Campus de Formacion

Aprende a usar la inteligencia artificial generativa en tu trabajo diario con criterio y seguridad: escribir correos, actas e informes, resumir documentos largos, investigar y verificar fuentes, analizar hojas de cálculo, preparar presentaciones e imágenes, crear tus propios asistentes y automatizar tareas repetitivas, sin programar. Es un curso de nivel introductorio-profesional para cualquier persona de oficina, comercial, atención al cliente, administración, RR. HH., operaciones o dirección que quiera ahorrar tiempo de verdad y evitar los errores y riesgos más comunes. Empiezas entendiendo cómo funciona por dentro un chat de IA (sin matemáticas) y por qué a veces se inventa las cosas, y terminas con un proyecto final aplicado a tu propio puesto: un asistente personalizado, un flujo automatizado, tus normas de uso y el ahorro de tiempo medido.

Todo con versiones gratuitas. Trabajarás con ChatGPT, Microsoft Copilot, Google Gemini, Claude y Perplexity, y con herramientas como Gemini Notebook (antes NotebookLM) y Make. El curso compara las versiones gratuitas, de pago y de empresa (qué incluyen, qué hacen con tus datos y cuánto cuestan) para que sepas elegir, pero no tienes que pagar nada para hacerlo entero. Practicarás con los documentos de Ondaluz Instalaciones, una empresa ficticia con correos, actas, contratos, informes, hojas de ventas y presentaciones de todos sus departamentos, que puedes subir sin miedo a cualquier herramienta.

Qué incluye: 9 temas en 3 módulos, 2 prácticas y un proyecto final

• Módulo 1 · Entender la IA generativa y empezar con buen pie — Cómo funciona por dentro: tokens, contexto, alucinaciones y límites · Las herramientas de hoy, gratis y de empresa, y cómo elegir con seguridad · Pedir bien: la técnica de instrucciones para el trabajo · Práctica 1: tu kit de instrucciones
• Módulo 2 · La IA en las tareas de cada día — Redacción, correo, actas de reuniones y traducción · Documentos largos e investigación con verificación de fuentes · Datos y hojas de cálculo · Presentaciones, imágenes, vídeo y voz · Práctica 2: un dosier verificado y su presentación
• Módulo 3 · Llevar la IA a tu puesto y a tu empresa — Privacidad y RGPD, Reglamento europeo de IA, propiedad intelectual, sesgos y política de uso · Asistentes personalizados (Proyectos de Claude y ChatGPT, Gems y habilidades de Gemini, agentes de Copilot) y automatizaciones sin código, con casos por departamento y cómo medir lo que ganas · Proyecto final: la IA en tu puesto de trabajo

Cada tema trae un PDF propio con ejemplos reales de oficina, un cuaderno de ejercicios con lista de autocomprobación, que entregas para que lo revise el tutor (su solución comentada se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta.

A quién va dirigido. A cualquier empleado o directivo que quiera incorporar la IA generativa a su trabajo con eficacia y sin riesgos, y a las empresas que quieren formar a su plantilla en el uso responsable de la IA: el Reglamento europeo de IA pide a las empresas que usan IA que adopten medidas para apoyar la alfabetización en IA de su personal, y este curso es una de ellas, con un certificado que sirve como evidencia de la formación. Requisitos: saber usar un ordenador, el correo y un procesador de textos; nada de programación ni de conocimientos técnicos. Necesitas un ordenador con navegador y cuentas gratuitas en las herramientas (el curso te guía para crearlas y configurar su privacidad).

Metodología. Sin calendario: el curso es autogestionado y tienes 365 días desde la matrícula para recorrerlo cuando mejor te venga. En cada tema lees el PDF, practicas con el cuaderno de ejercicios y superas un cuestionario; cada módulo termina con una entrega individual que el tutor corrige a medida que llega, con observaciones para mejorarla. Si una entrega no llega al 7, la mejoras y la vuelves a subir tantas veces como necesites.

Evaluación. Dos prácticas y el proyecto final con rúbrica (90 %; el proyecto final pesa un 40 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada entrega y en cada autoevaluación. Al aprobar recibes automáticamente un certificado de finalización verificable en línea. Dedicación estimada: 42 horas.

¿Quieres ir más allá? Si te interesa construir tus propias aplicaciones con IA programando, sigue con IA generativa con Python; para sacar todo el partido a las hojas de cálculo (incluido Copilot en Excel), con Excel de cero a experto.

Aprende a construir aplicaciones reales con grandes modelos de lenguaje (LLM) en Python, con criterio profesional: llamadas a modelos, salidas estructuradas, herramientas, RAG, agentes y MCP, y además evaluadas, observadas, seguras y desplegadas. Es un curso de nivel intermedio para desarrolladores y analistas que ya programan en Python (el tema 0 repasa lo imprescindible y te indica qué reforzar). Empiezas montando tu laboratorio y entendiendo cómo genera texto un modelo y cuánto cuesta cada llamada, y cierras con un proyecto final para tu portafolio: el asistente de una tienda online que responde con citas a partir de su centro de ayuda, consulta catálogo, reseñas y pedidos con herramientas, pide confirmación antes de actuar y se publica con una API y una interfaz de chat en tu ordenador. Todo se trabaja sobre los datos de «Brisa Hogar», una tienda online ficticia de artículos para el hogar, con su centro de ayuda, consultas de clientes, reseñas, facturas en PDF e imágenes.

Puedes hacerlo gratis de principio a fin. Todo el curso funciona con un modelo local en tu ordenador gracias a Ollama, y las comprobaciones de los ejercicios no usan internet ni claves. Si prefieres usar Claude (Anthropic) u OpenAI, el curso enseña su código nativo y el coste estimado del curso completo es de unos pocos dólares.

Qué incluye: 28 temas en 9 módulos, 7 prácticas y un proyecto final

• Módulo 0 · Antes de empezar — El Python del curso, con un diagnóstico por bloques · Tu laboratorio: uv, Ollama, modelos locales, claves de API y los datos de la tienda
• Módulo 1 · Cómo funciona un LLM y cómo se programa — Qué es la IA generativa · Tokens, contexto, temperatura y costes · La API de mensajes de Ollama, Claude y OpenAI con un cliente común · Streaming, asincronía, errores y reintentos · Práctica 1: tu cliente de modelos
• Módulo 2 · Salidas estructuradas, herramientas y costes — Salidas estructuradas con Pydantic, validación y reparación · Uso de herramientas (function calling) · Control de costes y latencia: tokens, caché de prompts y lotes · Práctica 2: el clasificador de consultas de clientes
• Módulo 3 · Prompts, evaluación y modelos abiertos — Ingeniería de prompts sistemática · Evaluar prompts con datos y un primer LLM como juez · Modelos locales y abiertos: Ollama a fondo, Hugging Face, cuantización y licencias · Práctica 3: banco de pruebas de prompts y modelos
• Módulo 4 · Embeddings, búsqueda semántica y RAG — Embeddings y búsqueda semántica · Bases vectoriales: Chroma, pgvector y búsqueda híbrida · RAG paso a paso con citas · Reordenación, reescritura de consultas y respuestas que saben decir «no lo sé» · Evaluar un sistema RAG · Práctica 4: el centro de ayuda con RAG
• Módulo 5 · Agentes — El bucle de herramientas, memoria, planificación y parada · Model Context Protocol (MCP): servidores y clientes · Frameworks de agentes y sus riesgos, con supervisión humana · Práctica 5: un agente de atención de pedidos
• Módulo 6 · Multimodalidad, evaluación y observabilidad — Imágenes y documentos PDF · Evaluación sistemática con LLM como juez calibrado y pruebas de regresión · Registros, trazas y costes por petición · Práctica 6: facturas y fichas en PDF e imagen
• Módulo 7 · Seguridad, privacidad y ética — Inyección de prompts, fugas de datos y defensas en capas · Privacidad, sesgos, alucinaciones y el Reglamento Europeo de IA en la práctica · Práctica 7: ataca y protege tu asistente
• Módulo 8 · Puesta en producción y proyecto final — Una API con FastAPI · Una interfaz de chat con Streamlit · De la demo a producción: caché, límites de uso, presupuestos y despliegue local · Proyecto final: el asistente de Brisa Hogar

Cada tema trae un PDF propio con código resuelto sobre la tienda y su salida real, un entrenamiento autocorregible (completas funciones en Python y python comprobar.py te dice al momento si son correctas y, si no, qué mirar, sin internet ni claves), que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta.

A quién va dirigido. A desarrolladores y analistas que programan en Python y quieren incorporar modelos de lenguaje a sus aplicaciones con rigor: midiendo la calidad, el coste y la latencia, y cuidando la seguridad y la privacidad. Requisitos: Python intermedio (el curso «Python desde cero» o lo equivalente) y un equipo tuyo (Windows, macOS o Linux) donde tengas permiso para instalar software, con 8 GB de RAM como mínimo (16 GB recomendados) para el modelo local. No es un curso de deep learning: aquí se usan modelos ya entrenados, no se entrenan.

Metodología. Sin calendario: el curso es autogestionado y tienes 365 días desde la matrícula para recorrerlo cuando mejor te venga. En cada tema estudias un PDF con código ya ejecutado, practicas con ejercicios autocorregibles y superas un cuestionario; cada módulo termina con una práctica individual que ejecutas con un modelo real (el local vale) y que el tutor corrige a medida que llega, con observaciones para mejorarla. Si una práctica no llega al 7, la mejoras con esas observaciones y la vuelves a subir tantas veces como necesites.

