Ciencia de datos

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.

Aprende a convertir datos en gráficos que se entienden, no engañan y convencen. Es un curso de nivel máster en ciencia de datos centrado en el diseño visual: por qué unas codificaciones funcionan mejor que otras según cómo percibimos, cómo elegir el gráfico adecuado para cada pregunta, cómo usar el color y el texto de forma accesible, cómo mostrar la incertidumbre, cómo construir exploraciones interactivas, mapas y redes, cómo contar una historia con datos o resumirla en un cuadro de mando y, al final, cómo trabajar con las otras herramientas del oficio: Tableau Public, Flourish, Gephi, D3.js y ggplot2.

Qué incluye: 14 temas y 5 entregas evaluables

• Módulo 1 · Fundamentos y percepción — Tema 1 Qué es visualizar datos: propósitos, historia y abstracción · Tema 2 Percepción visual, marcas y canales · Tema 3 Color, texto y accesibilidad: buenas y malas prácticas · Práctica 1: crítica y rediseño de visualizaciones
• Módulo 2 · Visualización estática con Python — Tema 4 Gráficos estáticos profesionales con matplotlib y seaborn · Tema 5 Elegir el gráfico según la tarea y los datos · Tema 6 Visualizar la incertidumbre · Práctica 2: informe visual estático con incertidumbre
• Módulo 3 · Interactividad y datos con estructura — Tema 7 Visualización interactiva y análisis visual con plotly y altair · Tema 8 Mapas, redes, jerarquías y texto · Práctica 3: exploración visual interactiva
• Módulo 4 · Comunicar con datos — Tema 9 Narrativa con datos y cuadros de mando · Práctica 4: proyecto final, una historia con datos
• Módulo 5 · Herramientas de visualización más allá de Python — Tema 10 Herramientas sin código: Tableau Public, Flourish y Qlik Sense · Tema 11 Redes con Gephi · Tema 12 D3.js: visualizaciones a medida en el navegador · Tema 13 La gramática de gráficos en R con ggplot2 · Tema 14 Infografía, datos masivos y perspectiva de género · Práctica 5: estudio de técnicas de visualización

A quién va dirigido. A estudiantes de máster en ciencia de datos, estadística o ingeniería y a profesionales (analistas, científicos e ingenieros de datos, periodistas de datos) que ya saben manejar datos en Python y quieren que sus gráficos estén a la altura de sus análisis.

Metodología. Cada tema trae un PDF propio con los principios y su justificación perceptiva, ejemplos de buenas y malas prácticas rehechos con datos nuevos, 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 cuatro primeras prácticas son progresivas: criticar y rediseñar, producir un informe estático, construir una exploración interactiva y una historia con datos acompañada de un cuadro de mando ligero; la quinta es un estudio de tres técnicas de visualización con ejemplos hechos con la herramienta que elijas. En los temas de herramientas de escritorio (Tableau Public, Flourish, Gephi) el entrenamiento es una guía paso a paso con los datos incluidos.

Herramientas. Python con matplotlib y seaborn para gráficos estáticos, plotly y altair (Vega-Lite) para gráficos interactivos exportables a HTML autónomo, geopandas para mapas, networkx para redes, colorspacious para comprobar paletas frente al daltonismo y Streamlit para el cuadro de mando; en el módulo 5, Tableau Public, Flourish, Gephi, D3.js y R con ggplot2 (todas gratuitas). En local o en Google Colab, sin necesidad de GPU. Los datos son abiertos o sintéticos y ligeros.

Dedicación y requisitos. Unas 182 horas de temas y entregas, más una hora de presentación (unas 9,5 horas semanales durante 19 semanas). Requisitos: Python y pandas con soltura (cargar, filtrar, agrupar y remodelar tablas) y estadística descriptiva e inferencial básica (media, cuartiles, correlación, intervalos de confianza). No hace falta experiencia previa en diseño.

Descubre qué es de verdad la ciencia de datos y cómo se trabaja en un proyecto real, de la pregunta de negocio al informe final. Es un curso de nivel máster en ciencia de datos y la puerta de entrada al itinerario de ciencia de datos: te da la visión de conjunto de la disciplina y un primer contacto práctico, en Python, con cada una de sus piezas, para que después elijas con criterio en qué profundizar. Cada tema introduce lo esencial y te indica qué curso del itinerario lo trata a fondo.

