Estructura Curricular para Análisis de Datos - Básico

 

Básico:

Recolecta, organiza, limpia y visualiza datos usando herramientas básicas y Python.

Abarca conceptos fundamentales para entender y trabajar con datos. Incluye la recolección, organización y limpieza de datos, así como la utilización de herramientas básicas para la visualización de datos, como gráficos y tablas a través del lenguaje de programación Python. 

¿Por qué?

• Tratar conceptos fundamentales sobre el análisis de datos.
• Reconocer las aplicaciones de software esenciales más utilizadas en el mercado para el modelado de datos o el análisis predictivo.
• Realizar carga y administración de datos: estructurados y no estructurados en una herramienta de análisis estadístico como Python.
• Efectuar el pre-procesamiento y limpieza de datos a través de un análisis descriptivo de datos.

Temas:

Introducción al análisis de datos y herramientas básicas, Estructuras de datos y Manejo de librerías

• Fundamentos del análisis de datos.
• Instalación y configuración de Python.
• Primeros pasos en Python.
• Datos primitivos
• Datos compuestos: listas, tuplas, conjuntos, diccionarios y JSON.
• Numpy
• Pandas

Manipulación de datos y estadística simple, Estadística descriptiva básica y Estadística descriptiva intermedia

• Exploración inicial de datos.
• Calidad de los datos
• Técnicas de limpieza de datos.
• Distribuciones de probabilidad, Normal
• Medidas de tendencia central
• Varianza
• Normalidad
• Curtosis
• Percentiles
• Manejo de valores faltantes y datos atípicos.

Análisis descriptivo de datos, Analítica avanzada, Ejercicios prácticos de manipulación de datos (a seleccionar) y Desarrollo del proyecto transversal

• Transformación de datos.
• Técnicas de análisis descriptivo.
• Matplotlib
• Visualización de datos básicos.
• Identificación de patrones y tendencias.
• Interpretación de gráficos
• Manejo de archivos (persistencia)
• Carga de dataset
• Exploración y manipulación de datos
• Estadísticas básicas e intermedias
• Análisis e interpretación

Intermedio

Aprende sobre regresión, correlación, modelos predictivos, análisis de series temporales y el uso de bases de datos y SQL

Profundiza en técnicas más avanzadas y herramientas sofisticadas. Incluye la exploración de métodos de análisis estadístico más complejos, como la regresión y la correlación, así como la introducción a modelos predictivos y análisis de series temporales, además el uso de bases de datos y SQL para la consulta y gestión de datos.

¿Por qué?

• Utilizarás el lenguaje de consulta estructurada (SQL), aplicando los fundamentos y estructura de una base de datos.
• Aplicarás los comandos, cláusulas, sentencias y funciones en SQL para la gestión de datos.
• Emplearás subconsultas, consultas multitabla, funciones integradas, variables, Operadores e instrucciones de control de flujos en SQL.
• Manejarás los conceptos básicos de process mining y de sus tres ramas principales.
• Diseñarás un dashboard básico para el monitoreo y visualización de los datos con los lenguajes y tecnologías más utilizados en el mercado.

Temas:

Introducción a Bases de Datos y SQL, Consultas SQL Básicas y Manejo de Datos en Python (pandas)

• Conceptos básicos de bases de datos
• Instalación y configuración de MySQL/PostgreSQL
• Creación de bases de datos y tablas
• Consultas básicas (SELECT, FROM, WHERE)
• Uso de operadores en consultas SQL
• Comandos básicos (INSERT, UPDATE, DELETE)
• JOINs (INNER JOIN, LEFT JOIN, RIGHT JOIN)
• Agrupamiento y funciones agregadas (GROUP BY, HAVING, COUNT, SUM, AVG)
• Introducción a pandas
• Carga y manipulación de datos
• Operaciones básicas en pandas (selección, filtrado, agrupamiento)
• Integración de pandas con SQL

Consultas SQL Avanzadas, Introducción al Process Mining y Diseño de Dashboards Básicos

