herramientas y las expectativas del trabajo profesional.

Operaciones, proporciones, porcentajes, tasas, escalas, logaritmos y lectura de fórmulas sin miedo. El foco está en las cuentas que aparecen todos los días al analizar datos.

Media, mediana, moda, dispersión, percentiles, distribuciones y valores atípicos. Aprenderás a resumir datos sin esconder lo importante.

Azar, eventos, independencia, probabilidad condicional y distribuciones comunes. Estos conceptos sostienen el muestreo, la inferencia, los modelos predictivos y la medición de incertidumbre.

Poblaciones, muestras, sesgo de selección, error de muestreo e intervalos de confianza. Verás cuándo un dato alcanza para generalizar y cuándo solo describe el caso observado.

Pruebas de hipótesis, valores p, potencia estadística y errores de decisión. Practicarás comparar grupos sin caer en conclusiones apresuradas.

Instalación de un entorno de trabajo, notebooks, scripts, paquetes y lectura de archivos. Crearás pequeños programas en Python para cargar datos, hacer cálculos y guardar resultados.

Condiciones, ciclos, funciones, estructuras de datos y manejo de errores aplicados a tareas reales. Esto te permite automatizar pasos repetidos y escribir análisis más claros.

DataFrames, selección de columnas, filtros, agrupaciones, uniones y transformaciones. Harás análisis prácticos con datos tabulares usando herramientas comunes del ecosistema Python.

Cómo funcionan las bases relacionales, tablas conectadas, llaves y consultas. Escribirás SQL para filtrar, agrupar, unir y ordenar datos que viven en una base.

Archivos CSV, Excel, JSON, Parquet, APIs y bases de datos. Practicarás traer datos desde distintas fuentes y registrar de dónde vinieron para poder repetir el trabajo.

Valores faltantes, duplicados, formatos raros, categorías inconsistentes y fechas problemáticas. Construirás reglas de limpieza que no destruyan información útil.

Perfiles de datos, rangos esperados, pruebas de consistencia y validaciones automáticas. Aprenderás a detectar problemas antes de que contaminen reportes o modelos.

Histogramas, barras, líneas, dispersión, mapas de calor y gráficos de distribución. Usarás visualizaciones para encontrar patrones, errores y relaciones que no se ven en una tabla.

Cómo combinar resúmenes, visualizaciones y preguntas iterativas para investigar un conjunto de datos. Terminarás con hallazgos defendibles y una lista honesta de dudas pendientes.

Correlación, regresión lineal simple, regresión múltiple y lectura de coeficientes. Verás cómo estimar relaciones sin confundir asociación con causa.

Diseños experimentales, grupos de control, aleatorización, pruebas A/B y métricas de resultado. Practicarás decidir si un cambio realmente produjo una mejora.

Confusores, variables instrumentales, diferencias en diferencias, emparejamiento y gráficos causales simples. Este capítulo te ayuda a razonar sobre causa cuando no puedes hacer un experimento perfecto.

Cómo traducir una necesidad de negocio, salud, educación, gobierno o comunidad en datos, análisis, entrega y seguimiento. Seguirás un flujo completo: pregunta, datos, limpieza, análisis, validación, comunicación y decisión.

Gráficos para públicos distintos, tableros, notas metodológicas y mensajes accionables. Practicarás comunicar resultados sin exagerar y dejando claro qué decisión apoyan.

Clasificación, regresión, datos de entrenamiento, datos de prueba, sobreajuste y métricas de desempeño. Construirás tus primeros modelos predictivos y sabrás cuándo no conviene usarlos.

Escalado, codificación de categorías, variables derivadas, selección de atributos y pipelines. Verás cómo preparar datos para modelos de forma repetible y sin filtrar información del futuro.

Validación cruzada, búsqueda de hiperparámetros, matrices de confusión, ROC, precisión, recall, MAE y RMSE. Aprenderás a comparar modelos según el costo real de equivocarse.

Árboles de decisión, random forests y boosting. Estos modelos son centrales en ciencia de datos aplicada porque manejan relaciones no lineales y mezclas de variables con buen rendimiento.

Segmentación con clustering, reducción de dimensión y detección de anomalías. Usarás métodos sin etiquetas para descubrir grupos, simplificar datos y señalar casos raros.

Fechas, tendencias, estacionalidad, rezagos, validación temporal y pronósticos. Trabajarás con series de tiempo evitando errores comunes como mezclar pasado y futuro.