Qué aprenderás

• Qué distingue a la ciencia de datos de la estadística, la inteligencia de negocio y la IA; la pirámide DIKW; los tipos de analítica; los roles de un equipo de datos y qué hace que una organización esté orientada al dato.
• A plantear y gestionar un proyecto con CRISP-DM y métodos ágiles (Scrum y Kanban): formular el problema, fijar el criterio de éxito y la línea base, y documentar las decisiones.
• A trabajar con el ecosistema Python de la ciencia de datos: numpy, pandas, matplotlib, seaborn y scikit-learn, para explorar, limpiar y preparar datos, entrenar tus primeros modelos de clasificación, regresión y agrupamiento, y evaluarlos sin engañarte con la validación cruzada y las métricas adecuadas.
• A revisar un proyecto con mirada ética y legal (sesgos, equidad, privacidad, RGPD, Reglamento europeo de IA y gobierno del dato), a entender cuándo un problema es de big data y qué ofrece la nube, y a comunicar los resultados a quien tiene que decidir.
• A dirigir un proyecto de datos con PMBOK (acta de constitución, EDT, ruta crítica, riesgos, presupuesto y valor ganado, matriz RACI, calidad y comunicaciones) y a planificar el ciclo de vida de los datos y su gobierno.

Qué incluye: 12 temas y 5 prácticas evaluables

• Módulo 1 · La ciencia de datos y sus proyectos — Tema 1 Qué es la ciencia de datos: datos, roles y organizaciones · Tema 2 El proyecto de ciencia de datos: CRISP-DM y gestión ágil
• Módulo 2 · Herramientas y exploración — Tema 3 Python para ciencia de datos: numpy y pandas · Tema 4 Análisis exploratorio y visualización básica · Práctica 1 · Planteamiento y exploración de un proyecto de datos
• Módulo 3 · Del dato al modelo — Tema 5 Calidad y preparación básica de los datos · Tema 6 Tipos de problemas y primeros modelos con scikit-learn · Tema 7 Evaluación y validación de modelos · Práctica 2 · Del dato al primer modelo
• Módulo 4 · Datos responsables — Tema 8 Ética, privacidad y gobierno del dato · Práctica 3 · Auditoría ética de un modelo y plan de gobierno del dato
• Módulo 5 · Escala y comunicación — Tema 9 Big data y ciencia de datos en la nube · Tema 10 Comunicación de resultados y puesta en producción · Práctica 4 · Proyecto final: un proyecto de ciencia de datos de principio a fin
• Módulo 6 · Dirección de proyectos y ciclo de vida del dato — Tema 11 Dirección de proyectos de ciencia de datos con PMBOK · Tema 12 El ciclo de vida del dato y su gobierno · Práctica 5 · Plan de dirección de un proyecto 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. Las prácticas siguen el recorrido de un proyecto: lo planteas y exploras los datos, construyes y validas un primer modelo, lo auditas desde la ética, haces un proyecto completo con su informe y, por último, preparas el plan de dirección de un proyecto de datos.

A quién va dirigido. A quien empieza un máster o una formación de posgrado en ciencia de datos, y a profesionales de otras áreas (ingeniería, economía, ciencias, salud, administración) que quieren entender la disciplina y empezar a practicarla. Es el curso recomendado para empezar el itinerario: Tipología y ciclo de vida de los datos, Minería de datos, Minería de datos avanzada, Estadística Avanzada, Visualización de datos, Deep Learning y Aprendizaje por refuerzo parten de lo que aquí se presenta.

Requisitos previos. Saber programar a nivel básico en algún lenguaje (variables, condiciones, bucles y funciones), estadística descriptiva elemental y matemáticas de primer curso universitario. No hace falta experiencia previa con Python ni con aprendizaje automático: el curso enseña lo necesario.

Metodología y dedicación. Estudio del PDF, entrenamiento práctico, autoevaluación y prácticas con problemas abiertos en las que se valora tanto el código como la justificación de cada decisión. Dedicación estimada: 158 horas de temas y prácticas, más una hora de presentación (unas 10 horas semanales durante 16 semanas).