Evaluación. Siete prácticas y el proyecto final con rúbrica (90 %; el proyecto final pesa un 21 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada práctica y en cada autoevaluación. Al aprobar recibes un certificado de finalización verificable en línea.

Trabajarás con Python 3.13, uv, VS Code y Jupyter, Ollama con modelos abiertos, los SDK de Anthropic y OpenAI, Pydantic, httpx, tiktoken, NumPy, Chroma, Hugging Face, MCP, FastAPI, Streamlit y pytest. Dedicación estimada: 219 horas.

Lleva la minería de datos del ejercicio de clase al proyecto real. Es un curso de nivel de máster en ingeniería y la continuación del curso Minería de datos: da por conocidos los algoritmos clásicos y se centra en el flujo de trabajo profesional, de la preparación de datos sin fugas y la validación rigurosa a los ensembles modernos, las series temporales y la interpretabilidad de los modelos.

Qué incluye: 10 temas y 6 entregas evaluables

• Módulo 1 · Preparación y evaluación — Tema 1 El proyecto de minería de datos y la preparación de datos · Tema 2 Reducción de dimensionalidad · Tema 3 Validación avanzada y ajuste de modelos · Práctica 1: preparación de datos y modelo base
• Módulo 2 · Aprendizaje no supervisado — Tema 4 Clustering avanzado y detección de anomalías · Práctica 2: segmentación y anomalías
• Módulo 3 · Modelos supervisados avanzados — Tema 5 Máquinas de vectores soporte y métodos kernel · Tema 6 Ensembles modernos: random forest, boosting y stacking (con combinación en cascada) · Práctica 3: comparativa de modelos supervisados
• Módulo 4 · Series temporales e interpretabilidad — Tema 7 Series temporales · Práctica 4: predicción de series temporales · Tema 8 Interpretabilidad y aprendizaje automático responsable
• Módulo 5 · Clasificadores clásicos, redes neuronales y grafos — Tema 9 Clasificadores clásicos: naive Bayes, k-NN y árboles de decisión · Tema 10 Redes neuronales con Keras · Práctica 6: clustering y árbol de expansión mínima
• Cierre — Entrega 5: análisis crítico de un artículo científico

Cada tema trae un PDF propio, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente.

Trabajarás en Python con pandas, scikit-learn, XGBoost, LightGBM, statsmodels, imbalanced-learn, SHAP, UMAP, TensorFlow/Keras y networkx, en local o en Google Colab (sin necesidad de GPU). Dedicación estimada: 154 horas de temas y entregas, más una hora de presentación (unas 10 horas semanales durante 16 semanas). Requisitos: haber cursado Minería de datos o tener formación equivalente (algoritmos clásicos de clasificación y clustering, evaluación de modelos y Python con pandas y scikit-learn), además de estadística, álgebra lineal y cálculo de nivel universitario.

Aprende a extraer conocimiento útil de los datos con las técnicas fundamentales de la minería de datos. Es un curso de nivel de grado en ingeniería: cada algoritmo se explica desde dentro, se resuelve a mano con ejemplos pequeños y se programa en Python, de los clasificadores por vecindad, los árboles de decisión y los modelos bayesianos a la combinación de clasificadores, el clustering, los algoritmos genéticos y las redes neuronales. El último módulo lo aplica todo con el banco de trabajo Weka y con R y caret.

Qué incluye: 12 temas y 6 entregas evaluables

• Módulo 1 · Fundamentos y clasificación — Tema 1 Introducción a la minería de datos · Tema 2 Clasificación con k vecinos más próximos · Tema 3 Evaluación de clasificadores · Tema 4 Árboles de decisión · Práctica 1: clasificación y evaluación
• Módulo 2 · Modelos probabilísticos y combinación — Tema 5 Clasificadores bayesianos · Tema 6 Combinación de clasificadores · Tema 7 Selección de variables · Práctica 2: modelos bayesianos, combinación y selección de variables
• Módulo 3 · Aprendizaje no supervisado y otros paradigmas — Tema 8 Algoritmos de clustering · Tema 9 Algoritmos genéticos · Tema 10 Introducción a las redes neuronales · Práctica 3: clustering y optimización genética
• Módulo 4 · Minería de datos con Weka y con R — Tema 11 Weka: explorar, filtrar, clasificar y comparar algoritmos · Práctica 4: laboratorios con Weka · Tema 12 Minería de datos en R con caret · Práctica 5: abandono de clientes con caret (R)
• Cierre — Proyecto final: un proyecto completo de minería de datos

Cada tema trae un PDF propio, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente.

Trabajarás en Python con pandas y scikit-learn, en local o en Google Colab (sin necesidad de GPU), y en el módulo 4 con Weka y con R. Dedicación estimada: 170 horas de trabajo, más una hora de presentación (unas 10 horas semanales durante 18 semanas). Requisitos: programación básica en Python, y estadística, probabilidad y álgebra lineal de primeros cursos de grado. Su continuación natural es el curso Minería de datos avanzada, de nivel de máster.

Aprende a construir agentes que toman decisiones secuenciales y mejoran con la experiencia. El curso va de los fundamentos del aprendizaje por refuerzo (procesos de decisión de Markov, funciones de valor y ecuaciones de Bellman) a los métodos de deep reinforcement learning que se usan hoy: DQN, gradientes de política, actor-crítico y PPO.

Qué incluye: 11 temas y 4 entregas evaluables

• Módulo 1 · Fundamentos — Tema 1 Introducción al aprendizaje por refuerzo · Tema 2 Entornos de simulación con Gymnasium · Tema 3 Procesos de decisión de Markov
• Módulo 2 · Soluciones tabulares — Tema 4 Programación dinámica · Tema 5 Monte Carlo · Tema 6 Diferencia temporal · Tema 7 Métodos de n pasos · Práctica 1: métodos tabulares en Blackjack
• Módulo 3 · Soluciones aproximadas y deep RL — Tema 8 Soluciones aproximadas · Tema 9 Deep Q-Networks · Tema 10 Gradientes de política · Tema 11 Actor-crítico · Práctica 2: deep RL en Space Invaders
• Cierre — Entrega 3: análisis crítico de un artículo científico · Proyecto final: agente para Lunar Lander

Cada tema trae un PDF propio, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea el tema siguiente.

Trabajarás en Python con Gymnasium y PyTorch, en local o en Google Colab. Dedicación estimada: 140 horas (unas 10 horas semanales durante 14 semanas). Requisitos: Python y numpy, probabilidad básica y cálculo; para el módulo 3, nociones de redes neuronales.

Aprende a diseñar, entrenar y evaluar redes neuronales profundas. El curso va de los fundamentos del aprendizaje profundo (la neurona artificial, la retropropagación, los optimizadores y la regularización) a las arquitecturas que se usan hoy en visión, lenguaje y generación de contenido: redes convolucionales, redes recurrentes, transformers y modelos generativos.

Qué incluye: 7 temas y 5 entregas evaluables

• Módulo 1 · Fundamentos — Tema 1: Introducción al deep learning · Tema 2: Redes neuronales artificiales
• Módulo 2 · Visión por computador — Tema 3: Fundamentos de las redes convolucionales · Tema 4: Arquitecturas y aplicaciones de las CNN · Práctica 1: Redes densas y convolucionales con Keras
• Módulo 3 · Secuencias y lenguaje — Tema 5: Redes neuronales recurrentes · Práctica 2: Redes recurrentes · Tema 6: Transformers y mecanismos de atención · Práctica 3: Transformers
• Módulo 4 · Modelos generativos — Tema 7: Modelos generativos (autocodificadores, VAE, GAN y difusión) · Práctica 4: Modelos generativos
• Cierre — Entrega 5: Análisis crítico de un artículo

Cada tema trae un PDF propio, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente.

Trabajarás en Python con Keras 3 sobre TensorFlow, en local o en Google Colab (con GPU gratuita, recomendable para las prácticas). Dedicación estimada: 133 horas (unas 10 horas semanales durante 14 semanas). Requisitos: Python y numpy, álgebra lineal, cálculo y probabilidad básicos, y nociones de aprendizaje automático.

Aprende a probar software como un profesional: a decidir qué probar y cuánto, a diseñar casos que encuentran fallos, a hacer QA manual con método y a automatizar pruebas con Python en todos los niveles, de una función a la aplicación completa en el navegador, y a llevarlas a la integración continua. Lo hemos pensado para desarrolladores y profesionales de QA que buscan un nivel profesional, y te prepara para la certificación ISTQB Certified Tester Foundation Level (CTFL), versión 4.0.1 del temario, con un simulacro completo al final. Todo se trabaja sobre Cesta Viva, una tienda online ficticia de cestas de fruta y verdura que instalas en tu ordenador, con su web, su API, sus reglas de envío, cupones y pedidos y, en muchos ejercicios, fallos sembrados a propósito para que los encuentres.