Filtrado colaborativo, contenido, ranking, evaluación fuera de línea y pruebas en producción. Verás cómo se construyen sistemas que sugieren productos, contenidos o contactos.

Grafos, nodos, enlaces, centralidad, comunidades y caminos. Aplicarás análisis de redes a relaciones entre personas, transacciones, páginas, rutas o entidades conectadas.

Coordenadas, capas, distancias, regiones, mapas coropléticos y sesgos espaciales. Trabajarás con datos geográficos para responder preguntas donde el lugar cambia la conclusión.

Texto como dato, limpieza lingüística, bolsas de palabras, TF-IDF, embeddings y clasificación de documentos. Construirás análisis útiles sobre comentarios, noticias, tickets o encuestas abiertas.

Redes neuronales, tensores, entrenamiento, GPUs, regularización y arquitecturas comunes. Verás cuándo el aprendizaje profundo aporta valor y cuándo un modelo más simple es mejor.

Atención, embeddings contextuales, modelos Transformer y tareas modernas de texto. Este capítulo conecta el análisis de lenguaje con la base técnica de muchos sistemas actuales de IA.

Modelos grandes de lenguaje, prompts, límites, alucinaciones, evaluación y uso responsable en análisis. Practicarás apoyarte en estos modelos sin entregarles el juicio estadístico ni la privacidad de los datos.

Búsqueda semántica, bases vectoriales, fragmentación de documentos, recuperación y generación con fuentes. Construirás un flujo RAG para responder con información propia y medir si cita bien sus evidencias.

Cuándo ajustar un modelo existente, qué datos se necesitan, cómo evaluar mejoras y qué riesgos aparecen. Verás diferencias entre prompting, RAG, fine-tuning y entrenamiento desde cero.

Imágenes como matrices, clasificación, detección, segmentación y modelos generativos. Conectarás datos visuales con aplicaciones reales como inspección, salud, documentos y contenido sintético.

Extracción, carga, transformación, particionado, formatos columnares y diseño de pipelines. Aprenderás cómo los datos llegan a estar listos para análisis de manera confiable.

Almacenes de datos, lagos, lakehouse, catálogos, linaje y consultas distribuidas. Verás cómo se organizan datos a escala para que equipos completos puedan encontrarlos y usarlos.

Procesamiento por lotes, streaming, colas de eventos y ventanas de tiempo. Este capítulo cubre datos que llegan continuamente, como transacciones, sensores, clics o registros de sistemas.

Jobs programados, dependencias, reintentos, pruebas, ambientes y documentación operativa. Construirás flujos que no dependan de ejecutar celdas a mano en el orden correcto.

Git, ramas, commits, revisiones, notebooks versionados y estructura de proyectos. Practicarás trabajar de forma ordenada para poder colaborar y volver a resultados anteriores.

Entrenamiento reproducible, registro de experimentos, empaquetado, APIs, despliegue y rollback. Seguirás el camino de un modelo desde notebook hasta un servicio usable.

Deriva de datos, caída de desempeño, alertas, reentrenamiento, errores silenciosos y seguimiento de impacto. Aprenderás a cuidar modelos después de publicarlos, cuando el mundo cambia.

Datos personales, consentimiento, minimización, anonimización, acceso, retención y leyes aplicables. Verás cómo tomar decisiones responsables cuando los datos pueden afectar a personas reales.

Sesgo, equidad, explicabilidad, documentación, auditoría y responsabilidad por daños. Este capítulo trata los riesgos sociales y legales que aparecen al automatizar decisiones con datos.

Permisos, secretos, cifrado, fuga de datos, ataques a modelos y riesgos en proveedores externos. Aprenderás prácticas de seguridad que un equipo de datos debe cuidar desde el primer día.

Cómo evaluar supuestos, incertidumbre, costo de error, impacto humano y alternativas simples. Practicarás elegir entre reporte, experimento, modelo, automatización o no hacer nada.

Un proyecto integrador con datos reales: definición del problema, adquisición, limpieza, análisis, modelado, validación, entrega y seguimiento. El resultado será un portafolio defendible con código, reporte y explicación de decisiones.

Roles como analista, científico de datos, ingeniero de datos, ML engineer y especialista en IA aplicada. Verás rutas de entrada, portafolios, entrevistas, certificaciones útiles y hábitos para mantenerte al día sin perseguir cada moda.