Herramientas. Python 3 con numpy, pandas, matplotlib, seaborn, scikit-learn, pyarrow y DuckDB, en Jupyter, en local o en Google Colab. No necesitas GPU ni conexión a internet para los ejercicios: los datos se generan en los propios notebooks o vienen con las librerías.

Aprende qué es una base de datos, cómo se organizan los datos en tablas que no se contradicen y cómo se consultan con SQL, el lenguaje que usan a diario desarrolladores, analistas y científicos de datos. Es un curso de nivel de grado en ingeniería informática y la primera asignatura de bases de datos: no necesitas ninguna experiencia previa con ellas. Recorrerás el modelo relacional con sus claves y restricciones de integridad, el álgebra relacional que hay debajo de cada consulta, el SQL completo (definición de tablas, consultas, reuniones, agregación, subconsultas, vistas y modificación de datos), una introducción al diseño con el modelo entidad-relación, las transacciones y la concurrencia, y el acceso a la base de datos desde tus propios programas en Python. Un módulo final te lleva a otras herramientas muy extendidas: el álgebra relacional en RelaX, el mismo esquema en MySQL/MariaDB, el acceso desde Java con JDBC y las bases de datos de escritorio (Access y LibreOffice Base).

Qué incluye: 14 temas y 4 entregas evaluables

• Módulo 1 · Bases de datos y modelo relacional — Tema 1 · Bases de datos y sistemas gestores; Tema 2 · El modelo relacional: claves e integridad; Tema 3 · Álgebra relacional; Práctica 1 · Una base de datos íntegra y sus consultas en álgebra
• Módulo 2 · El lenguaje SQL — Tema 4 · Consultas SQL sobre una tabla; Tema 5 · Reuniones y operaciones de conjuntos en SQL; Tema 6 · Agregación y agrupación; Tema 7 · Subconsultas, vistas y modificación de datos; Práctica 2 · Consultas SQL sobre una plataforma de partituras
• Módulo 3 · Diseño, transacciones y aplicaciones — Tema 8 · Del problema a las tablas: introducción al modelo entidad-relación; Tema 9 · Transacciones y control de concurrencia; Tema 10 · Aplicaciones con bases de datos en Python; Proyecto final · Una aplicación de reservas con su base de datos
• Módulo 4 · Otras herramientas: RelaX, MySQL, JDBC y Access — Tema 11 · Álgebra relacional en RelaX; Tema 12 · El mismo esquema en MySQL y MariaDB; Tema 13 · Acceso a bases de datos desde Java con JDBC; Tema 14 · Bases de datos de escritorio: Access y LibreOffice Base; Práctica 4 · Una aplicación JDBC sobre MySQL para una cooperativa de consumo

Cada tema trae un PDF propio con ejemplos resueltos, 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 son problemas completos: construir una base de datos que rechace los datos incorrectos y consultarla en álgebra relacional, responder con SQL a las preguntas de negocio de una plataforma de partituras y, como proyecto final, diseñar desde los requisitos la base de datos de un sistema de reservas y programar en Python una pequeña aplicación que la use sin errores de concurrencia; y, para cerrar, una aplicación en Java con JDBC sobre MySQL que también funciona sobre PostgreSQL.

A quién va dirigido: estudiantes de grado en ingeniería informática o titulaciones afines que empiezan con las bases de datos, y profesionales (desarrolladores, analistas, perfiles de datos) que quieren aprender SQL y los fundamentos del modelo relacional con rigor.

Trabajarás con PostgreSQL instalado en tu ordenador (Windows, macOS o Linux; la guía de instalación paso a paso está en el curso), con psql y pgAdmin o DBeaver, y con Python (notebooks de Jupyter con psycopg, pandas y SQLAlchemy) para cargar datos, comprobar tus soluciones y construir aplicaciones; los diagramas E-R se dibujan con draw.io, dbdiagram.io o Mermaid; en el módulo 4, además, con RelaX en el navegador, MySQL o MariaDB y Java 21 (todo se instala sin permisos de administrador). Dedicación estimada: 134 horas de temas y entregas, más una hora de presentación (unas 10 horas semanales durante 14 semanas). Requisitos: programación básica en Python (variables, funciones, bucles, listas y diccionarios) y nociones de conjuntos y de lógica; no se supone ningún conocimiento previo de bases de datos. Al terminar estarás preparado para el curso Diseño avanzado de bases de datos, que usa el mismo entorno.