El recorrido: nueve módulos con 26 temas, siete prácticas y un proyecto final

• Módulo 0 · Antes de empezar — Repaso de Python y pytest con un diagnóstico por bloques · Tu laboratorio de calidad: uv, pytest, Playwright y la tienda Cesta Viva
• Módulo 1 · Fundamentos de las pruebas — Qué es probar: errores, defectos y fallos, los siete principios y el proceso de prueba · Las pruebas en el ciclo de vida: niveles, tipos y regresión en equipos ágiles y DevOps · Pruebas estáticas: revisiones de requisitos e historias y análisis estático · Práctica 1: revisión de una especificación
• Módulo 2 · Diseño de pruebas — Partición de equivalencia y valores límite · Tablas de decisión, transición de estados y pruebas combinatorias · Cobertura de sentencias y ramas, predicción de errores y criterios de aceptación · Práctica 2: diseño de pruebas de las reglas de la tienda
• Módulo 3 · Gestión de pruebas y QA manual — Plan, estimación, riesgos, seguimiento, informes y herramientas · Casos de prueba, pruebas exploratorias y gestión de defectos · Práctica 3: campaña de pruebas manuales de la tienda web
• Módulo 4 · Automatización con pytest — pytest a fondo: fixtures avanzadas, parametrización, marcas, plugins, hooks y cobertura con coverage.py · TDD y dobles de prueba con unittest.mock · Pruebas basadas en propiedades con Hypothesis y de mutación con mutmut · Práctica 4: batería automatizada del núcleo de la tienda
• Módulo 5 · Pruebas de servicios y datos — Pruebas de API con httpx, contratos con JSON Schema y OpenAPI, y Schemathesis · Pruebas de aplicaciones Django con pytest-django · Pruebas de bases de datos · Práctica 5: pruebas de la API y del back end
• Módulo 6 · Pruebas de extremo a extremo y BDD — Playwright: localizadores, aserciones con espera, red y sesiones · Page objects, trazas, pruebas visuales, varios navegadores y pruebas estables · BDD con Gherkin y pytest-bdd · Práctica 6: suite de extremo a extremo y BDD
• Módulo 7 · Calidad no funcional — Rendimiento y carga con Locust · Accesibilidad con WCAG 2.2 y axe · Seguridad básica para QA: OWASP Top 10, bandit, pip-audit y OWASP ZAP · Práctica 7: informe de calidad no funcional
• Módulo 8 · Integración continua, estrategia y certificación — Pruebas en GitHub Actions con matrices, informes y puertas de calidad · Estrategia de pruebas: pirámide, pruebas inestables y métricas de calidad · Preparación de la certificación ISTQB CTFL con simulacro · Proyecto final: estrategia y suite de pruebas completa, con integración continua e informe de calidad

Cada tema trae un PDF propio con ejemplos resueltos y ejecutados sobre la tienda, un entrenamiento autocorregible, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta. Los entrenamientos no se conforman con que tus pruebas pasen: python comprobar.py las ejecuta también contra versiones de la tienda con fallos y te dice cuáles se te escapan, sin necesidad de internet.

A quién va dirigido. A desarrolladores que quieren probar mejor su código y a profesionales de QA (manual o de automatización) que quieren dar el salto a la automatización con Python o consolidar su método con el temario de ISTQB. Requisitos: programar en Python con soltura (lo ideal es venir del curso «Python desde cero» del campus o tener una base parecida: funciones, clases, módulos, excepciones y unas nociones de pytest; el tema 0 lo repasa) y un equipo tuyo (Windows 11, macOS 14 o posterior, o Linux) con 8 GB de RAM y permiso para instalar software. No hace falta saber Django: el curso explica lo justo para probar la tienda (si quieres ir más allá, el curso «Django profesional» es el complemento natural).

Cómo se estudia. No hay fechas: el curso es autogestionado y dispones de 365 días desde la matrícula. Cada tema combina la lectura de su PDF, un entrenamiento que se corrige solo y un cuestionario; al cerrar cada módulo entregas una práctica individual, y el tutor la corrige en cuanto la recibe y te deja comentarios. ¿No llega al 7? Aplicas esos comentarios y la reenvías: no hay límite de entregas.

Evaluación. Las siete prácticas y el proyecto final se califican con rúbrica (90 % de la nota; el proyecto, un 22 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada práctica y en cada autoevaluación. Al aprobar recibes automáticamente un certificado de finalización verificable en línea. El curso prepara el examen CTFL, pero no lo incluye: el examen oficial se hace con un proveedor acreditado.

Las herramientas: Python 3.13 con uv y VS Code, pytest y sus plugins, coverage.py, Hypothesis, mutmut, httpx, Schemathesis, Django y pytest-django, Playwright, pytest-bdd y behave, Locust, axe, bandit, pip-audit, OWASP ZAP, Git y GitHub Actions. Dedicación estimada: 212 horas.

Aprende a automatizar con Python las tareas repetitivas de una oficina: ordenar y renombrar cientos de ficheros, consolidar libros de Excel en un informe con formato y gráficos, generar cartas en Word y facturas en PDF en serie, enviar y leer correo con adjuntos, recoger datos de webs y APIs, manejar el navegador cuando no hay otra vía y conectar con Google Sheets y Microsoft 365. Es un curso de nivel profesional para personal de administración y perfiles técnicos que ya saben lo básico de Python y quieren convertirlo en horas ahorradas cada semana, con scripts robustos, programados y fáciles de compartir. Todo se trabaja sobre la oficina de «Brisa Hogar», una tienda online ficticia que vende artículos para el hogar, con su carpeta compartida desordenada, sus notas de gasto por departamento, sus plantillas corporativas, sus facturas de proveedor y su buzón de correo.

Sin cuentas reales y sin riesgos. El curso trae sus propios servicios de pruebas, que funcionan en tu ordenador: un servidor de correo, la web de un proveedor, la API de un transportista y simuladores de Google Sheets y Microsoft 365. Practicas sin enviar un solo correo de verdad ni tocar los datos de tu empresa, y el mismo código vale después con tus cuentas cambiando solo la configuración.

Qué incluye: 12 temas en 4 módulos, 3 prácticas y un proyecto final

• Módulo 1 · Ficheros y hojas de cálculo — Qué merece la pena automatizar, tu entorno y un diagnóstico de Python · Ficheros y carpetas: pathlib, shutil, renombrado masivo, duplicados y zip · CSV, JSON y pandas esencial · Excel con openpyxl y pandas: plantillas, formatos, fórmulas y gráficos · Práctica 1: el cierre mensual
• Módulo 2 · Documentos y correo — Word con python-docx y plantillas docxtpl; PDF con pypdf y ReportLab y extracción de tablas · Correo con adjuntos y plantillas: smtplib e imaplib · Práctica 2: facturas y cartas en serie
• Módulo 3 · La web: scraping, APIs y navegador — Web scraping responsable con requests y Beautiful Soup (robots.txt, ritmo y ética) · APIs REST con autenticación, paginación y reintentos, Google Sheets y Microsoft 365 · Automatización del navegador con Playwright · Práctica 3: proveedor y transportista
• Módulo 4 · Automatizaciones profesionales — Línea de órdenes con argparse y Typer, configuración, registro, errores y notificaciones · Programar tareas (cron, launchd, Programador de tareas de Windows, APScheduler) y empaquetar tu script · IA en tus automatizaciones (opcional con un modelo real) · Proyecto final: automatiza un proceso real de oficina

Cada tema trae un PDF propio con código resuelto y su salida real, un entrenamiento autocorregible (completas funciones en Python y python comprobar.py te dice al momento si son correctas y, si no, qué mirar), que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta.

A quién va dirigido. A quien trabaja en administración, finanzas, compras, logística o atención al cliente, y a perfiles técnicos que dan soporte a esos equipos, que pierden horas en tareas mecánicas con ficheros, hojas de cálculo, documentos y correos. Requisitos: Python básico (variables, listas y diccionarios, condicionales y bucles, funciones, excepciones y ficheros de texto); te recomendamos el curso «Python desde cero» del campus, y el tema 1 incluye un diagnóstico que te dice qué repasar. Te hace falta un equipo propio (Windows, macOS o Linux) en el que tengas permiso para instalar software. Si lo que buscas es analizar datos a fondo, el curso «Análisis de datos con Python» es el complemento; si quieres dominar Excel como usuario, «Excel de cero a experto»; y para ir más lejos con la IA, «IA generativa con Python».

Metodología. Sin calendario: el curso es autogestionado y tienes 365 días desde la matrícula para recorrerlo cuando mejor te venga. Cada tema combina un PDF con el código ya ejecutado, un entrenamiento que se corrige solo y un cuestionario; cada módulo termina con una práctica individual que el tutor corrige a medida que llega, con observaciones para mejorarla. ¿Una práctica se queda por debajo del 7? La mejoras y la vuelves a subir tantas veces como necesites. En el proyecto final automatizas un proceso completo (una de las propuestas guiadas o uno de tu trabajo con datos ficticios), programado y listo para que lo use otra persona.

Evaluación. Tres prácticas y el proyecto final con rúbrica (90 %; el proyecto final pesa un 32 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada práctica y en cada autoevaluación. Al aprobar recibes automáticamente un certificado de finalización verificable en línea.

Herramientas: Python 3.13, uv, VS Code con Jupyter, pathlib, pandas, openpyxl, python-docx, docxtpl, pypdf, ReportLab, pdfplumber, smtplib e imaplib, requests, httpx, Beautiful Soup, Playwright, tenacity, Pydantic, Typer, APScheduler, PyInstaller y pytest. Dedicación estimada: 103 horas.

