Curso Práctico de Análisis de Datos Tabulares

---

INFORMACIÓN GENERAL DEL CURSO

Público Objetivo

• Estudiantes sin conocimientos previos de programación o análisis de datos
• Profesionales que desean incorporar análisis de datos en su trabajo
• Personas interesadas en ciencia de datos desde los fundamentos

Objetivos Generales

1. Dominar las herramientas fundamentales para análisis de datos tabulares
2. Desarrollar competencias en Python, R y SQL para manipulación de datos
3. Comprender y aplicar conceptos estadísticos básicos
4. Crear y evaluar modelos predictivos

Herramientas

• LibreOffice / MS Excel
• Visual Studio Code
• R Studio
• DBeaver
• Base de Datos: DuckDB, PostgreSQL, MySQL
• Otros: uv, git, R, Python 3.12+, Docker, ...

---

MÓDULO 1: INTRODUCCIÓN AL CURSO

1.1 Fundamentos Conceptuales

¿Qué entendemos por datos tabulares?

• Filas, columnas, celdas
• Tipos de datos: numéricos, categóricos, fechas, texto
• Ejercicio: Identificar tipos de datos en datasets reales

El proceso de análisis de datos

• Recolección → Limpieza → Exploración → Modelado → Comunicación
• Herramientas para cada etapa
• Ejercicio: Mapear herramientas a etapas del proceso

---

MÓDULO 2: BASES DE DATOS RELACIONALES

2.1 Fundamentos de Bases de Datos Relacionales

Sesión 2.1.1: Conceptos de Bases de Datos Relacionales

• ¿Por qué bases de datos vs. archivos?
• Modelo relacional: tablas, filas, columnas
• Claves primarias y foráneas
• Ejercicio: Diseñar esquema para tienda online

Sesión 2.1.2: Introducción a SQL

• SELECT básico: proyección y filtrado
• WHERE, ORDER BY, LIMIT
• Dataset: Base de datos de empleados (pequeña)
• Ejercicios progresivos: Queries cada vez más complejas

2.2 SQL Intermedio

Sesión 2.2.1: Agregaciones y Agrupaciones

• GROUP BY y HAVING
• Funciones de agregación: COUNT, SUM, AVG, MAX, MIN
• Ejercicios: Análisis de ventas por región, tiempo, producto

Sesión 2.2.2: JOINs

• INNER, LEFT, RIGHT, FULL OUTER JOINs
• Cuándo usar cada tipo
• Dataset: Sistema multi-tabla (usuarios, pedidos, productos)
• Ejercicios progresivos: Queries con múltiples tablas

Sesión 2.2.3: Subconsultas y CTEs

• Subconsultas en WHERE y SELECT
• Common Table Expressions (WITH)
• Ejercicios: Análisis complejos multi-nivel

---

MÓDULO 3: ANÁLISIS EXPLORATORIO DE DATOS

3.1 Carga y Exploración Inicial de Datos

Sesión 3.1.1: Pandas Básico

• Series y DataFrames desde cero
• Lectura de archivos CSV, Excel, JSON
• Primeras exploraciones: .info(), .describe(), .head()
• Dataset: Ventas de una tienda online (1000-5000 registros)
• Ejercicios:
  • Cargar datos
  • Explorar estructura
  • Identificar problemas

Sesión 3.1.2: dplyr y tidyr en R

• Filosofía tidy data
• Funciones básicas: select(), filter(), mutate(), summarise()
• Mismo dataset que en Python
• Ejercicios graduales: Mismas tareas que con pandas

3.2 Limpieza y Transformación de Datos

Sesión 3.2.1: Identificación de Problemas en Datos

• Datos faltantes: tipos y patrones
• Duplicados: identificación y manejo
• Outliers: detección visual y estadística
• Inconsistencias: formatos, codificación
• Dataset "sucio": Datos reales con múltiples problemas
• Ejercicio: Crear reporte de calidad de datos

Sesión 3.2.2: Técnicas de Limpieza en Python

• Manejo de valores faltantes con pandas
• Detección y remoción de duplicados
• Transformación de tipos de datos
• Normalización de texto
• Ejercicios progresivos: Limpiar el dataset "sucio"

Sesión 3.2.3: Técnicas de Limpieza en R

• Funciones de tidyverse para limpieza
• Manejo de NA values
• Funciones de stringr para texto
• Ejercicios progresivos: Mismo dataset, técnicas de R