Aprende a diseñar bases de datos que sigan funcionando cuando crecen: correctas, coherentes y rápidas. Es un curso de nivel de grado en ingeniería informática y la segunda asignatura de bases de datos: da por conocidos el modelo relacional y el SQL básico, y recorre el diseño completo, del enunciado de requisitos al esquema conceptual, de ahí a un esquema relacional normalizado, a las reglas de negocio programadas en el servidor y al diseño físico con índices y planes de ejecución, para terminar con las bases de datos distribuidas y los almacenes de datos.

Qué incluye: 11 temas y 6 entregas evaluables

• Módulo 1 · Diseño conceptual — Tema 1 · El proceso de diseño de bases de datos y PostgreSQL; Tema 2 · Modelado conceptual con el modelo entidad-relación; Tema 3 · Modelo E-R extendido y paso al modelo relacional; Práctica 1 · Del enunciado al esquema relacional
• Módulo 2 · Diseño lógico y normalización — Tema 4 · Dependencias funcionales; Tema 5 · Normalización y descomposición de esquemas; Práctica 2 · Normalización de una base de datos heredada
• Módulo 3 · Integridad y lógica en el servidor — Tema 6 · Vistas, restricciones de integridad y transacciones; Tema 7 · Disparadores y programación en el servidor con PL/pgSQL; Práctica 3 · Reglas de negocio en la base de datos; Tema 11 · Oracle y PL/SQL (se estudia tras la Práctica 3)
• Módulo 4 · Diseño físico y rendimiento — Tema 8 · Diseño físico: almacenamiento e índices; Tema 9 · Planes de ejecución y ajuste de consultas; Práctica 4 · Optimización de una base de datos lenta
• Módulo 5 · Bases de datos distribuidas y analíticas — Tema 10 · Bases de datos distribuidas y almacenes de datos; Práctica 6 · Laboratorio de bases de datos distribuidas; Proyecto final · Diseño de un almacén 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. Las prácticas plantean problemas abiertos, como en un proyecto real: modelar un dominio, normalizar una tabla heredada, programar reglas de negocio, acelerar consultas con medidas, distribuir una base de datos en dos nodos y diseñar un almacén de datos.

A quién va dirigido: estudiantes de grado en ingeniería informática o titulaciones afines que ya han tenido una primera asignatura de bases de datos, y profesionales que usan SQL a diario y quieren diseñar esquemas con criterio.

Trabajarás con PostgreSQL instalado en tu ordenador (Windows, macOS o Linux; la guía de instalación está en el curso), con psql y pgAdmin o DBeaver, y con Python (notebooks de Jupyter con psycopg, pandas y SQLAlchemy) para cargar datos y comprobar tus soluciones; los diagramas E-R se dibujan con draw.io, dbdiagram.io o Mermaid. En el tema 11 usarás también Oracle Database Free en un contenedor (con python-oracledb) para programar en PL/SQL. Dedicación estimada: 158 horas de temas y entregas, más una hora de presentación (unas 10 horas semanales durante 16 semanas). Requisitos: modelo relacional (relaciones, claves primarias y ajenas) y SQL básico (SELECT, JOIN, GROUP BY y subconsultas), además de programación básica en Python. Curso previo recomendado: Diseño de bases de datos, de nivel introductorio; el tema 1 incluye un repaso breve de lo imprescindible.

Aprende a gobernar el dato de principio a fin: de dónde sale, cómo se guarda, cómo se limpia y cómo se publica para que otros puedan confiar en él y reutilizarlo. Es un curso de nivel máster en ciencia de datos centrado en el ciclo de vida de los datos con Python y R: tipos y formatos, adquisición mediante API y web scraping responsable y legal, integración de fuentes, limpieza, validación y calidad, valores perdidos y atípicos, transformación y análisis estadístico, ética y protección de datos (RGPD) documentación y publicación de conjuntos de datos según los principios FAIR y, por último, análisis y modelización en R (regresión logística, agrupamiento y supervivencia).