Aprende a trabajar con Git y GitHub en equipo como se hace en una empresa de software, entendiendo lo que pasa por debajo. Es un curso de nivel profesional para desarrolladores y perfiles técnicos que empiezan con Git o que ya lo usan a diario sin acabar de entenderlo: los que copian órdenes de internet cuando algo se tuerce, temen un conflicto o no se atreven con un rebase. Empiezas por el modelo interno de Git (objetos, commits, árbol, índice y HEAD) explicado de forma práctica y terminas rescatando un repositorio con la historia enredada, un secreto filtrado y una versión que firmar. Todo se practica sobre Faro, un pequeño proyecto ficticio con su equipo de cuatro personas.

Qué incluye: 8 temas en 3 módulos y 3 prácticas

• Módulo 1 · Git en tu ordenador — Cómo piensa Git: instalación en Windows, macOS y Linux, configuración y el modelo de objetos · El ciclo diario: estados, commits, .gitignore, diff y log · Ramas, fusiones y conflictos, y el stash para cambiar de tarea · Práctica 1: Faro en tu ordenador
• Módulo 2 · GitHub y el trabajo en equipo — Remotos y GitHub: SSH y tokens, clone, fetch, pull, push y forks · Pull requests y revisión de código: ramas protegidas y rulesets, CODEOWNERS, Issues, Projects y Discussions · Flujos de trabajo (GitHub Flow, Git Flow, trunk-based), Conventional Commits, versionado semántico, etiquetas y releases, y una integración continua sencilla con GitHub Actions · Práctica 2: Faro en GitHub
• Módulo 3 · Historia, recuperación y repositorios profesionales — Deshacer, reescribir y recuperar: amend, reset, revert, rebase interactivo, cherry-pick, reflog y bisect (y cuándo no reescribir) · Repositorios grandes y seguros: submódulos, monorepos, Git LFS, hooks, qué hacer con un secreto filtrado y firma de commits · Práctica 3: rescate de Faro

Cada tema trae un PDF propio con ejemplos reales (todas las órdenes y salidas se han ejecutado), un entrenamiento con autocorrector —un script crea en tu ordenador repositorios de práctica con situaciones concretas (un conflicto, una historia que arreglar, un remoto que va por delante…) y python comprobar.py revisa el estado final de tu repositorio y te dice qué falta—, que entregas para que lo revise el tutor (su solución explicada se abre 7 días después de tu entrega) y una autoevaluación con la explicación de cada respuesta. Los ejercicios no necesitan internet ni cuenta de GitHub; GitHub de verdad lo usas en los temas 4 a 6 y en la práctica 2.

A quién va dirigido. A desarrolladores, testers, administradores de sistemas, analistas de datos y cualquier perfil técnico que trabaje con código o configuración en equipo. Requisitos: manejarte con soltura en un ordenador y no tenerle miedo al terminal (el curso te enseña lo necesario); no hace falta saber programar. Necesitas un equipo con Windows, macOS o Linux donde puedas instalar Git y Python (este, solo para los ejercicios) y una cuenta gratuita de GitHub. Si vienes del curso Python desde cero, su tema de Git te habrá dado una primera idea: aquí lo llevas al nivel de un equipo profesional. Y si te interesa desplegar aplicaciones web, el curso Django profesional: aplicaciones web y API REST con Python aplica estas mismas herramientas a un proyecto completo.

Metodología. Sin calendario: el curso es autogestionado y tienes 365 días desde la matrícula para recorrerlo cuando mejor te venga. En cada tema estudias el PDF reproduciendo los ejemplos en tu terminal, practicas con los ejercicios autocorregibles y superas un cuestionario; cada módulo termina con una práctica individual que entregas como un fichero de git (un bundle) —en la segunda, también con el enlace a tu repositorio público de GitHub (privado con capturas, solo si tienes GitHub Pro o superior)— y que el tutor corrige a medida que llega, con observaciones para mejorarla. Antes de entregar, el autocorrector te dice qué parte ya cumples. Si una práctica no llega al 7, la mejoras y la vuelves a subir tantas veces como necesites.

Evaluación. Tres prácticas con rúbrica (90 %: 25 %, 30 % y 35 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada práctica y en cada autoevaluación. Al aprobar recibes automáticamente un certificado de finalización.

Trabajarás con Git (la versión más reciente; mínimo 2.40), GitHub (repositorios, pull requests, rulesets, Issues, Projects, Discussions, Releases y Actions), VS Code, SSH, Git LFS, git-filter-repo y, si quieres, GitHub CLI. Dedicación estimada: 42,5 horas.

Aprende a crear aplicaciones web profesionales con Django, el framework web más usado de Python, a ofrecer sus datos con una API REST, a dejarlas listas para producción y a publicarlas en Internet. Es un curso de nivel intermedio para quien ya programa en Python: empiezas con una página que dice «hola» desde tu ordenador y terminas con tu propia aplicación web completa y publicada, con base de datos, panel de administración, formularios, registro e inicio de sesión, perfiles con avatar, pruebas automáticas, consultas eficientes, una API REST documentada, una configuración segura probada con PostgreSQL e integración continua, y una dirección pública. Los temas se apoyan en aplicaciones de ejemplo propias («Senderos», la web de un club de montaña, y otras más pequeñas para el ORM a fondo, la API REST y la producción); tu proyecto, en cambio, es de temática libre.

Qué incluye: un tema de repaso, 17 temas en 6 módulos, una práctica, un proyecto en 8 fases y el proyecto final

• Módulo 0 · Antes de empezar — Tema 0 · Lo que necesitas de Python: lo imprescindible del lenguaje para Django, con un diagnóstico
• Módulo 1 · Primeros pasos con Django — La web y Django: proyecto, vistas y URL · Plantillas de Django · Modelos y base de datos con el ORM de Django · Práctica 1: tu primera web con modelo, vista y plantilla
• Módulo 2 · Tu proyecto Django: nivel intermedio — Organiza el proyecto: aplicaciones, URL, archivos estáticos y Bootstrap · Herencia de plantillas, navegación y panel de administración · Formularios: alta y búsqueda de datos · Proyecto, fases 1 y 2
• Módulo 3 · Tu proyecto Django: nivel avanzado — CRUD con vistas basadas en funciones y en clases · Usuarios: registro, inicio y cierre de sesión y permisos · Perfil de usuario, imágenes y avatar · Pruebas: casos de prueba y tests automáticos · Proyecto, fases 3, 4 y 5
• Módulo 4 · Django profesional: ORM a fondo y API REST — El ORM a fondo: relaciones, agregaciones y consultas eficientes · Paginación, mensajes y señales · API REST con Django REST Framework: serializadores y vistas · API REST segura y usable: autenticación, permisos, filtros y documentación · Proyecto, fases 6 y 7
• Módulo 5 · Listo para producción: seguridad y PostgreSQL — Configuración por entornos y seguridad de una aplicación Django · PostgreSQL con Docker e integración continua con GitHub Actions · Proyecto, fase 8
• Módulo 6 · Publicación y proyecto final — Publica tu aplicación: PythonAnywhere, Heroku y otras plataformas · Proyecto final: tu aplicación web completa, publicada y presentada en un vídeo

Cada tema trae un PDF propio, un entrenamiento autocorregible (un proyecto Django con partes por completar y sus pruebas, python manage.py test), que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta.

A quién va dirigido. A quien ha terminado el curso «Python desde cero» del Campus, a quien programa en Python y quiere dar el salto a la web y a las API, y a quien busca una primera experiencia profesional de desarrollo backend. Requisito: haber hecho el curso de Python o saber lo equivalente (funciones, clases y herencia, módulos, entornos virtuales, Git y GitHub). El tema 0 te ayuda a comprobarlo.

Metodología. Curso autogestionado: sin fechas ni plazos, avanzas a tu ritmo durante los 365 días que tienes desde tu matrícula. Estudias cada tema, lo practicas en su entrenamiento y lo aplicas a tu propio proyecto, que crece fase a fase. Tu tutor corrige cada entrega de forma asíncrona, conforme la envías, con comentarios para que mejores; si una no llega al 7, la corriges y la vuelves a enviar. Todas las entregas son individuales y se acompañan de su repositorio de GitHub.

Evaluación. Práctica 1 (7 %), ocho fases del proyecto (fases 1 a 5: 8 % cada una; fase 6: 7 %; fase 7: 10 %; fase 8: 8 %) y proyecto final (18 %), todas con rúbrica, y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada entrega y en cada autoevaluación. Al aprobar recibes un certificado de finalización verificable en línea.

Trabajarás con Python 3.12 o posterior y Django 5.2 LTS, SQLite y PostgreSQL, Bootstrap 5, Pillow, Django REST Framework, Docker, Git, GitHub y GitHub Actions, y publicarás tu aplicación en una cuenta gratuita de PythonAnywhere; también conocerás Heroku (de pago) y otras plataformas. Dedicación estimada: 233 horas (tema 0 incluido), más una hora de presentación.

