Formarte en Data Science es una de tus opciones, pero:

¿Y SI PROBARAS EL TRABAJO DE DATA SCIENTIST ANTES DE TOMAR LA DECISIÓN?

Vive tu primera semana como Data Scientist resolviendo un caso de negocio. Analiza datos de empleados, construye un modelo predictivo interpretable y convierte sus resultados en una herramienta visual.

  • Sin conocimientos técnicos previos
  • Aunque vengas de otra profesión
  • A tu ritmo, sin fecha límite

Por solo 19 €.

QUIERO PROBAR DATA SCIENCE
Caja 3D de Tu primera semana como Data Scientist
Business Analytics
Machine Learning
GitHub Codespaces

Data Science suena a una profesión fascinante… hasta que intentas imaginar qué harías en un trabajo real.

Quizá te atrae el Machine Learning, pero no sabes cómo se conecta con los problemas que tiene una empresa.

Hay conceptos, herramientas y cursos por todas partes. Y antes de invertir meses en aprender, quieres saber si te gusta el trabajo de verdad.

¿Te verías analizando un problema de negocio, creando un modelo predictivo y explicando qué significan sus resultados?

Antes de decidir, seguramente quieres saber:

  • Qué hace un Data Scientist más allá de programar modelos.
  • Si disfrutarías conectando datos, negocio y predicciones.
  • Cómo empezar sin enfrentarte a un proyecto enorme a solas.

No necesitas decidirlo a ciegas. Puedes probarlo con un caso guiado.

ANTES DE COMPROMETERTE CON UNA FORMACIÓN LARGA, PRUEBA EL TRABAJO REAL.

Una experiencia para pasar de la pregunta al modelo y del modelo a la decisión.

Un Data Scientist no empieza eligiendo un algoritmo. Empieza entendiendo qué necesita resolver el negocio y qué pueden contar los datos.

Después convierte ese análisis en una predicción que alguien pueda utilizar.

En Tu primera semana como Data Scientist recorres ese proceso con una guía paso a paso y un caso de abandono de empleados.

No vienes a mirar cómo trabaja otra persona: vienes a poner las manos en los datos y probar cada etapa.

Descubre si te gusta

Dejas de mirar cursos y empiezas a resolver encargos parecidos a los que recibiría un analista en una empresa.

01

Comprueba cómo se te da

Trabajas con datos, herramientas y preguntas de negocio, aunque partas de cero.

02

Decide con datos, no con intuiciones

Al terminar sabrás si quieres seguir y qué te conviene aprender después.

03

EL CASO QUE VAS A RESOLVER

¿Cómo puede una empresa entender y anticipar el abandono de empleados?

Vista del dashboard de People Analytics y de un informe personalizado de retención

Desde el departamento de Recursos Humanos de la compañía se busca identificar qué patrones aparecen en sus salidas históricas y cómo utilizar esa información para retener el talento y minimizar los costes que conlleva una nueva captación.

Tu encargo será recorrer el caso desde la fase de análisis hasta la exploración de datos, creando un modelo predictivo capaz de identificar perfiles con riesgo de fuga.

Además, te apoyarás en una API y un LLM para transformar los resultados del modelo en un informe con una propuesta clara de retención.

JORNADA 1 · PREPARANDO EL ENTORNO DE TRABAJOCODESPACES

Entiende el problema antes de modelarlo

Inspecciona los datos y revisa su calidad. Después, conviértelos en preguntas de negocio que orienten el análisis.

01
JORNADA 2 · MACHINE LEARNINGPYTHON + ML

Entrena un modelo y entiende sus reglas

Prepara los datos, entrena un árbol de decisión y evalúalo con datos que no ha visto. Después explora cómo asigna una probabilidad de riesgo a cada perfil.

02
JORNADA 3 · DASHBOARD + LLMAPI + LLM

Convierte el análisis en algo que se pueda explorar

Crea un dashboard interactivo, revisa perfiles y genera un informe individual con acciones de retención para descargarlo en PDF.

03

LO QUE TE LLEVAS EN ESTA EXPERIENCIA

Al terminar tendrás un recorrido práctico que podrás revisar y explicar.