3.3 Estadística Descriptiva Básica

Sesión 3.3.1: Conceptos Estadísticos Fundamentales

• Medidas de tendencia central: media, mediana, moda
• Medidas de dispersión: varianza, desviación estándar, rango
• Distribuciones básicas
• Correlación vs. causalidad
• Ejercicios: Calcular estadísticas manualmente y con código

Sesión 3.3.2: Estadística Descriptiva en Python

• Métodos de pandas para estadística
• scipy.stats básico
• Ejercicio: Análisis estadístico de dataset de ventas

Sesión 3.3.3: Estadística Descriptiva en R

• Funciones base de R
• Paquetes summary y psych
• Ejercicio: Mismo análisis estadístico en R

---

MÓDULO 4: ENTRENAMIENTO Y EVALUACIÓN DE MODELOS

4.1 Fundamentos de Machine Learning

Sesión 4.1.1: Conceptos de Machine Learning

• Supervisado vs. no supervisado
• Regresión vs. clasificación
• Overfitting y underfitting
• Train/validation/test splits
• Ejercicio conceptual: Identificar tipos de problemas

Sesión 4.1.2: Preparación de Datos para ML

• Feature engineering básico
• Encoding de variables categóricas
• Normalización y estandarización
• Dataset: Predicción de precios de casas
• Ejercicio: Preparar datos para modelos

Sesión 4.1.3: Estadística Inferencial Básica

• Intervalos de confianza
• Pruebas de hipótesis básicas
• p-values y significancia
• Ejercicio: Análisis A/B simple

4.2 Modelos de Regresión

Sesión 4.2.1: Regresión Lineal en Python

• scikit-learn básico
• LinearRegression, métricas
• Interpretación de coeficientes
• Ejercicio: Predecir precios usando características numéricas

Sesión 4.2.2: Regresión Lineal en R

• lm() function
• summary() y diagnostic plots
• Ejercicio: Mismo problema en R

Sesión 4.2.3: Evaluación de Modelos

• MSE, RMSE, MAE, R²
• Validación cruzada
• Ejercicio: Comparar modelos Python vs R

4.3 Modelos de Clasificación

Sesión 4.3.1: Clasificación en Python

• LogisticRegression, DecisionTreeClassifier
• Métricas: accuracy, precision, recall, F1
• Matriz de confusión
• Dataset: Clasificación de clientes (churn prediction)
• Ejercicio: Modelo completo de clasificación

Sesión 4.3.2: Clasificación en R

• glm() para regresión logística
• Paquetes caret y randomForest
• Ejercicio: Mismo problema de clasificación

Sesión 4.3.3: Interpretación de Modelos

• Feature importance
• Interpretación de coeficientes
• Ejercicio: Explicar modelo a stakeholder no técnico

---

MÓDULO 5: DISEÑO DE CUADROS DE MANDO

5.1 Fundamentos de Business Intelligence

Sesión 5.1.1: Conceptos de BI y KPIs

• ¿Qué es un dashboard efectivo?
• KPIs vs. métricas
• Audiencia y objetivos
• Ejercicio: Definir KPIs para diferentes roles

Sesión 5.1.2: Diseño Visual y UX

• Principios de diseño para dashboards
• Jerarquía visual
• Colores y tipografía
• Heramientas de visualización: Looker
• Ejercicio: Rediseñar dashboard existente

5.2 Programación de Dashboards

Sesión 5.2.1: Dashboards con Streamlit

• Streamlit básico
• Widgets y interactividad
• Deployment básico
• Ejercicio: Dashboard interactivo para ventas

Sesión 5.2.2: Dashboards con Shiny

• Shiny básico en R
• UI y server logic
• Ejercicio: Convertir dashboard de Streamlit a Shiny

---

MÓDULO 6: PROYECTO FINAL

6.1 Definición y Planificación del Proyecto

• Selección de dataset y problemática
• Definición de objetivos y métricas de éxito
• Planificación de timeline
• Entregable: Propuesta de proyecto

6.2 Desarrollo del Proyecto

• Implementación siguiendo metodología aprendida
• Uso de herramientas múltiples (Python, R, SQL)
• Documentación en notebooks
• Entregable: Notebooks documentados y código

6.3 Presentación y Comunicación

• Preparación de presentación ejecutiva
• Dashboard final
• Documentación técnica
• Entregable: Presentación + dashboard + documentación