Aprende a programar desde cero con Python, uno de los lenguajes más usados del mundo y de los más amables para empezar. Es un curso de nivel de iniciación: no necesitas haber programado nunca. Empiezas instalando Python y abriendo un terminal, y terminas con un proyecto propio que descarga datos de un servicio web, los guarda en una base de datos SQLite, está cubierto por pruebas automáticas y vive en tu cuenta de GitHub. Todo se trabaja en tu ordenador, con Visual Studio Code, entornos virtuales y notebooks de Jupyter, y con un ejemplo que te acompaña de principio a fin: «Meteo de bolsillo», una estación meteorológica casera.

Qué incluye: 24 temas en 7 módulos y 9 prácticas

• Módulo 1 · Primeros pasos con Python — Programar, Python y tu entorno de trabajo · Números, variables, entrada y salida · Cadenas de texto · Listas y tuplas · Prácticas 1 y 2: una calculadora interactiva para repartir gastos y el inventario de una frutería
• Módulo 2 · Decisiones y repeticiones — Booleanos, operadores y expresiones · Decisiones: if, elif, else y match · Bucles: while, for y range · Práctica 3: una máquina expendedora con su menú
• Módulo 3 · Colecciones, archivos y funciones — Conjuntos y diccionarios · Archivos y datos: texto, JSON y CSV (con un primer contacto con pandas) · Funciones · Funciones avanzadas: argumentos, recursividad y funciones integradas · Prácticas 4 y 5: funciones que validan fechas y tu biblioteca de utilidades
• Módulo 4 · Errores y programación orientada a objetos — Errores y excepciones · Pensar en objetos: paradigmas y diagramas de clases · Clases y objetos en Python · Herencia, polimorfismo y duck typing · Práctica 6: un gestor de torneos de ajedrez
• Módulo 5 · Programas de verdad — Scripts, módulos y paquetes · La biblioteca estándar: collections, datetime, math, random y expresiones regulares · Control de versiones con Git y GitHub · Práctica 7: tu torneo empaquetado y publicado en GitHub
• Módulo 6 · Python idiomático — Iteradores, generadores y expresiones generadoras · Funciones como objetos, clausuras y decoradores · Anotaciones de tipo, mypy y dataclasses · Práctica 8: el análisis de ventas de una panadería
• Módulo 7 · Calidad y datos — Pruebas con pytest, depuración y registro con logging · Consumir APIs web: HTTP, JSON y requests · Bases de datos con SQLite: SQL desde Python · Práctica 9: proyecto final, de una API pública a tu base de datos

Cada tema trae un PDF propio con ejemplos resueltos, un entrenamiento autocorregible (un notebook y ejercicios en .py que te dicen al momento si vas bien), que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta.

A quién va dirigido. A cualquier persona que quiera aprender a programar: estudiantes, profesionales de otros campos que quieren automatizar su trabajo y quien piensa orientarse al desarrollo de software, al análisis de datos o a la web. Requisitos: saber usar un ordenador (carpetas, ficheros, navegador, instalar programas) y tener uno propio con Windows, macOS o Linux. Nada de programación previa.

Metodología. Curso autogestionado: sin fechas ni plazos, avanzas a tu ritmo durante los 365 días que tienes desde tu matrícula. Estudias cada tema en su PDF, lo practicas con el entrenamiento y lo consolidas con la autoevaluación; al final de cada bloque, una práctica individual que tu tutor corrige de forma asíncrona, conforme la entregas, con comentarios para que mejores. Si una práctica no llega al 7, la corriges y la reenvías hasta aprobarla.

Evaluación. Nueve prácticas con rúbrica (90 %; el proyecto final pesa un 18 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada práctica y en cada autoevaluación. Al aprobar recibes un certificado de finalización verificable en línea.

Trabajarás con Python 3.12 o posterior, Visual Studio Code, Jupyter, Git y GitHub, pytest, mypy, requests y SQLite en tu ordenador (Google Colab queda como alternativa en línea para los primeros módulos). Dedicación estimada: 225 horas. Al terminar, puedes continuar con el curso «Django: desarrollo web con Python».

Aprende cómo se genera una imagen de una escena 3D programándolo en C con OpenGL clásico y GLUT. Es un curso de nivel de grado en ingeniería informática que recorre el temario clásico de la asignatura de gráficos por computador —discretización, transformaciones, cámara y proyecciones, modelos geométricos, visibilidad e iluminación— mientras construyes, fase a fase, tu propia aplicación gráfica: un programa que se compila y se ejecuta desde el terminal y se maneja con el teclado, que carga modelos OBJ, los transforma, los mira desde varias cámaras y los ilumina con el sol, una bombilla y focos.

Qué incluye: 9 temas, una práctica en 4 fases y un examen final

• Módulo 1 · Sistemas gráficos y discretización — Tema 1 Sistemas gráficos y programación con OpenGL y GLUT · Tema 2 Discretización: rectas, polígonos, triángulos y texturas · Fase 1: discretización de triángulos con textura por software
• Módulo 2 · Modelos y transformaciones — Tema 3 Modelos geométricos: mallas, sólidos y superficies · Tema 4 Transformaciones geométricas en 2D y 3D · Tema 5 Rotaciones en el espacio y cuaterniones · Fase 2: carga y transformación de objetos
• Módulo 3 · Visualización y visibilidad — Tema 6 Visualización 2D: transformación ventana-vista y recorte · Tema 7 La cámara: sistema de referencia y proyecciones · Tema 8 Visibilidad: caras traseras, z-buffer y otros algoritmos · Fase 3: cámaras
• Módulo 4 · Iluminación — Tema 9 Iluminación y sombreado · Fase 4: iluminación
• Cierre — Examen final en forma de cuestionario

Cada tema trae un PDF propio, un paquete de ejercicios en C con banco de pruebas (make test), que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente.

A quién va dirigido. A estudiantes de grado en ingeniería informática (o titulaciones afines) y a programadores que quieren entender qué hay debajo de un visor 3D, un programa de diseño o un videojuego. Requisitos: programar en C con soltura (punteros, struct, memoria dinámica, ficheros, compilación con make), manejarte en el terminal y conocer el álgebra lineal (vectores, matrices, inversa, cambio de base) y la trigonometría de primer curso.

Metodología. Estudias cada tema en su PDF, lo practicas con ejercicios en C que se corrigen solos con su banco de pruebas y aplicas lo aprendido en la práctica: una única aplicación incremental que amplías en cuatro fases, cada una con sus propias pruebas automáticas, un manual de teclas y una breve memoria.

Evaluación. Práctica 60 % (fases 1 a 4: 9, 18, 18 y 15 %), autoevaluaciones 10 % y examen final 30 %. Apruebas con un 7 sobre 10 de nota final y al menos un 7 en cada fase, en el examen y en cada autoevaluación; una entrega que no compila no pasa de 4. El examen final es individual, con dos intentos (cuenta el mejor) y una duración recomendada de dos horas.

Trabajarás en C (C99/C11) con OpenGL clásico (glBegin, glMatrixMode, gluLookAt, gluPerspective, glLight, glMaterial) y GLUT o freeglut, en local: macOS (clang y GLUT del sistema), Linux (gcc, freeglut y Mesa) o Windows (MSYS2 con MinGW-w64 y freeglut), con un Makefile que detecta el sistema. Dedicación estimada: 124 horas de temas, práctica y examen, más una hora de presentación (unas 10 horas semanales durante 13 semanas).

Aprende cómo un ordenador convierte un modelo 3D en una imagen programando tú mismo cada pieza del proceso. Es un curso de nivel de grado en ingeniería informática: primero construyes en Python, paso a paso y sin librerías gráficas, un rasterizador por software completo (rectas, triángulos, texturas, mallas, transformaciones, cámara, recorte, z-buffer e iluminación) para entender el pipeline gráfico por dentro, y después llevas ese mismo pipeline a la GPU con OpenGL moderno y shaders GLSL.

Qué incluye: 10 temas y 5 entregas evaluables

• Módulo 1 · Imagen digital y rasterización — Tema 1 La imagen digital y el pipeline gráfico · Tema 2 Rasterización de primitivas: rectas, polígonos y triángulos · Práctica 1: un rasterizador 2D con texturas
• Módulo 2 · Geometría y transformaciones — Tema 3 Modelos geométricos y mallas poligonales · Tema 4 Transformaciones geométricas en 2D y 3D · Tema 5 Rotaciones en el espacio y cuaterniones · Práctica 2: carga y transformación de objetos 3D
• Módulo 3 · Cámara y visibilidad — Tema 6 Visualización 2D: ventana, vista y recorte · Tema 7 La cámara virtual y las proyecciones · Tema 8 Visibilidad y texturas en el pipeline 3D · Práctica 3: cámara virtual y pipeline 3D por software
• Módulo 4 · Iluminación y tiempo real — Tema 9 Iluminación y sombreado · Práctica 4: iluminación en el rasterizador por software · Tema 10 OpenGL moderno y shaders GLSL con Python
• Cierre — Proyecto final: una escena 3D interactiva con objetos, cámaras, luces y materiales en OpenGL moderno

Cada tema trae un PDF propio, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente.

A quién va dirigido. A estudiantes de grado en ingeniería informática (o titulaciones afines) y a programadores que quieren entender de verdad qué hay debajo de un motor gráfico, un videojuego o un visor 3D. Requisitos: programar con soltura en Python y conocer lo básico de numpy, además de álgebra lineal (vectores, matrices, producto matricial, inversa) y trigonometría de primer curso.