  • Notebooks guiados para completar el análisis de las tres jornadas en tu Codespace.
  • Un modelo interpretable para explorar reglas y estimaciones de riesgo.
  • Un dashboard de retención con KPIs, perfiles y grupos del modelo.
  • Informes personalizados generados mediante la API y un LLM.
Recorrido del caso guiado: notebooks, modelo interpretable, dashboard e informes personalizados

CUANDO EL MODELO DEJA DE SER UNA CAJA NEGRA

Ejemplo ilustrativo de cómo un árbol de decisión genera reglas y estimaciones de probabilidad de abandono

Usamos un árbol de decisión como modelo predictivo porque cumple dos objetivos fundamentales:

  • Adentrarnos en cómo se aplica un algoritmo en proyectos reales.
  • Comprender de forma simple las reglas de negocio que genera el modelo.

PARA QUIÉN ES

¿Esta experiencia encaja contigo?

  • Te interesa probar cómo se trabaja en Data Science antes de comprometerte con una formación larga.
  • Vienes de negocio, marketing, RR. HH., finanzas, ingeniería u otra profesión y quieres explorar el análisis predictivo.
  • Ya tienes nociones de datos o has hecho TPE y quieres probar Machine Learning.
  • Aprendes mejor resolviendo un caso guiado que viendo teoría sin aplicarla.

Lo que no necesitas:

  • Experiencia previa en Machine Learning o Data Science.
  • Instalar Python o configurar un entorno local: trabajarás desde el navegador con GitHub Codespaces.
  • Una suscripción de pago a Claude o ChatGPT para realizar las tareas.

Una primera prueba práctica de Data Science

Tu primera semana como Data Scientist

  • Sin conocimientos técnicos previos
  • Aunque vengas de otra profesión
  • A tu ritmo, sin fecha límite
Precio de la experiencia19 €Impuestos y condiciones de compra por confirmar antes de abrir el acceso.

Estamos preparando el acceso de compra para esta experiencia.

Tu primera semana como Data Scientist: experiencia práctica con notebook, modelo predictivo, dashboard e informe LLM

FAQ

Resolvamos tus dudas

Una experiencia para probar el proceso con expectativas claras.

¿Necesito saber Machine Learning o Data Science?

No. La experiencia está guiada y te lleva por las etapas del caso. El nivel de Python usado es introductorio.

¿Y si no se me da bien?

Por eso existe esto. Tienes guía paso a paso en cada tarea y los materiales para seguirlas, aunque partas de cero. Y si descubres que no es lo tuyo, lo habrás descubierto por 19 € en lugar de por miles.

¿Tengo que instalar programas?

No, el trabajo se realiza desde el navegador con GitHub Codespaces. Necesitarás una cuenta de GitHub.

¿Necesito pagar una herramienta de inteligencia artificial?

No, el informe individual que desarrollamos durante el proyecto requiere el uso de Gemini. Google AI Studio permite un uso limitado gratuito. Si Google cambia las condiciones, se puede optar por otra IA gratuita una vez asimilados los conceptos de uso.

¿Cuánto tiempo tardaré en completar la experiencia?

El contenido está organizado en tres jornadas. La experiencia está pensada para completarse entre 4 y 6 horas.

¿Me convertiré en Data Scientist al terminar?

No, y no te lo vamos a vender así. Es una primera experiencia real para probar el trabajo, conocerlo mejor y decidir con información si quieres seguir formándote.

¿Hay soporte?

Esta experiencia no incluye soporte. Tampoco lo vas a necesitar porque la experiencia te lleva en todo momento de la mano.

¿Por qué cuesta tan poco?

Porque es la puerta de entrada. Prefiero que pruebes el trabajo por poco dinero y decidas con calma, a que compres una formación larga sin saber si te gusta.

¿Cuánto tiempo tengo de acceso?

No hay plazo para completarlo. Accedes al material desde la plataforma mientras esté disponible. Si algún día la plataforma dejara de estarlo, tendrás una vía alternativa, como descargar los vídeos y materiales desde Drive.

¿Qué hago después?

Al final se presenta una hoja de ruta para seguir aprendiendo. La formación profesional de DS4B es una opción posterior, y no tienes que decidirlo ahora.