Data 201 - Analisis de Datos Autónomo

Duración: 8 semanas (48 horas)
Modalidad: Clases en vivo online (2 veces por semana, 7:30 PM - 10:30 PM)
Dirigido a: Egresados de Data 101 que buscan convertirse en analistas autónomos capaces de resolver problemas reales con AI como copiloto profesional.

Este curso te transforma de analista guiado a analista más autónomo. Aprenderás SQL con window functions y CTEs, Python con scripts básicos y extracción de datos de internet, machine learning con modelos interpretables, y dashboards interactivos con Streamlit. Integrarás AI tools (GitHub Copilot, ChatGPT) como copiloto para acelerar tu trabajo. El programa culmina con un proyecto portfolio desplegado en Streamlit Cloud.

🟢 Prerrequisito obligatorio: Haber completado Data 101 ó tener conocimientos de SQL básico, Jupyter con Python, Pandas y ML supervisado básico.

⚖️ Equilibrio 70% fundamentos aplicados / 30% aceleración con AI

Inversión de tiempo

Tipo de actividad Horas
Clases en vivo (16) 48
Actividades asíncronas 24
Proyecto real / grupal 14
Networking 4
Total 90

Objetivos

  1. Usar SQL con window functions y CTEs
    • Aplicar window functions esenciales para rankings y comparaciones
    • Escribir queries con CTEs para organizar análisis
    • Crear scripts Python básicos que extraen datos y exportan CSV
    • Identificar queries lentos
  2. Desarrollar autonomía con Python y modelos básicos
    • Convertir notebooks a scripts .py reutilizables
    • Extraer datos de internet con APIs públicas
    • Implementar modelos de regresión y clasificación
    • Interpretar qué variables son importantes en modelos
  3. Visualizar tendencias y comunicar resultados
    • Identificar tendencias en datos temporales
    • Interpretar resultados de A/B tests
    • Crear dashboards interactivos con Streamlit
    • Calcular métricas básicas (retention, conversión)
  4. Crear portfolio público con GitHub
    • Usar Git para versionar código
    • Resolver errores con Stack Overflow + ChatGPT
    • Subir dashboard a Streamlit Cloud (público)
    • Presentar proyecto en formato técnico

Filosofía e Integración con AI

“Fundamentos aplicados para ENTENDER. AI para ser 2-3x más PRODUCTIVOS.”

AI Tools que usarás:

Skills AI que desarrollarás:

Módulos y Clases

Módulo 1: SQL con Window Functions y Python Básico

  1. Window Functions Esenciales (180 min, blend)
    • ROW_NUMBER, RANK para rankings simples
    • LAG, LEAD para comparaciones período anterior (MoM básico)
    • PARTITION BY para agrupar y comparar
    • Casos de uso: rankings de ventas, comparaciones mensuales
    • Laboratorio: análisis de ventas con ranking mensual
  2. CTEs y Outer Joins (180 min, blend)
    • Common Table Expressions (WITH) para queries más legibles
    • CTEs simples (1-2 niveles, sin encadenar muchos)
    • Left/Right Joins para combinar tablas
    • Identificar cuando un query es lento (observación básica)
    • ⚡ AI Setup: GitHub Copilot activado - Configuración en VS Code, primeros prompts para SQL
    • Laboratorio: refactorizar query con subconsultas a CTEs simples
  3. Scripts Python con SQL (180 min, blend)
    • Conectar Python con BigQuery/PostgreSQL (pandas básico)
    • Leer datos con SQL desde Python
    • Exportar resultados a CSV
    • Guardar script como .py para reutilizar
    • Laboratorio: script que extrae datos y exporta CSV
  4. Ejercicio SQL Guiado (180 min, blend)
    • Caso de negocio con template estructurado
    • Aplicar window functions + CTEs en análisis
    • Responder preguntas de negocio específicas
    • Documentar hallazgos básicos
    • Laboratorio: análisis e-commerce con guía paso a paso

Herramientas por aprender:

Módulo 2: Python con Scripts y Modelos Básicos

  1. De Notebooks a Scripts (180 min, blend)
    • Convertir notebook a archivo .py
    • Crear funciones básicas para reutilizar código
    • Buenas prácticas: nombres claros, comentarios simples
    • Ejecutar script desde terminal
    • ⚡ AI Copilot: ChatGPT/Claude para explicar errores y ayudar con sintaxis
    • Laboratorio: convertir notebook de análisis a script .py
  2. Extraer Datos de Internet (180 min, blend)
    • Consumir APIs públicas con requests (GET básico)
    • Leer respuesta JSON y convertir a DataFrame
    • Guardar datos en CSV para análisis
    • Ejemplo: API de tipo de cambio, clima, datos públicos
    • Laboratorio: extraer datos de API gratuita y guardar CSV
  3. Regresión Lineal Simple (180 min, blend)
    • Linear Regression para predicción
    • Entender R² como métrica de ajuste
    • Train/test split básico
    • Interpretar coeficientes (¿qué variables importan más?)
    • Laboratorio: predicción de precios con interpretación simple
  4. Clasificación con Random Forest (180 min, blend)
    • Random Forest para clasificar (ej: cliente compra sí/no)
    • Métricas básicas: accuracy, confusion matrix
    • Feature importance (¿qué variables son importantes?)
    • Traducir resultados a lenguaje de negocio
    • ⚡ AI Workflow: ChatGPT para generar ideas de features
    • Laboratorio: clasificación de clientes con interpretación básica

Herramientas por aprender:

Módulo 3: Visualización y Comunicación

  1. Visualizar Tendencias Temporales (180 min, blend)
    • Gráficos de línea para datos temporales
    • Identificar tendencias visualmente (¿sube, baja, estable?)
    • Detectar patrones estacionales en gráficos
    • Comparar períodos (este mes vs mes pasado)
    • Laboratorio: visualizar tendencias de ventas mensuales
  2. Interpretar A/B Tests (180 min, blend)
    • Qué es un A/B test: control vs tratamiento
    • Leer e interpretar p-value básico (¿es significativo?)
    • Entender si un cambio realmente funcionó
    • Cuándo confiar en los resultados
    • ⚡ AI Assistant: ChatGPT para validar interpretaciones básicas
    • Laboratorio: analizar A/B test ya realizado (¿el cambio funcionó?)
  3. Dashboards con Streamlit (180 min, blend)
    • Crear dashboard básico con Streamlit
    • Agregar 2-3 visualizaciones (gráficos de línea, barras)
    • Agregar 1 filtro simple (selectbox o slider)
    • Estructura simple: título, gráficos, conclusiones
    • Deploy gratuito en Streamlit Cloud
    • Laboratorio: dashboard de ventas con filtro por producto
  4. Métricas Básicas de Negocio (180 min, blend)
    • Calcular retention (¿cuántos clientes vuelven?)
    • Calcular conversión (¿cuántos completan acción?)
    • Visualizar métricas en dashboard simple
    • Interpretar resultados en lenguaje de negocio
    • ⚡ AI Workflow: ChatGPT para ayudar con SQL de métricas
    • Laboratorio: dashboard con retention y conversión

Herramientas por aprender:

Módulo 4: Git, Deployment y Portfolio

  1. Git Esencial (180 min, blend)
    • Qué es Git y por qué usarlo
    • Crear repo: init, add, commit, push
    • Subir código a GitHub (crear repo público)
    • README básico: qué hace el proyecto
    • ⚡ AI Assistant: ChatGPT para ayudar con comandos Git básicos
    • Laboratorio: crear portfolio en GitHub y subir primer proyecto
  2. Debugging con Stack Overflow + AI (180 min, blend)
    • Leer errores comunes (NameError, KeyError, etc.)
    • Copiar error y buscar en Stack Overflow
    • Usar ChatGPT para entender el error
    • Ejercicio: encontrar bugs en código generado por AI
    • Laboratorio: debugging de script con errores (buscar soluciones)
  3. Subir Dashboard a Streamlit Cloud (180 min, blend)
    • Preparar dashboard para deployment (requirements.txt)
    • Subir código a GitHub
    • Conectar GitHub con Streamlit Cloud
    • Deploy con un clic (app pública)
    • Compartir link público en portfolio
    • Laboratorio: desplegar dashboard público (template pre-hecho)
  4. Proyecto Portfolio Guiado (180 min, blend)
    • Proyecto con dataset provisto:
      • Dataset sugerido (e-commerce, finanzas, o salud)
      • Pipeline guiado: análisis → modelo simple → dashboard
      • GitHub repo con README básico
      • Dashboard desplegado en Streamlit Cloud
      • Presentación técnica (10-15 min)
    • Estructura simplificada:
      • EDA con 3-4 visualizaciones clave
      • Modelo ML simple (regresión O clasificación)
      • Dashboard con 2-3 gráficos + 1 filtro
      • README con pasos básicos
    • ⚡ AI Workflow: ChatGPT para generar README y mejorar visualizaciones
    • Checkpoint final: Presentación 10-15 min + Demo dashboard + Q&A breve

Herramientas por aprender:

Proyecto Final del Curso

Proyecto Analítico End-to-End con Empresa Real

Proyecto de 2 semanas (sprints) trabajando con datos reales de empresas partner: Churn Prediction, Credit Scoring, Demand Forecasting o Customer Segmentation.

Componentes del proyecto:

Entregables:

Admisión

📅 Calendario

<= Regresar