Metodología. Estudias cada tema en su PDF, lo practicas en un notebook guiado con comprobaciones automáticas y demuestras lo aprendido en prácticas incrementales: cada una amplía el código de la anterior hasta formar un pequeño motor gráfico.

Trabajarás en Python 3 con numpy, Pillow y matplotlib para la parte por software (también en Google Colab, sin GPU) y con moderngl, moderngl-window y PyGLM para la parte en tiempo real, que se instala en local en Windows, macOS o Linux con cualquier tarjeta gráfica compatible con OpenGL 3.3. Dedicación estimada: 135 horas de temas y entregas, más una hora de presentación (unas 10 horas semanales durante 14 semanas).

Aprende a describir datos, a razonar con la incertidumbre y a sacar conclusiones fiables a partir de una muestra. Es un curso de nivel grado en ingeniería de probabilidad y estadística: de las tablas, los gráficos y las medidas que resumen unos datos a la probabilidad, las variables aleatorias y sus modelos (binomial, Poisson, exponencial, normal), el muestreo y el teorema central del límite, los intervalos de confianza y los contrastes de hipótesis, siempre con problemas de ingeniería y datos reales, y en R, el lenguaje de referencia de la estadística.

Qué incluye: 10 temas y 4 prácticas evaluables

• Módulo 1 · Estadística descriptiva — Tema 1 Datos y estadística descriptiva de una variable · Tema 2 Datos bidimensionales: correlación y regresión lineal simple · Práctica 1: análisis exploratorio de datos reales
• Módulo 2 · Probabilidad y variables aleatorias — Tema 3 Probabilidad: sucesos, probabilidad condicionada y teorema de Bayes · Tema 4 Variables aleatorias discretas: binomial, Poisson y otros modelos · Tema 5 Variables aleatorias continuas: exponencial, normal y fiabilidad · Tema 6 Variables aleatorias bidimensionales y combinaciones lineales · Práctica 2: modelos de probabilidad, fiabilidad y simulación
• Módulo 3 · Muestreo y estimación — Tema 7 Muestreo, distribuciones muestrales y teorema central del límite · Tema 8 Estimación puntual e intervalos de confianza · Práctica 3: muestreo y estimación por intervalos
• Módulo 4 · Contrastes de hipótesis — Tema 9 Contrastes de hipótesis: fundamentos y una población · Tema 10 Comparación de dos poblaciones, contrastes ji cuadrado e inferencia en regresión simple · Práctica 4: estudio estadístico completo de un problema de ingeniería

A quién va dirigido. A estudiantes de grado en ingeniería (informática, industrial, de telecomunicación, civil…) y de otras titulaciones científicas y técnicas que cursan su primera asignatura de estadística, y a profesionales técnicos que necesitan entender y usar con criterio los datos de su trabajo: tiempos de respuesta, tasas de fallo, mediciones de calidad, ensayos de materiales o registros de un sistema.

Metodología. Cada tema trae un PDF propio con la teoría, ejemplos resueltos de ingeniería y código, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente. Muchos resultados se comprueban por simulación: verás con tus propios ojos cómo se estabiliza una frecuencia, por qué la media de muchos datos acaba siendo normal o qué significa de verdad «95 % de confianza». Cada módulo termina con una práctica sobre datos reales que se entrega como notebook ejecutado con un informe de conclusiones.

Trabajarás en R con muy pocos paquetes (R base, ggplot2, dplyr, readr y los datos de MASS y boot), en local con RStudio o Jupyter, o en Google Colab sin instalar nada; no necesitas saber programar en R: lo aprenderás desde el primer tema. Dedicación estimada: 130 horas de temas y prácticas, más una hora de presentación (unas 10 horas semanales durante 13 semanas). Requisitos: matemáticas de bachillerato de ciencias o de primer curso de ingeniería (sumatorios, derivadas e integrales sencillas) y soltura con el ordenador. Es el curso previo a Estadística Avanzada, que continúa con la verosimilitud, el bootstrap, la regresión múltiple, los modelos lineales generalizados y el diseño de experimentos con la misma notación y el mismo entorno.

Aprende a sacar conclusiones fiables de los datos y a defenderlas. Es un curso de nivel de máster en ciencia de datos / ingeniería de estadística inferencial avanzada: de la verosimilitud y los contrastes de hipótesis al bootstrap, los métodos robustos, el modelo lineal con su diagnóstico, los modelos lineales generalizados, el análisis de la varianza y el diseño de experimentos, hasta el preproceso de los datos y la evaluación honesta de un clasificador, siempre con datos públicos reales y en R, el lenguaje de referencia de la estadística.

Qué incluye: 11 temas y 5 prácticas evaluables

• Módulo 1 · Inferencia estadística — Tema 1 Modelos estadísticos, verosimilitud y estimación · Tema 2 Intervalos de confianza y contrastes de hipótesis · Tema 3 Remuestreo: bootstrap y pruebas de permutación · Tema 4 Métodos no paramétricos, robustez y comparaciones múltiples · Práctica 1: inferencia con datos reales
• Módulo 2 · El modelo lineal — Tema 5 Regresión lineal múltiple: estimación e inferencia · Tema 6 Diagnóstico, remedios y selección del modelo lineal · Práctica 2: un modelo lineal explicativo
• Módulo 3 · Modelos lineales generalizados — Tema 7 Modelos lineales generalizados y regresión logística · Tema 8 Modelos para recuentos: Poisson, sobredispersión y binomial negativa · Práctica 3: modelos para respuestas binarias y recuentos
• Módulo 4 · Análisis de la varianza y diseño de experimentos — Tema 9 Análisis de la varianza y comparaciones entre grupos · Tema 10 Diseño de experimentos y modelos de efectos mixtos · Práctica 4: análisis de experimentos
• Módulo 5 · Preproceso, validación y evaluación de clasificadores — Tema 11 Preproceso, validación y evaluación de clasificadores · Práctica 5: preproceso y evaluación de un clasificador

A quién va dirigido. A estudiantes de máster en ciencia de datos, ingeniería o estadística aplicada y a profesionales (analistas, científicos de datos, ingenieros de calidad o de experimentación) que ya manejan la estadística básica y necesitan elegir, aplicar e interpretar con rigor los métodos inferenciales: cuándo fiarse de un p-valor, cómo cuantificar la incertidumbre, cómo diagnosticar un modelo y cómo diseñar un experimento que responda a la pregunta correcta.

Metodología. Cada tema trae un PDF propio con la teoría, ejemplos resueltos y código, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente. Cada módulo termina con una práctica sobre datos reales que se entrega como notebook ejecutado con un informe de conclusiones.

Trabajarás en R, el lenguaje de referencia de la estadística, con sus paquetes clásicos (MASS, boot, car, lmtest/sandwich, emmeans, lme4, ggplot2, pROC, mice…), en local con RStudio o Jupyter, o en Google Colab (sin necesidad de GPU). Dedicación estimada: 154 horas de temas y prácticas, más una hora de presentación (unas 10 horas semanales durante 16 semanas). Requisitos: estadística descriptiva, probabilidad y variables aleatorias, distribuciones habituales, nociones de intervalos de confianza y contrastes, álgebra lineal y cálculo de nivel universitario, y soltura programando para el análisis de datos (conocer R ayuda; si vienes de Python, la página de entorno te da las equivalencias). Complementa a los cursos Minería de datos y Minería de datos avanzada, que aportan la visión predictiva; el tema 11 tiende el puente entre ambas con la validación y la evaluación de clasificadores desde la inferencia.

Aprende a analizar datos con R desde cero. Es un curso de iniciación: no necesitas saber programar ni haber usado R antes. En unas 55 horas pasarás de instalar R y RStudio a importar datos reales, limpiarlos y transformarlos con el tidyverse, resumirlos, hacer gráficos claros con ggplot2 y presentar tu análisis en un informe reproducible con Quarto.

Qué incluye: 8 temas, 2 entregas y un trabajo final

• Módulo 1 · Primeros pasos con R — Tema 1 R y RStudio: tu primera sesión de trabajo · Tema 2 Vectores, tipos de datos y funciones básicas · Tema 3 Data frames: trabajar con tablas · Entrega 1: vectores y tablas en R base
• Módulo 2 · Manejo de datos con el tidyverse — Tema 4 Importar y exportar datos · Tema 5 Transformar datos con dplyr y tidyr · Entrega 2: importar, limpiar y resumir datos reales
• Módulo 3 · Visualización e informes — Tema 6 Visualización de datos con ggplot2 · Tema 7 Resúmenes descriptivos y comparación de grupos · Tema 8 Informes reproducibles con Quarto · Trabajo final: informe reproducible de análisis exploratorio

A quién va dirigido. A cualquier persona que trabaje con datos en una hoja de cálculo y quiera dar el salto a una herramienta más potente y reproducible: estudiantes de grado o de máster de cualquier rama, investigadores, técnicos de la administración, analistas de negocio, profesionales de la salud o de las ciencias sociales. También es la preparación recomendada para los cursos Probabilidad y estadística y Estadística Avanzada, que usan R.

Requisitos previos. Ninguno de programación. Basta con saber usar el ordenador (instalar programas, manejar carpetas y ficheros), tener soltura con una hoja de cálculo y recordar la aritmética y los porcentajes de secundaria. Este curso enseña el lenguaje y el análisis básico de datos; la teoría estadística (probabilidad, inferencia) se estudia en los cursos de estadística.