Qué aprenderás

• A clasificar los datos por estructura, origen, sensibilidad y escala de medida, y a elegir el formato y el sistema de almacenamiento adecuados (CSV, JSON, XML, Parquet, SQLite y bases NoSQL).
• A obtener datos de API REST y portales de datos abiertos, y a construir extractores web con BeautifulSoup que respetan robots.txt, los términos de uso, la propiedad intelectual y el RGPD.
• A integrar fuentes heterogéneas, resolver entidades duplicadas, validar reglas de calidad, diagnosticar y tratar valores perdidos y atípicos, y analizar los datos depurados con contrastes, correlación y regresión.
• A anonimizar, documentar (diccionario de datos, hoja de datos, metadatos Data Package, DCAT, schema.org y DataCite), licenciar y publicar un conjunto de datos con DOI en un repositorio como Zenodo.
• A llevar el ciclo a R con el tidyverse y a modelizar: regresión logística validada con particiones y matriz de confusión, agrupamiento (k-medias, jerárquico) validado e interpretado, y análisis de supervivencia (Kaplan-Meier, log-rank, Cox).

Qué incluye: 14 temas y 5 prácticas evaluables

• Módulo 1 · Los datos: tipos, formatos y almacenamiento — Tema 1 Los datos y su ciclo de vida · Tema 2 Formatos de datos y almacenamiento: ficheros, SQL y NoSQL
• Módulo 2 · Adquisición de datos — Tema 3 Adquisición de datos mediante APIs y portales de datos abiertos · Tema 4 Web scraping responsable y legal · Práctica 1 · Construcción de un conjunto de datos propio
• Módulo 3 · Integración, limpieza y calidad — Tema 5 Integración de fuentes y resolución de entidades · Tema 6 Limpieza, validación y calidad de los datos · Tema 7 Valores perdidos y atípicos: diagnóstico y tratamiento · Práctica 2 · Integración, limpieza y validación
• Módulo 4 · Transformación y análisis — Tema 8 Transformación y análisis estadístico de los datos · Práctica 3 · Análisis de un conjunto de datos depurado
• Módulo 5 · Ética, documentación y publicación — Tema 9 Ética, privacidad y protección de datos · Tema 10 Documentación, publicación y preservación de datos · Práctica 4 · Proyecto final: publicación de un conjunto de datos FAIR
• Módulo 6 · Análisis y modelización de los datos con R — Tema 11 R para el ciclo de vida del dato: lectura, limpieza e integración con el tidyverse · Tema 12 Regresión logística, particiones de validación y matriz de confusión · Tema 13 Agrupamiento: k-medias, jerárquico y validación de grupos · Tema 14 Análisis de supervivencia aplicado: Kaplan-Meier, log-rank y Cox · Práctica 5 · Limpieza, análisis y modelización en R

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 cuatro primeras prácticas forman un hilo: el conjunto de datos que construyes en la primera lo depuras, lo analizas y lo publicas; la quinta limpia, analiza y modeliza en R un conjunto clínico abierto.

A quién va dirigido. A estudiantes de máster en ciencia de datos, ingeniería o estadística y a profesionales (analistas, ingenieros de datos, investigadores) que necesitan obtener, preparar y compartir datos con rigor técnico y legal.

Requisitos previos. Programación en Python con soltura (funciones, estructuras de datos, excepciones), manejo básico de pandas y estadística de nivel universitario (descriptiva y nociones de inferencia). Se repasan las nociones de HTML y HTTP que hacen falta. No hace falta saber R: el tema 11 lo enseña desde pandas.

Metodología y dedicación. Estudio del PDF, entrenamiento práctico, autoevaluación y prácticas con problemas abiertos en las que se valora tanto el código como la justificación de cada decisión. Dedicación estimada: 182 horas de temas y prácticas, más una hora de presentación (unas 10 horas semanales durante 19 semanas).

Herramientas. pandas, requests, BeautifulSoup y lxml, sqlite3, pyarrow (Parquet), scipy y statsmodels, matplotlib y seaborn; en R, dplyr, tidyr, readr, ggplot2, broom, cluster y survival. Todo funciona en local o en Google Colab. Los ejercicios de extracción web funcionan sin conexión con páginas de práctica propias y, si lo prefieres, con sitios creados para practicar.