PDSM2-TPS2-05-SP

Foundations corrige tus debilidades iniciales en programación, en estadística o en ambas y te enseña los fundamentos propios de data science

Muchos no logran avanzar en Data Science porque les faltan bases, ya sea en programación o en estadística.

Y es normal:

Quienes vienen de informática o teleco suelen flojear en estadística.

Quienes vienen de matemáticas, estadística o ciencias sociales suelen flojear en programación.

Incluso perfiles de letras pueden tener carencias en ambas.

Foundations te nivelará sin importar tu perfil, para que puedas avanzar al 100 % en los temas más avanzados sin quedarte atrás.

Y además te enseñará los fundamentos propios de Data Science.

Al terminarlo estarás capacitado como técnico junior de Data Science para poder implementar lo que te vaya pidiendo un senior.

Esto es lo que vas a aprender en Foundations

Fundamentos informáticos

• Instalación y configuración del entorno de Data Science: aprenderás a configurar todo correctamente para evitar problemas de compatibilidad.
• Conda y Mini-Conda: pierde el miedo a la terminal y mantén tu sistema siempre actualizado.
• Jupyter Notebook: domina el entorno más usado en Data Science y conoce las mejores extensiones profesionales.
• Python desde cero: explicado para no informáticos. Descubrirás que programar es más fácil de lo que parece.
• Terminal: aprende a moverte como un profesional por la línea de comandos, una herramienta esencial para automatizar y ejecutar tareas rápidamente
• Git y GitHub: controla versiones de tu código, colabora con otros y publica tus proyectos como un data scientist profesional.
• VS Code: aprende a usar la herramienta que usan los profesionales

Fundamentos estadísticos y matemáticos

• Álgebra matricial: repaso de los conceptos esenciales detrás de los algoritmos de machine learning.
• Estadística descriptiva: base para entender y analizar datos correctamente.
• Estadística inferencial: aprende sobre muestreo, intervalos de confianza, contrastes de hipótesis, p-valor y más.
• Estadística avanzada: entiende conceptos clave como multicolinealidad, normalidad y heterocedasticidad, esenciales para modelos fiables.

Fundamentos de Data Science

• Numpy: la base de todos los paquetes de Data Science.
• Pandas: conviértete en experto en el paquete más usado para manipular y analizar datos.
• Matplotlib: domina la herramienta base para crear gráficos en Python.
• Gráficos con Pandas: aprende a generar visualizaciones directamente desde tus DataFrames para ganar productividad.
• Calidad de datos: aprende a detectar, limpiar y transformar datos para garantizar que tus análisis y modelos sean fiables.
• EDA (Exploratory Data Analysis): descubre patrones, relaciones y anomalías en los datos antes de aplicar modelos más avanzados.

Al terminar este bloque...

• Sabrás la programación, informática y estadística necesarias para DS
• Tendrás un fuerte dominio de los fundamentos de DS que vas a necesitar después
• Estarás capacitado para realizar tareas técnicas guiado por un Senior

El segundo gran bloque del programa es Business Analytics, donde aprenderás cómo transformar análisis de Data Science en valor de negocio

Aquí es donde fallan la mayoría de los data scientist.

Una empresa te va a pagar un sueldo para que les generes resultados de negocio

Por supuesto debes tener la habilidades técnicas, pero también debes conocer las metodologías analíticas de negocio con las que vas a generar esos resultados.

Y te cuento un secreto. Es tan «raro» encontrar a un data scientist que tenga este conocimiento de negocio que en cuanto las empresas detectan a uno se lo rifan.

Aprenderás lo necesario para ser un perfil mixto técnico-negocio capaz de ser el puente entre esos dos mundos. lo que mckinsey llama el analytics translator

• Las 11 principales técnicas para crear variables de negocio: crear variables que aporten información de negocio es un arte. Pero sin embargo hay 11 técnicas concretas que puedes aplicar casi a modo de plantilla y que convierten cualquier dataset "soso" en una mina de insights que deslumbrará a tu jefe o cliente.

  Directamente de todos mis años de experiencia en consultoría de alto nivel a tu mesa. Tremendo valor.

• Las 2 grandes estructuras de datos en BA: en la gran mayoría de proyectos los datos solo podrán estar en alguna de estas 2 grandes estructuras.

  Aquí aprenderás a reconocerlas, a saber cual es mejor para cada tarea analítica y cambiar los datos de una a otra

• Las 10 técnicas de consultas interactivas usadas en las grandes consultoras para generar rápidamente valor a sus clientes a partir de los datos: aquí aprenderás cómo hacer lo que se llaman "interactive queries" para extraer todo el valor oculto en los datos en proyectos de tipo Discovery.