• Subconsultas (nested queries)
• Funciones avanzadas (CASE, COALESCE, NULLIF)
• Operadores avanzados y filtros
• Manejo de transacciones y control de errores
• Conceptos básicos de process mining
• Las tres ramas principales de process mining: discovery, conformance, enhancement
• Aplicaciones de process mining en la industria
• Introducción a herramientas de visualización (Streamlit, Google Looker)
• Diseño y creación de dashboards básicos
• Integración de datos en dashboards
• Mejores prácticas para la visualización de datos

Optimización Avanzada en SQL, Aplicación de Modelos Analíticos en Python, Diseño y Desarrollo de Dashboards Estratégicos y Presentación y Evaluación del Proyecto Final

• Técnicas de optimización de consultas (Índices, Análisis de Consultas)
• Full-Text Search y búsqueda avanzada
• Stored Procedures y parámetros de Output
• Cursores y operaciones Pivot y Unpivot
• Manejo de transacciones y bloqueo de tablas
• Estadística avanzada y técnicas de modelado
• Introducción a machine learning (algoritmos básicos)
• Aplicación de modelos predictivos y de clasificación
• Integración de modelos analíticos con bases de datos
• Diseño de dashboards para diferentes niveles (estratégico, táctico, operativo)
• Integración de datos y creación de visualizaciones avanzadas
• Mejores prácticas para la presentación de datos
• Herramientas avanzadas para dashboards (Streamlit, Google Looker)

Avanzado

Realiza análisis predictivo, optimización, validación de modelos y manipulación avanzada de datos.

Se centra en técnicas de análisis y modelado altamente sofisticadas y especializadas. Se profundiza en el análisis predictivo avanzado, optimización de modelos, y validación cruzada para garantizar la precisión y la generalización de los modelos. Además, se exploran técnicas avanzadas de manipulación y visualización de datos, y el uso de herramientas.

¿Por qué?

• Manejarás de herramientas avanzadas del lenguaje de consulta estructurada (SQL): sentencias avanzadas, filtros, búsquedas, Full-Text Search, Stored
• Procedures dinámicos, Cursores, Operadores Pivot y unpivot, lockeo de tablas, índices, paginado de consultas y consultas distribuidas.
• Aplicacarás modelos analíticos en Python para el análisis de datos.
• Diseñarás dashboards estratégicos, tácticos y operativos con las tecnologías más utilizadas en el mercado.(Streamlit y Google Looker)

Temas:

Sentencias Avanzadas de SQL, Herramientas Avanzadas de SQL y Operadores Avanzados en SQL

• Sentencias avanzadas de actualización y replicación.
• Filtros y búsquedas avanzadas.
• KPI’s
• Prototipado de diseño
• Full-Text Search.
• Stored Procedures dinámicos y parámetros de Output.
• Cursores.
• Triggers
• Optimización de rendimiento.
• Operadores Pivot y unpivot.
• Lockeo de tablas.
• Índices.

Consultas Optimizadas en SQL, Modelos Predictivos en Python y Evaluación y Validación de Modelos

• Paginado de consultas.
• Consultas distribuidas.
• Introducción a modelos predictivos en Python (scikit-learn, TensorFlow).
• Casos prácticos de implementación de modelos en Python.
• Técnicas de evaluación y validación de modelos.
• Comparación de modelos.

Diseño de Dashboards Estratégicos, Diseño de Dashboards Tácticos y Operativos, Integración de Herramientas y Tecnologías y Proyecto Final

• Principios de diseño de dashboards estratégicos.
• Integración de datos provenientes de SQL y modelos analíticos.
• Herramientas avanzadas de visualización: Streamlit, Google Looker.
• Principios de diseño de dashboards tácticos y operativos.
• Creación de dashboards personalizados según necesidades tácticas y operativas.
• Uso de APIs para la integración de datos en tiempo real.
• Automatización de flujos de trabajo analíticos.
• Automatización de tareas analíticas con scripts en Python
• Análisis predictivo y prescriptivo
• Optimización y tuning de modelos
• Diseño y desarrollo de pipelines de datos