Análisis de datos con Python e IA
Analiza datos con pandas, visualízalos con criterio y apóyate en asistentes de IA verificando cada resultado.
Sobre el curso
Curso práctico para analistas, perfiles de negocio y técnicos que quieren pasar de las hojas de cálculo al análisis reproducible con Python. Aprenderás a cargar, limpiar, agregar y visualizar datos con pandas, matplotlib y seaborn, a aplicar estadística básica sin errores de interpretación y a usar asistentes de IA de forma fiable. Terminarás con un proyecto completo sobre un dataset público, listo para presentar.
Qué aprenderás
- Preparar un entorno reproducible con Jupyter o Colab y traducir preguntas de negocio en análisis concretos.
- Cargar, limpiar, transformar, agregar y combinar datos con pandas de forma fiable y documentada.
- Elegir y construir visualizaciones claras y honestas con matplotlib y seaborn, y comunicarlas en dashboards y resúmenes ejecutivos.
- Aplicar estadística descriptiva e inferencial básica, series temporales y tests A/B sin confundir correlación con causalidad.
- Usar asistentes de IA para generar código y análisis, revisándolos y verificando sus resultados con métodos independientes.
Temario
-
1 Entorno de trabajo y pensar en datos
Objetivo: preparar un entorno de análisis reproducible con Jupyter o Google Colab y adquirir el hábito de formular preguntas de negocio antes de escribir una sola línea de código. 1. Jupyter, Colab y por…
La lección completa está en el aula virtual.
-
2 pandas esencial: Series, DataFrame, lectura y filtrado
Objetivo: cargar datos desde CSV y Excel, inspeccionarlos con rapidez y seleccionar y filtrar filas y columnas con loc, iloc y condiciones booleanas. 1. Series y DataFrame Una Series es una columna con índice:…
La lección completa está en el aula virtual.
-
3 Limpieza de datos: nulos, duplicados, tipos, fechas y texto
Objetivo: detectar y corregir los problemas de calidad más habituales y dejar un registro claro de cada decisión de limpieza. 1. Diagnóstico de calidad Antes de corregir, mide. Un pequeño informe de calidad te…
La lección completa está en el aula virtual.
-
4 Agregaciones, groupby, tablas dinámicas y uniones
Objetivo: resumir datos por grupos, construir tablas dinámicas equivalentes a las de Excel y combinar tablas con merge sin duplicar ni perder filas. 1. Agregar con groupby El patrón dividir, aplicar, combinar es el…
La lección completa está en el aula virtual.
-
5 Visualización con matplotlib y seaborn
Objetivo: elegir el gráfico adecuado para cada pregunta y construir visualizaciones claras, honestas y legibles con matplotlib y seaborn. 1. Qué gráfico usar y por qué El tipo de gráfico se elige por la…
La lección completa está en el aula virtual.
-
6 Estadística para no estadísticos
Objetivo: describir distribuciones correctamente, distinguir correlación de causalidad, interpretar intervalos de confianza y analizar un test A/B sencillo sin caer en errores habituales. 1. Describir una distribución La media resume bien datos simétricos, pero…
La lección completa está en el aula virtual.
-
7 Análisis asistido por IA: pedir, verificar y no fiarse a ciegas
Objetivo: usar asistentes de IA para acelerar el análisis con pandas sin perder el control: redactar buenos prompts, revisar el código generado y verificar los resultados de forma sistemática. 1. Para qué sirve (y…
La lección completa está en el aula virtual.
-
8 Series temporales básicas
Objetivo: preparar datos temporales, remuestrearlos a distintas frecuencias, suavizarlos con medias móviles e identificar tendencia y estacionalidad. 1. Preparar una serie temporal En pandas, una serie temporal es un DataFrame o Series con un…
La lección completa está en el aula virtual.
-
9 Comunicar resultados: dashboards y storytelling con datos
Objetivo: convertir un análisis en un mensaje claro para quien decide: estructurar una historia con datos, elegir indicadores, diseñar un dashboard sencillo y exportar resultados reproducibles. 1. Del análisis a la historia Tu audiencia…
La lección completa está en el aula virtual.
-
10 Proyecto final con un dataset público
Objetivo: integrar todo lo aprendido en un análisis completo y reproducible sobre un dataset público, desde la pregunta hasta la recomendación, aplicando un checklist de calidad. 1. Elegir el dataset y la pregunta Elige…
La lección completa está en el aula virtual.