  Además te enseñaré mi arma secreta para las consultas "el framework suizo de consultas" que te permitirá hacer casi cualquier consulta recordando únicamente una línea de sintaxis.

  Y como bonus te enseñaré dos técnicas PRO, el Minicubo Analítico que va a disparar tu productividad y la poco conocida Risk Scorecard, desarrollada por los analistas de riesgos de los mayores bancos y que sin embargo puede ser aplicada con gran éxito en cualquier sector

• La batería de 10 análisis de fechas y series temporales que necesitas para extraer todo el valor a datos longitudinales: la mayoría de los negocios necesitan analizar datos a lo largo del tiempo.

  Es un área grande y compleja en sí misma. Sin embargo Pandas tienes unas funcionalidades excelentes para el análisis temporal, y aquí vas a aprender las técnicas necesarias de forma rápida y organizada en una batería de 10 análisis.

• Gráficos con Seaborn: hasta ahora habíamos aprendido a hacer gráficos con Matplotlib y Pandas, y entre nosotros, son muy funcionales, pero no especialmente bonitos.

  Pero el paquete de gráficos Seaborn viene al rescate para poder hacer gráficos de calidad profesional de forma sencilla y poder incluirlos orgullosamente en informes y entregables

También te voy a enseñar cómo diseñar y ejecutar un proyecto de Discovery, y cómo trasladar tus análisis a un Business Case que cuantifique el valor que has generado para tu empresa o clientes

Shss, te voy a contar un secreto …

¿sabes cual es el gran truco que utilizan los mejores consultores para vender más proyectos y los empleados más inteligentes para convencer a sus jefes de que les den los mejores proyectos?

Pues en lugar de hacer como todo el mundo y presentar sus servicios, o su idea, lo que hacen estos expertos es identificar primero el problema, hacer visible toda su importancia, y luego ya presentar su solución

Te pongo un ejemplo que vas a entender al instante:

Si al llegar a tu casa te encuentras en el buzón una publicidad de un dentista para hacer un empaste, ¿cual es la probabilidad de que reserves cita?

Seguramente baja, ¿no?

Pero si un dentista te ofrece un blanqueamiento gratuito, vas, y al hacerlo te identifica 3 caries inminentes, y te dice que si no las empastas se te pueden infectar y destruir los dientes ¿cual es la probabilidad ahora?

Pues los proyectos de Discovery son algo similar.

Por supuesto tienen gran valor en si mismos ya que sirven para encontrar insights estratégicos que ayudan a la dirección a tomar decisiones.

Pero además permiten encontrar «las caries» de un negocio, y por tanto justificar una series de proyectos mayores y más bonitos, normalmente ya de machine learning, para solucionarlo.

Contenido de muy alto nivel que difícilmente encontrarás en otro lugar.

Sirve para vender más proyectos, o para convencer a tus jefes de que den a ti los proyectos bonitos de tu empresa en vez de a los odiados consultores que se los llevan siempre, pero úsalo con responsabilidad …

Además en esta parte también te enseñaré a:

• Diseñar un proyecto de Discovery

• Identificar las preguntas semilla

• Cómo hacer los análisis y generar los insights

• Cómo cuantificar el valor aportado en un Business Case

• Cómo comunicar los resultados a una audiencia de negocio

• MiniBonus Secreto: Cómo hacer presentaciones de powerpoint como los mejores consultores

Al terminar este bloque...

• Dominarás las metodologías analíticas de negocio
• Empezarás a tener un perfil mixto técnico-negocio
• Sabrás hacer proyectos de discovery, business cases, y comunicar como un consultor estratégico

aprenderás Machine learning y creación de apps para generar sistemas predictivos automatizados de alto performance

¿Que no sabes nada de machine learning?

No te preocupes, empezaremos desde el principio.

En el módulo de Fundamentos de Machine Learning aprenderás todo lo que tienes que saber para hacer machine learning, ya sea con ScikitLearn o con cualquier otro framework:

• Diferencias entre Machine Learning, Big Data, Data Science e Inteligencia Artificial

• Tipos de machine learning

• Casos de uso más frecuentes en la empresa

• Principales Algoritmos

• ​Cómo evaluar modelos

• Cómo entrenar modelos con ScikitLearn

• ​Cómo diseñar correctamente un proyecto de machine learning

• Cómo evitar el sobreajuste

• ​Y decenas más de lecciones para hacerte un experto en el campo del machine learning

Aprenderás a usar los algoritmos más utilizados en la empresa, desde los más clásicos a los que actualmente están pulverizando todos los records

Algoritmos de Data Science

Algoritmos supervisados

Regresión Lineal

Predicción de valores continuos: forecasting de ventas, estimación de precios, proyección de demanda y análisis de tendencias financieras.