Metodología. Cada tema trae un PDF propio con explicaciones paso a paso, ejemplos con datos reales y errores frecuentes, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente. Las dos entregas son notebooks cortos con datos públicos y el trabajo final es un informe Quarto con tu propio análisis.

Trabajarás con R 4.4 o posterior y RStudio, en tu ordenador o en Google Colab sin instalar nada; la página de entorno te guía paso a paso. Paquetes: readr, readxl, dplyr, tidyr, forcats y ggplot2, con datos públicos como los pingüinos de Palmer o Gapminder. Dedicación estimada: 55 horas (unas 6 horas semanales durante 9 semanas) más una hora de presentación.

Aprende el trabajo de un analista de datos con Python: cargar, preparar, resumir, analizar, visualizar y comunicar datos de negocio con pandas y su ecosistema. Es un curso de nivel inicial a intermedio para quien quiere su primer empleo como analista de datos junior: necesitas Python básico (el tema 0 lo repasa y te dice si te falta algo), pero nada de análisis de datos. Empiezas preparando tu entorno profesional y dando tus primeros pasos con NumPy y pandas, y terminas con un proyecto final que sirve como pieza de portafolio: el análisis completo de una tienda online —KPIs del año, cohortes, segmentos RFM y una pregunta de negocio que eliges— en un proyecto reproducible con Git, con un informe que se genera solo en HTML, PDF y Excel y un panel interactivo con Streamlit. Todo se trabaja en tu ordenador sobre los datos de «Brisa Hogar», una tienda online ficticia de artículos para el hogar con tres años de pedidos, clientes y navegación web, más una prueba A/B y el Excel de gasto en marketing.

Qué incluye: 24 temas en 8 módulos, 6 prácticas y un proyecto final

• Módulo 0 · Antes de empezar — Lo que necesitas de Python: repaso y diagnóstico por bloques
• Módulo 1 · Tu entorno, NumPy y primeros pasos con pandas — El trabajo del analista y tu entorno: Jupyter, VS Code, entornos virtuales, uv y pip · NumPy esencial · Series, DataFrame e índice · Leer y escribir CSV, Excel, Parquet, JSON y bases de datos SQL · Práctica 1: primer contacto con la tienda
• Módulo 2 · Preparar los datos — Seleccionar, filtrar y transformar · Texto, fechas y categorías · Limpieza: nulos, duplicados, atípicos y normalización · Calidad de datos y validación con pandera y pytest · Práctica 2: de los datos en bruto a datos fiables y validados
• Módulo 3 · Resumir y combinar — Agrupar y agregar · Remodelar tablas: tablas dinámicas, tablas cruzadas y MultiIndex · Combinar tablas sin perder ni duplicar filas · Práctica 3: el informe mensual de ventas
• Módulo 4 · Analizar en el tiempo — Ventanas y desplazamientos · Series temporales: remuestreo, calendarios, estacionalidad y descomposición · Práctica 4: tendencias, estacionalidad y medias móviles
• Módulo 5 · Describir, visualizar y explorar — Estadística descriptiva aplicada · Visualización con matplotlib, seaborn y plotly · Análisis exploratorio guiado y comunicación de resultados · Práctica 5: EDA con informe visual
• Módulo 6 · Análisis de negocio e inferencia — KPIs y métricas de negocio · Cohortes, retención, segmentación RFM y embudos · Inferencia básica y pruebas A/B · Práctica 6: retención, segmentos RFM y la prueba A/B de la página de pago
• Módulo 7 · Del análisis al producto — Polars y DuckDB · Proyecto reproducible, dependencias fijadas y Git · Informes automatizados en Excel, HTML y PDF · Paneles interactivos con Streamlit · Proyecto final: análisis completo de la tienda con informe automatizado y panel

Cada tema trae un PDF propio con código resuelto sobre la tienda y su salida real, un entrenamiento autocorregible (completas funciones en Python y python comprobar.py te dice al momento si son correctas y, si no, qué mirar), que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta.

A quién va dirigido. A quien quiere trabajar como analista de datos, a perfiles de negocio, marketing, finanzas u operaciones que ya programan un poco en Python y quieren sacar sus propias cifras, y a quien trabaja con hojas de cálculo y se ha quedado corto. Requisitos: Python básico (colecciones, funciones, ficheros, excepciones y fechas) y un ordenador propio con Windows, macOS o Linux en el que puedas instalar programas. No es un curso de machine learning.

Metodología. Sin calendario: el curso es autogestionado y tienes 365 días desde la matrícula para recorrerlo cuando mejor te venga. Cada tema combina un PDF con código ejecutado sobre la tienda, un entrenamiento que se corrige solo y una autoevaluación; cada módulo se cierra con una práctica individual que el tutor evalúa a medida que llega, con observaciones para mejorarla. Una práctica por debajo del 7 se rehace y se reenvía, sin límite de intentos, hasta aprobarla.

Evaluación. Seis prácticas y el proyecto final con rúbrica (90 %; el proyecto final pesa un 30 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada práctica y en cada autoevaluación. Al aprobar recibes un certificado de finalización verificable en línea.

Trabajarás con Python 3.13, uv o pip, VS Code y Jupyter, pandas 3, NumPy, matplotlib, seaborn, plotly, SciPy, statsmodels, pandera, pytest, Polars, DuckDB, papermill, Git y Streamlit. Dedicación estimada: 200 horas.

Aprende Excel de cero a nivel experto, con el Excel de Microsoft 365 en Windows o Mac. No necesitas conocimientos previos: empiezas por la interfaz y la primera fórmula y terminas construyendo el cuadro de mando de una empresa a partir de los ficheros tal como salen de sus sistemas, con Power Query, un modelo de datos, tablas dinámicas, segmentaciones y comprobaciones automáticas. Todo se trabaja con los datos de una misma empresa ficticia, Distribuciones Marea, S. L., una distribuidora con clientes, pedidos, almacenes, empleados, facturas y presupuestos: los mismos problemas que encontrarás en administración, finanzas, RR. HH., ventas u operaciones.

Qué incluye: 25 temas en 9 módulos y 9 prácticas

• Módulo 1 · Primeros pasos con Excel — Interfaz, libros, hojas y celdas · Formatos, series y organización de la hoja · Fórmulas y referencias relativas, absolutas y mixtas · Funciones matemáticas, estadísticas y lógicas · Práctica 1: el presupuesto de gastos de un departamento
• Módulo 2 · Funciones para el trabajo diario — Texto · Fechas, horas y calendarios laborables · Búsqueda con BUSCARX, INDICE y COINCIDIR · Información, control de errores y auditoría · Práctica 2: el cierre mensual de RR. HH. y ventas
• Módulo 3 · Tablas, nombres y matrices dinámicas — Nombres y tablas estructuradas · Matrices dinámicas (FILTRAR, ORDENAR, UNICOS, APILARV, AGRUPARPOR…) · LET y LAMBDA · Práctica 3: catálogo e inventario
• Módulo 4 · Datos fiables y visuales — Validación, listas dependientes y formato condicional avanzado · Gráficos y minigráficos que comunican · Práctica 4: formulario de pedidos e informe visual
• Módulo 5 · Tablas dinámicas y cuadros de mando — Tablas dinámicas · Gráficos dinámicos, segmentaciones, escalas de tiempo y diseño de dashboards · Práctica 5: análisis comercial con un panel interactivo
• Módulo 6 · Power Query y modelo de datos — Importar y limpiar · Combinar, anexar, despivotar y automatizar · Modelo de datos, Power Pivot y DAX · Práctica 6: integrar datos de varias fuentes
• Módulo 7 · Análisis de hipótesis y finanzas — Buscar objetivo, tablas de datos, escenarios, Solver y previsión · Préstamos, inversiones y amortizaciones · Práctica 7: ¿compramos la furgoneta?
• Módulo 8 · Trabajo en equipo y automatización — Protección, colaboración en la nube e impresión · Macros, VBA y Office Scripts · Práctica 8: un libro compartido, protegido y automatizado
• Módulo 9 · Nivel experto: modelado e IA — Buenas prácticas de modelado · Copilot y la IA en Excel con criterio · Proyecto final: el cuadro de mando de Distribuciones Marea

Cada tema trae un PDF propio con ejemplos resueltos, un libro de entrenamiento autocorregible (una hoja «Comprobación» te dice en verde o en rojo qué está bien, sin instalar nada), que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta.

A quién va dirigido. A empresas y profesionales que trabajan con datos en administración, finanzas y contabilidad, recursos humanos, ventas, compras, logística y operaciones, y a quien quiera acreditar un nivel experto de Excel. Se ofrece también para equipos mediante convenios de empresa. Requisitos: saber usar un ordenador y tener Excel de Microsoft 365 (Excel 2021 o 2024 sirven para buena parte del curso, con las alternativas indicadas; en Mac, Microsoft 365 es necesario desde el módulo de Power Query). Nada de Excel previo.

Metodología. Curso autogestionado: sin fechas ni plazos, avanzas a tu ritmo durante los 365 días que tienes desde tu matrícula. Estudias cada tema en su PDF con Excel abierto, lo practicas con el entrenamiento y lo consolidas con la autoevaluación; al final de cada módulo, una práctica individual que tu tutor corrige de forma asíncrona, conforme la entregas, con comentarios para que mejores. Si una práctica no llega al 7, la corriges y la reenvías hasta aprobarla. Todo el curso tiene en cuenta las diferencias entre Windows y Mac (con una ruta Mac para Power Pivot y DAX) y las versiones de Excel.

