Curso de Power BI con Python

Clase 1 • Configurá tu entorno de desarrollo

Instalá Power BI Desktop y Python, y después configurá las rutas y dependencias. Esta base asegura que cada ejercicio posterior funcione sin errores de entorno.

Clase 2 • Interfaz de Power BI y conceptos centrales

Navegá la interfaz de Power BI Desktop y entendé reportes, datasets y espacios de trabajo. La familiaridad con la UI acelera todo el trabajo posterior de modelado de datos.

Clase 3 • Fundamentos de Python para el trabajo con datos

Cubrí la sintaxis de Python, tipos de datos y flujo de control relevantes para tareas de análisis. Estas habilidades son la base de cada script de Python que uses dentro de Power BI.

Clase 1 • Ejecución de scripts de Python como fuentes de datos

Ejecutá scripts de Python directamente dentro de Power BI para generar o transformar datos de origen. Esto une ambas herramientas en un pipeline de ingesta unificado.

Clase 2 • Consumo de APIs REST y datos web

Obtené datos de APIs REST usando requests de Python y conectores web de Power BI. Los estudiantes adquieren habilidades para acceder a datos dinámicos y en vivo que no están disponibles en archivos estáticos.

Clase 3 • Carga de datos con Python y pandas

Usá pandas para leer fuentes CSV, Excel, JSON y SQL en DataFrames. Esto espeja la ingesta de Power BI y permite el preprocesamiento del lado de Python.

Clase 1 • Reestructuración y agregación de datos

Pivoteá, fundí, agrupá y agregá datos tanto en pandas como en Power Query. Las habilidades de reestructuración son esenciales para construir las tablas estructuradas que requieren los modelos de Power BI.

Clase 2 • Fundamentos del Editor de Power Query

Usá Power Query para filtrar, renombrar, dividir y fusionar columnas sin código. Estas habilidades basadas en la GUI manejan la mayoría de las tareas de limpieza rutinarias.

Clase 3 • Power Query avanzado con lenguaje M

Escribí expresiones M para automatizar transformaciones complejas más allá de la GUI. Las funciones M personalizadas extienden Power Query para manejar lógica dinámica y parametrizada.

Clase 1 • Optimización del modelo de datos

Reducí el tamaño del modelo y mejorá la velocidad de consulta mediante la eliminación de columnas, agregaciones y modos de almacenamiento. La optimización asegura que los dashboards sigan siendo ágiles con volúmenes de datos empresariales.

Clase 2 • Introducción a DAX

Escribí columnas calculadas y medidas básicas usando sintaxis DAX y contexto de evaluación. DAX es el lenguaje principal para todos los cálculos analíticos en Power BI.

Clase 3 • Patrones DAX intermedios

Aplicá CALCULATE, FILTER y funciones de inteligencia de tiempo para construir KPIs de negocio. Estos patrones cubren la mayoría de los requisitos analíticos del mundo real.

Clase 1 • Principios de formato y diseño

Aplicá color, tipografía y disposición consistentes para producir reportes profesionales. La disciplina de diseño reduce la carga cognitiva y aumenta la confianza de los stakeholders.

Clase 2 • Elección del tipo de visual correcto

Asociá las características de los datos con visuales de barras, líneas, dispersión, mapas y tablas. La selección correcta de visuales es la base de una comunicación de datos honesta y legible.

Clase 3 • Visuales de Python dentro de Power BI

Renderizá gráficos de Matplotlib y Seaborn como visuales de Power BI usando el objeto visual de Python. Esto desbloquea tipos de gráficos estadísticos y personalizados no disponibles de forma nativa.

Clase 1 • Estadística descriptiva con Python

Calculá estadísticas de resumen, distribuciones y correlaciones usando pandas y NumPy. Estas métricas forman la línea de base para todo trabajo analítico más profundo.

Clase 2 • Fundamentos de pruebas de hipótesis

Aplicá pruebas t, chi-cuadrado y ANOVA usando SciPy para validar hipótesis de negocio. Las pruebas estadísticas proporcionan justificación basada en evidencia para las decisiones.

Clase 3 • Exposición de análisis de Python en Power BI

Pasá estadísticas calculadas en Python y salidas de modelos de vuelta a los reportes de Power BI. Esto cierra el ciclo entre el análisis de Python y los dashboards orientados al negocio.

Clase 1 • Incorporación de predicciones en Power BI

Cargá modelos de scikit-learn guardados dentro de scripts de Python en Power BI para puntuar nuevos datos. Las predicciones se convierten en columnas filtrables en reportes en vivo sin reentrenamiento.

Clase 2 • Modelos de clasificación y regresión

Entrená árboles de decisión, random forests y modelos lineales usando pipelines de scikit-learn. Estos algoritmos abordan los problemas de negocio predictivos más comunes.

Clase 3 • Resumen del flujo de trabajo de Machine Learning

Entendé el pipeline de ML de punta a punta, desde la preparación de datos hasta el despliegue del modelo. Un flujo de trabajo claro previene errores comunes en ingeniería de features y evaluación.

Clase 1 • Seguridad a nivel de fila y control de acceso

Definí roles de RLS en DAX y asigná usuarios para restringir la visibilidad de los datos por rol. Las reglas de seguridad aseguran que cada usuario vea solo los datos que está autorizado a acceder.

Clase 2 • Automatización de flujos de trabajo con Power Automate

Dispará flujos de Power Automate desde alertas de Power BI y condiciones basadas en datos. La automatización reduce el monitoreo manual y acelera la respuesta a eventos de negocio.

Clase 3 • Linaje de datos y documentación

Usá la vista de linaje y las funcionalidades de endorsment para documentar la procedencia de los datasets. Un linaje claro reduce errores cuando múltiples equipos comparten y construyen sobre los mismos datasets.