Módulo 00
Unidad I
Orientación, Python y flujo de trabajo
Del problema ambiguo al experimento reproducible: entorno, notebooks, datos, código y evidencia.
Abrir móduloCurso abierto e interactivo
Ciencia de Datos para Decisiones de Negocio
Curso aplicado de ciencia de datos, machine learning e inteligencia artificial orientado a convertir problemas de negocio en decisiones medibles, reproducibles y responsables.
Sin instalación para las simulaciones. Notebooks listos para Colab.
Decisión
1Problema
2Datos
3Modelo
4Valor
15módulos
15simulaciones
105preguntas
150términos
15notebooks
De evidencia a acción
La escalera de una decisión analítica
El curso integra la visión estratégica del repositorio original y la convierte en una secuencia verificable: comprender el proceso, anticipar resultados, estimar intervenciones, elegir bajo restricciones y operar con control humano.
- 01Observar
Describir el proceso y diagnosticar la calidad de sus datos.
- 02Predecir
Estimar resultados futuros con validación honesta.
- 03Intervenir
Distinguir asociación, efecto causal y respuesta esperada.
- 04Decidir
Comparar valor, costos, riesgo y restricciones operativas.
- 05Escalar
Automatizar con permisos acotados, trazabilidad y supervisión.
Ver animación: ciencia de datos para modelos de negocio
Continuidad local
Tu avance queda guardado en este navegador
Marcá recursos completados, resolvé cuestionarios y retomá desde el tablero general.
Progreso global0%
Mapa de aprendizaje
Índice general
Buscá por concepto o recorré las unidades en orden.
15 módulos disponibles
Unidad I
Fundamentos y calidad de datos
¿Podemos convertir datos crudos en evidencia confiable?
Módulo 01
Unidad I
Problema de negocio, EDA y visualización
Explorar con propósito: estructura, distribuciones, relaciones, segmentos y visualizaciones que respondan preguntas.
Abrir módulo
Módulo 02
Unidad I
Calidad de datos y valores faltantes
Diagnosticar completitud, validez, consistencia, duplicados y mecanismos de ausencia antes de imputar.
Abrir módulo
Módulo 03
Unidad I
Outliers, robustez e influencia
Separar errores, rarezas válidas y observaciones influyentes con criterios estadísticos y de negocio.
Abrir módulo
Módulo 04
Unidad I
Transformación de variables y pipelines
Transformar, escalar, codificar y construir variables sin filtrar información ni romper la reproducibilidad.
Abrir móduloUnidad II
Modelos predictivos y evaluación
¿Cómo predecimos y validamos sin engañarnos?
Módulo 05
Unidad II
Correlación y regresión lineal
Cuantificar relaciones, diagnosticar supuestos y evaluar errores con una interpretación conectada al negocio.
Abrir módulo
Módulo 06
Unidad II
Validación, selección y generalización
Diseñar particiones, baselines y validación cruzada que estimen el desempeño futuro sin contaminar la evaluación.
Abrir módulo
Módulo 07
Unidad II
Series de tiempo y backtesting
Modelar tendencia, estacionalidad y dependencia temporal con baselines honestos y evaluación de origen rodante.
Abrir módulo
Módulo 08
Unidad II
Regresión logística y decisiones de clasificación
Estimar probabilidades, evaluar ranking y calibración, y elegir umbrales según costos, capacidad y valor.
Abrir módulo
Módulo 09
Unidad II
Árboles, Random Forest y ensembles
Aprender reglas no lineales, controlar complejidad y combinar modelos para mejorar estabilidad y desempeño.
Abrir móduloUnidad III
Aprendizaje no supervisado e inteligencia artificial
¿Qué estructuras y representaciones puede aprender un modelo?
Módulo 10
Unidad III
PCA, K-Means y clustering jerárquico
Descubrir estructuras no supervisadas con escala, distancia, estabilidad e interpretación orientada a acciones.
Abrir módulo
Módulo 11
Unidad III
Redes neuronales y arquitecturas modernas
Comprender neuronas, activaciones, backpropagation y regularización, con un mapa responsable de arquitecturas actuales.
Abrir móduloUnidad IV
Decisión, optimización y responsabilidad
¿Cómo transformamos predicciones en acciones defendibles?
Módulo 12
Unidad IV
Programación lineal y analítica prescriptiva
Convertir pronósticos y costos en decisiones óptimas bajo restricciones de capacidad, presupuesto y operación.
Abrir módulo
Módulo 13
Unidad IV
Interpretabilidad, equidad y ciclo de vida
Evaluar explicaciones, equidad, privacidad, causalidad, monitoreo y gobernanza durante todo el ciclo analítico.
Abrir móduloUnidad V
Proyecto integrador
¿Podemos sostener una recomendación de punta a punta?
Módulo 14
Unidad V
Proyecto integrador de decisión
Integrar problema, datos, modelado, evaluación, decisión, comunicación y reproducibilidad en un producto analítico defendible.
Abrir móduloProyecto transversal
De una pregunta a una recomendación defendible
El proyecto integrador acompaña el curso con hitos de formulación, evidencia, modelado, valor y comunicación.