Evaluación. Nueve prácticas con rúbrica (90 %; el proyecto final pesa un 20 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada práctica y en cada autoevaluación. Al aprobar recibes un certificado de finalización verificable en línea.

Trabajarás con Microsoft Excel (Microsoft 365), Power Query, Power Pivot y DAX (en Windows), Solver, VBA y, de forma opcional, Copilot, siempre con criterio y verificando lo que propone. Dedicación estimada: 231 horas.

Aprende a preguntarle a una base de datos con SQL y a convertir sus respuestas en decisiones. Es un curso de cero a nivel profesional para analistas y perfiles de negocio: no necesitas saber programar ni haber usado nunca una base de datos. Empiezas leyendo el esquema de una tienda online y escribiendo tus primeras consultas, y terminas con un proyecto final en el que haces la revisión anual completa de esa tienda —ventas frente al objetivo, márgenes, devoluciones, cohortes de clientes, embudo web, segmentación RFM y campañas— con una capa de análisis propia, reglas de calidad, exportación a Excel y un informe con recomendaciones. Todo se trabaja en tu ordenador con PostgreSQL, DBeaver y DuckDB, sobre los datos de «Brisa Hogar», una tienda online ficticia de artículos para el hogar con tres años de pedidos, clientes y tráfico web.

Qué incluye: 21 temas en 7 módulos, 6 prácticas y un proyecto final

• Módulo 1 · Primeros pasos con SQL — Datos, tablas y bases de datos relacionales · Tu entorno de trabajo: PostgreSQL, DBeaver, psql y DuckDB · Primeras consultas: SELECT, WHERE, ORDER BY y LIMIT · Valores nulos, lógica de tres valores, tipos y CASE · Práctica 1: primeras preguntas a la tienda
• Módulo 2 · Transformar y resumir datos — Funciones de texto y numéricas · Fechas, horas e intervalos · Agregaciones: GROUP BY y HAVING · Práctica 2: el informe mensual de ventas
• Módulo 3 · Combinar tablas — JOIN de todas las formas · Subconsultas y CTE, también recursivas · La trampa de los duplicados, la granularidad y las operaciones de conjuntos · Práctica 3: clientes, pedidos y devoluciones sin perder ni duplicar
• Módulo 4 · Funciones de ventana — Numerar, clasificar, top-N y deduplicar · LAG, LEAD, acumulados, medias móviles y percentiles · Práctica 4: rankings, tendencias y medias móviles
• Módulo 5 · Análisis de negocio con SQL — Métricas, KPIs y crecimiento · Tablas pivote, tablas cruzadas y subtotales · Cohortes, retención, embudos y segmentación RFM · Práctica 5: el cuadro de mando de la tienda
• Módulo 6 · Preparar y servir los datos — Crear tablas y modificar datos con transacciones · Limpieza y calidad de datos · Vistas y vistas materializadas · Rendimiento: EXPLAIN, índices y buenas prácticas · Práctica 6: de los datos en bruto a una capa de análisis fiable y rápida
• Módulo 7 · SQL en el trabajo del analista — Del SQL al informe: CSV, Excel, Python con pandas y un panel · Preparar entrevistas y pruebas técnicas de SQL · Proyecto final: análisis completo de la tienda con informe

Cada tema trae un PDF propio con consultas resueltas sobre la tienda y su resultado real, un entrenamiento autocorregible (escribes tus consultas y python comprobar.py te dice al momento si son correctas y, si no, qué mirar), que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación con la explicación de cada respuesta.

A quién va dirigido. A analistas de datos y de negocio que empiezan, a perfiles de marketing, finanzas, operaciones o producto que quieren sacar sus propias cifras, a quien prepara un cambio de carrera hacia el análisis de datos y a quien ya trabaja con Excel y se ha quedado corto. Requisitos: saber usar un ordenador (carpetas, ficheros, navegador, instalar programas) y tener uno propio con Windows, macOS o Linux. Nada de programación ni de bases de datos previas.

Metodología. Curso autogestionado: sin fechas ni plazos, avanzas a tu ritmo durante los 365 días que tienes desde tu matrícula. Estudias cada tema en su PDF, lo practicas con el entrenamiento y lo consolidas con la autoevaluación; al final de cada módulo, una práctica individual que tu tutor corrige de forma asíncrona, conforme la entregas, con comentarios para que mejores. Si una práctica no llega al 7, la corriges y la reenvías hasta aprobarla.

Evaluación. Seis prácticas y el proyecto final con rúbrica (90 %; el proyecto final pesa un 30 %) y las autoevaluaciones de los temas (10 %). Apruebas con una nota final de al menos 7 sobre 10 y al menos un 7 en cada práctica y en cada autoevaluación. Al aprobar recibes un certificado de finalización verificable en línea.

Trabajarás con PostgreSQL 17 (también valen 16 y 18), DBeaver, psql, DuckDB y SQLite, y en el último módulo con Python (pandas, scripts guiados que no exigen saber programar), Excel y Streamlit. Dedicación estimada: 199 horas.

Aprende a guardar, validar y consultar datos que no caben bien en una tabla: documentos XML y JSON, catálogos con atributos que cambian de un producto a otro, perfiles de usuario, sesiones, rankings o redes de relaciones. Es un curso de nivel grado en ingeniería informática y la tercera asignatura de bases de datos: da por sabidos el modelo relacional y SQL, y recorre los datos semiestructurados (XML con XML Schema, XPath y XQuery, y cómo transformarlo con XSLT, modificarlo con XQuery Update y validar sus reglas de negocio con Schematron; JSON con JSON Schema), cómo los maneja PostgreSQL (objeto-relacional, SQL/XML y JSONB), las bases de datos documentales con MongoDB, el resto de familias NoSQL (clave-valor, columna ancha y grafos) y una base de datos de grafos, Neo4j, con su lenguaje Cypher, para terminar con la replicación, el particionado, el teorema CAP y los criterios para elegir el modelo adecuado en cada caso.

Qué incluye: 12 temas y 4 entregas evaluables

• Módulo 1 · Documentos XML — Tema 1 · Datos semiestructurados y documentos XML; Tema 2 · XML Schema: tipos, restricciones y diseño de vocabularios; Tema 3 · Consultas sobre XML con XPath y XQuery; Tema 12 · XML en profundidad: transformar con XSLT, actualizar con XQuery Update y validar reglas con Schematron; Práctica 1 · Un vocabulario XML validado y consultado
• Módulo 2 · Datos semiestructurados en PostgreSQL — Tema 4 · PostgreSQL objeto-relacional y SQL/XML; Tema 5 · JSON, JSON Schema y JSONB en PostgreSQL; Práctica 2 · Una base de datos híbrida en PostgreSQL
• Módulo 3 · Bases de datos documentales con MongoDB — Tema 6 · El movimiento NoSQL y MongoDB: documentos y operaciones CRUD; Tema 7 · Agregación, índices y validación en MongoDB; Tema 8 · Modelado de datos orientado a documentos; Práctica 3 · Diseño y consulta de una base documental
• Módulo 4 · Sistemas NoSQL distribuidos — Tema 9 · Distribución: replicación, particionado y consistencia; Tema 10 · Clave-valor, columna ancha y grafos: cómo elegir el modelo; Tema 11 · Bases de datos de grafos con Neo4j y Cypher; Proyecto final · Persistencia políglota para una plataforma de recetas

Cada tema trae un PDF propio, un notebook de entrenamiento con ejercicios autocorregibles, que entregas para que lo revise el tutor (su solución se abre 7 días después de tu entrega), y una autoevaluación que desbloquea lo siguiente. Las entregas plantean problemas abiertos, como en un proyecto real: diseñar y validar un vocabulario XML de intercambio, combinar tablas, tipos compuestos, XML y JSONB en una misma base de datos, modelar y consultar una base documental con sus índices y, en el Proyecto final, repartir los datos de una plataforma entre varios almacenes y justificar cada decisión.

A quién va dirigido: estudiantes de grado en ingeniería informática o titulaciones afines que ya conocen las bases de datos relacionales, y profesionales que trabajan con SQL y necesitan integrar documentos XML o JSON, o decidir si un proyecto debe usar una base NoSQL y cuál.

Metodología y herramientas: todo se trabaja en notebooks de Jupyter con Python — lxml, xmlschema y Saxon (saxonche) para XML, XQuery, XSLT y Schematron, jsonschema, psycopg para PostgreSQL, pymongo para MongoDB, redis/fakeredis, networkx y el driver de Neo4j —, con PostgreSQL, MongoDB y Neo4j instalados en tu ordenador (Windows, macOS o Linux; la guía de instalación paso a paso está en el curso) y Redis como opcional. Dedicación estimada: 152 horas de temas y entregas, más una hora de presentación (unas 10 horas semanales durante 16 semanas). Requisitos: modelo relacional y SQL (consultas con JOIN, GROUP BY y subconsultas), nociones de transacciones e índices y programación básica en Python. Cursos previos recomendados: Diseño de bases de datos y Diseño avanzado de bases de datos.