Regresión Logística

Clasificación binaria: detección de fraude, predicción de churn de clientes, scoring crediticio y campañas de marketing dirigido.

KNN

Sistemas de recomendación: productos similares, segmentación de clientes, detección de anomalías y análisis de patrones de compra.

Naive Bayes

Clasificación de texto: filtrado de spam, análisis de sentimientos, categorización automática de tickets y procesamiento de feedback.

Algoritmos no supervisados

K-means

Segmentación de clientes: creación de personas, agrupación de comportamientos, optimización de inventario y análisis de mercado.

Algoritmos avanzados

Árboles de Decisión

Reglas de negocio interpretables: aprobación de créditos, segmentación de clientes, diagnóstico de problemas y decisiones automatizadas.

Random Forest

Predicciones robustas: valoración de riesgo, predicción de rotación de personal, análisis de factores de éxito y scoring multivariable.

XGBoost

Alto rendimiento en competiciones: predicción de conversiones, optimización de precios, ranking de propensión y modelos de alta precisión.

LightGBM

Procesamiento rápido de big data: análisis en tiempo real, predicción a escala, optimización de recursos y modelos de producción.

Forecasting

Series temporales: predicción de demanda, planificación de inventario, proyecciones financieras y optimización de recursos.

Optimización de modelos

Regularización

Prevención de overfitting: modelos generalizables, selección de features, control de complejidad y estabilidad predictiva.

Hiperparametrización

Optimización de modelos: mejora de performance, ajuste fino de algoritmos, maximización de ROI y eficiencia computacional.

Te mostraré los problemas REALES de este tipo de proyectos en el ámbito empresarial y cómo solucionarlos

Los proyectos en la empresa no son como en los cursos de data science.

En este módulo te voy a enseñar la realidad de los proyectos profesionales:

• ¿Qué hacer cuando los datos no están bien?

• ¿Qué hacer si tienes que trabajar en un sector que no conoces?

• ¿Cómo gestionar los diferentes tipos de información que te vas a encontrar?

• ¿Cómo gestionar cientos o miles de variables?

• ​¿Cómo seleccionar la base del proyecto?

• ​¿Cómo definir correctamente la variable target? Spoiler: en la realidad no te la darán ya creadita como 0/1 para que tu llegues y la modelices

• ​¿Cómo estructurar los meses ciegos para que el modelo se pueda poner en producción? Ignorar esto te identifica rápidamente como un amateur que nunca ha trabajado en la realidad

• ​¿Cómo usar los umbrales de corte para optimizar las decisiones de negocio? Este punto es el que puede ser una máquina de generar euros para tus jefes y clientes así que mucha atención

• ​En la vida real hay histórico de datos ¿Cómo lo incluimos en los modelos? Esto no te lo contaban en el caso del titanic, eh?

• ​¿Cómo integrar los modelos en los procesos de negocio? Para convertirte en el "caramelito" de la empresa y que todos los departamentos quieran solicitar tu ayuda

te enseñaré la metodología para desarrollar proyectos de machine learning profesionales y generar sistemas predictivos de alto performance

Trabajar con una metodología es absolutamente CLAVE en el entorno profesional.

Te permite saber lo que tienes que hacer en cada momento.

Permite que la gente confíe en tí porque te ve que tienes claros los pasos a seguir.

Permite completar el proyecto mucho más rápido y sin dar palos de ciego.

Permite minimizar el riesgo de errores

En este módulo te enseñaré una metodología testada en cientos de proyectos de las principales empresas de España e internacionales.

Y lo acompañaremos todo con plantillas de código que puedas rehusar en tus proyectos!! suuuper valioso

Aprenderás a desarrollar apps y publicarlas en internet sin tener que aprender nada de desarrollo web

Los Data Scientist tenemos un secreto para crear apps sin tener que depender de desarrolladores.

Se llama Streamlit, y te voy a enseñar cómo usarlo para que puedas crear y disponibilizar tus propias apps.

Y no son cualquier app, son apps que incluyen modelos de Machine Learning, tus propios modelos.

