0.Máster en Ciencia de Datos / DataScience

1 - Introducción a Python para Datos
Domina las bases de Python con un enfoque en el análisis de datos: variables, estructuras de datos, funciones y más. Entenderás cómo trabajar con listas, diccionarios y estructuras de control que te permitirán manipular información eficientemente.
2 - Librerías Esenciales de Data Science
Aprende a manejar herramientas clave como Pandas, NumPy, Matplotlib y Seaborn para manipular y visualizar datos de manera efectiva. Trabajarás con DataFrames, realizarás operaciones matemáticas y transformarás conjuntos de datos en información valiosa.
3 - Estadística Clásica con Python
Explora conceptos fundamentales de estadística, incluyendo:
- Pruebas t y z para comparar muestras y evaluar diferencias significativas.
- ANOVA (Análisis de Varianza) para comparar múltiples grupos.
- Pruebas de hipótesis para validar supuestos estadísticos.
- Chi-cuadrado para analizar relaciones entre variables categóricas.
Aplicarás estos métodos en datasets reales, interpretando resultados y extrayendo conclusiones.
4 - Visualización Aplicada a Datos
Crea gráficos impactantes para explorar tendencias y patrones con Matplotlib y Seaborn. Aprenderás a generar histogramas, gráficos de dispersión, boxplots y heatmaps para optimizar la interpretación de datos y facilitar la toma de decisiones.
5 - Proyectos Prácticos y Aplicaciones Reales
Proyecto 1: A/B Testing en tráfico web
En este proyecto, trabajarás con datos de tráfico web de una empresa para evaluar el impacto de dos versiones de una página en las conversiones de los usuarios. Aprenderás a:
-  Limpiar y explorar datos de tráfico web con Pandas.
- Aplicar pruebas estadísticas como prueba t y prueba de hipótesis para comparar tasas de conversión.
- Visualizar los resultados y tomar decisiones basadas en datos.
-  Generar un informe con conclusiones accionables para optimizar el rendimiento del sitio web.
Proyecto 2: Exploración de datos bancarios para Machine Learning
En este caso práctico, analizarás un dataset financiero con información de clientes bancarios para detectar patrones y preparar datos para modelos de Machine Learning. Te enfocarás en:
-  Limpieza y transformación de datos con Pandas y NumPy.
- Exploración visual con Seaborn para identificar tendencias y correlaciones.
- Aplicación de estadística descriptiva para entender el comportamiento de los clientes.
-  Preparación del dataset para alimentar modelos de predicción en etapas futuras.
Este curso te dará una base sólida para aplicar Python en la ciencia de datos, exploración de información y toma de decisiones basada en evidencia.