Ciencia de Datos

Programa

Curso: Ciencia de Datos con Python
Módulo 1: Herramientas fundamentales (6 temas - 12 horas)
Tema 1 - NumPy avanzado y álgebra lineal
- Arrays multidimensionales
- Broadcasting y operaciones vectorizadas
- Álgebra lineal básica (dot product, matrices)
- Performance: NumPy vs Python puro

Tema 2 - Pandas: DataFrames fundamentales
- Series y DataFrames en profundidad
- Indexing avanzado (loc, iloc, boolean indexing)
- Operaciones básicas (select, filter, sort)
- Información del dataset (info, describe, dtypes)

Tema 3 - Pandas: Limpieza de datos
- Detección y manejo de valores faltantes
- Duplicados y outliers
- Conversión de tipos de datos
- Renombrar y reorganizar columnas

Tema 4 - Pandas: Transformación y agregación
- GroupBy operations
- Pivot tables y crosstabs
- Merge, join, concatenate
- Apply y transform

Tema 5 - Visualización con Matplotlib
- Anatomía de una figura matplotlib
- Plots básicos: line, scatter, bar, histogram
- Subplots y layouts
- Customización (colores, etiquetas, leyendas)

Tema 6 - Visualización con Seaborn
- Ventajas de Seaborn sobre Matplotlib
- Plots estadísticos: boxplot, violinplot, heatmap
- Pairplots y distribuciones
- Estilos y temas


Módulo 2: Estadística y análisis (4 temas - 8 horas)
Tema 7 - Estadística descriptiva
- Medidas de tendencia central y dispersión
- Distribuciones de probabilidad
- Correlación y covarianza
- Tests de normalidad

Tema 8 - Probabilidad y distribuciones
- Distribuciones comunes (normal, binomial, Poisson)
- Teorema del límite central
- Intervalos de confianza
- Simulaciones con NumPy

Tema 9 - Pruebas de hipótesis
- Hipótesis nula y alternativa
- P-values y significancia estadística
- T-tests, chi-cuadrado
- SciPy.stats para tests

Tema 10 - Análisis exploratorio de datos (EDA)
- Metodología completa de EDA
- Feature engineering básico
- Detección de patrones y anomalías
- Storytelling con datos


Módulo 3: Machine Learning fundamentos (6 temas - 12 horas)
Tema 11 - Introducción a Machine Learning
- Tipos de ML: supervisado, no supervisado, refuerzo
- Scikit-learn: estructura y API
- Train/test split y validación cruzada
- Métricas de evaluación básicas

Tema 12 - Regresión lineal
- Teoría: función de costo, gradient descent
- Regresión lineal simple y múltiple
- Regularización (Ridge, Lasso)
- Evaluación: R², MSE, MAE

Tema 13 - Regresión logística y clasificación
- Clasificación binaria y multiclase
- Regresión logística
- Métricas: accuracy, precision, recall, F1
- Matriz de confusión y curvas ROC

Tema 14 - Árboles de decisión y Random Forest
- Teoría de árboles de decisión
- Overfitting y poda
- Random Forest y ensemble methods
- Feature importance

Tema 15 - Clustering y reducción de dimensionalidad
- K-means clustering
- Hierarchical clustering
- PCA (Principal Component Analysis)
- t-SNE para visualización