Eso le dará una nueva dimensión de visibilidad a tus proyectos.

Y el valor percibido de tu portfolio se va a disparar.

Al terminar este bloque...

• Sabrás usar los algoritmos más avanzados para entrenar modelos de machine learning
• Conocerás las metodologías de negocio para hacer modelos tal y como se hacen en la realidad (que no es como se hace en la academia ni en los cursos de Udemy)
• Podrás crear apps de machine learning y publicarlas para los usuarios o para mostrar en tu portfolio

Durante el aprendizaje tendrás talleres, donde pondrás en práctica todo lo aprendido y te enfrentarás a la realidad

No uno, ni dos, ni tres …. en el bloque Foundations tendrás 13 talleres!!!

Ya te había comentado que el material de este programa es simplemente ingente

Concretamente en el bloque Foundations trabajarás en los siguientes talleres:

Creación de Entornos con Conda

Crearás un entorno de trabajo con Conda.

Taller de Programación en Python

De momento nada analítico, pero aquí testarás lo que has aprendido de Python programando un sencillo juego de piedra-papel-tijera y una sencilla agenda de teléfonos

Taller de Numpy y Álgebra

Verás en práctica las principales funciones de Numpy y harás ejercicios para entender lo básico del álgebra matricial

Taller de estadística

Se empieza a poner interesante… verás en uso y para qué sirven los principales conceptos de estadística descriptiva e inferencial que has aprendido

Taller de integración Git/Github

Integramos Github en el flujo de trabajo.

Taller de estructuras de datos

Demostrarás si dominas las principales estructuras de datos en Pandas y cómo transformar de una a otra de forma ágil

Taller de extracción de datos con Pandas

Extraer datos de Pandas es de las tareas que más cuesta a quien está aprendiendo. Sin embargo te daré un método y una cheatsheet con la que será pan comido. En este taller además practirás un montón esta habilidad que en la realidad estarás usando a diario

Taller de importación de datos

Acceder a datos es la primera fase de cualquier proyecto. Aprenderás a incorporar datos de ficheros, hojas excel y hasta de bases de datos de forma práctica y sencilla

Taller de diagnóstico de calidad de datos

En proyectos reales los datos nunca están bien. Por tanto quiero que practiques mucho la habilidad de saber cómo identificar los potenciales problemas y poder diagnosticar cuales puedes usar y cuales no

Taller de corrección de calidad de datos

Tras haber hecho el diagnóstico tienes que saber cómo corregir los errores. Por supuesto te enseñaré todas las técnicas en la parte teórica, pero además tendrás un taller específico para este tema para que quede perfectamente consolidado

Taller de integración de datos

Aquí practicarás cómo puedes integrar en uno solo varios de los ficheros individuales que has importado. Es lo que se llama en la empresa crear el datamart analítico

Taller de visualización con Matplotlib

Tras aprender todo lo necesario para hacer gráficos con Matplotlib en este taller practicarás con varios ejercicios que te pondrán a prueba

Taller de visualización con Pandas

En este taller practicarás la creación de gráficos directamente en Pandas, que es una tarea que tienes que tener tan automatizada como el comer

También habrá mini casos, para practicar sobre supuestos de negocio reales

Concretamente en el bloque Business Analytics trabajarás en los siguientes Mini Casos:

Mini caso Análisis de ventas

En este mini caso, analizarás las ventas de un e-commerce.

Mini caso estructuras de sensores

Podrás analizar las estructuras de sensores y su funcionamiento.

Mini caso rotación de empleados

Harás un análisis de la rotación de empleados dentro de una empresa.

Mini caso Stock de seguridad

En este mini caso, determinarás el stock de seguridad de productos.

TODAS las lecciones son en vídeo para explicártelas con todo detalle como si estuviera sentado a tu lado

Casi 1000 lecciones y 130h de grabación que irás recibiendo semanalmente durante 6 meses bajo un itinerario 100% diseñado para que puedas aprender aunque partas de cero

Todas las lecciones tienen su notebook con las explicaciones y código para que no pierdas tiempo en picar código

Explicaciones concepturales con diagramas y pizarras que harán que por fin entiendas lo que no habías entendido hasta ahora

Libro en pdf de cheatsheets para que imprimas y tengas siempre en tu mesa de trabajo a modo de consulta rápida

sí no tendrás que buscar en los vídeos para las consultas rápidas

Y tu productividad se disparará!

Pantillas de código descargables que podrás usar en tus proyectos haciendo copia – pega y te ahorrarán decenas de horas