Curso de Data Science Full-Stack

Lección 1 • Fundamentos de programación en Python

Cubre la sintaxis de Python, las estructuras de datos y el flujo de control como lenguaje de codificación principal. Establece la base de scripting de la que depende todo el trabajo de datos posterior.

Lección 2 • Álgebra lineal para ciencia de datos

Enseña vectores, matrices y descomposiciones como la columna vertebral matemática de los algoritmos de ML. Se conecta directamente con la reducción de dimensionalidad y la optimización de modelos más adelante.

Lección 3 • NumPy para computación numérica

Introduce la computación basada en arreglos usando NumPy para operaciones numéricas rápidas. Habilita directamente las matemáticas matriciales y las transformaciones de datos vectorizadas que se usan a lo largo del curso.

Lección 4 • Fundamentos de cálculo y optimización

Cubre derivadas, gradientes y la regla de la cadena como herramientas para entender el entrenamiento de modelos. Proporciona la intuición detrás del descenso de gradiente usado en cada capítulo de ML.

Lección 1 • Visualización de datos con Matplotlib y Seaborn

Desarrolla habilidades de creación de gráficos usando Matplotlib y Seaborn para comunicar información de datos. La fluidez en visualización apoya tanto el EDA como los informes a partes interesadas a lo largo del curso.

Lección 2 • Ingesta de datos y fundamentos de pandas

Presenta los DataFrames, las Series y la E/S de archivos para cargar datos estructurados desde múltiples fuentes. Constituye el punto de entrada para todas las tareas de manipulación de datos en este capítulo.

Lección 3 • Ingeniería y transformación de características

Enseña codificación, escalado, agrupamiento en intervalos y creación de características derivadas para preparar datos para ML. Las características transformadas son la entrada directa a todos los modelos de aprendizaje supervisado.

Lección 4 • Técnicas de análisis exploratorio de datos

Aplica resúmenes estadísticos y visualizaciones para descubrir patrones, correlaciones y anomalías. Los hallazgos del EDA guían la selección de características y la elección de modelos en capítulos posteriores.

Lección 1 • Escritura de consultas SQL básicas

Cubre las cláusulas SELECT, WHERE, ORDER BY y LIMIT para recuperar y filtrar datos. Estos son los componentes básicos de cada consulta analítica en este capítulo.

Lección 2 • Conceptos de bases de datos relacionales

Explica tablas, claves, esquemas y normalización como la base estructural de las bases de datos relacionales. Comprender el diseño del esquema es un prerrequisito para escribir consultas efectivas.

Lección 3 • SQL para flujos de trabajo de ciencia de datos

Aplica SQL a la extracción de datos, computación de características e integración de pipelines con Python. Une las consultas a bases de datos con el análisis basado en pandas cubierto en el Capítulo 2.

Lección 4 • Subconsultas y funciones de ventana

Introduce subconsultas, CTEs y funciones de ventana para patrones SQL analíticos avanzados. Estas técnicas son esenciales para rankings, totales acumulados y análisis de cohortes.

Lección 1 • Ajuste de hiperparámetros y validación cruzada

Cubre la búsqueda en cuadrícula, la búsqueda aleatoria y la validación cruzada de k iteraciones para una optimización robusta de modelos. Estas técnicas previenen el sobreajuste y aseguran estimaciones de rendimiento confiables.

Lección 2 • Flujo de trabajo de aprendizaje automático y Scikit-Learn

Introduce el pipeline de ML de extremo a extremo: división de datos, ajuste de modelos y evaluación de predicciones. Establece el patrón de la API de scikit-learn usado en cada sección posterior de ML.

Lección 3 • Métodos de ensamble y boosting

Presenta los bosques aleatorios, el gradient boosting y XGBoost como modelos de ensamble de alto rendimiento. Se basa en conceptos de modelos individuales para lograr resultados de vanguardia en datos tabulares.

Lección 4 • Modelos de regresión y evaluación

Cubre la regresión lineal, ridge, lasso y polinomial para la predicción de objetivos continuos. Las métricas de evaluación como RMSE y R² se introducen aquí y se reutilizan a lo largo del capítulo.

Lección 1 • Métodos de detección de anomalías

Aplica el bosque de aislamiento, SVM de una clase y métodos estadísticos para detectar valores atípicos en los datos. La detección de anomalías es una aplicación directa del aprendizaje no supervisado a problemas del mundo real.

Lección 2 • Reducción de dimensionalidad no lineal

Presenta t-SNE y UMAP para visualizar datos de alta dimensionalidad en dos o tres dimensiones. Estos métodos revelan la estructura de agrupamiento que PCA no puede capturar en datos no lineales.

Lección 3 • Modelado de temas y factorización de matrices

Cubre NMF y LDA para extraer temas latentes de colecciones de documentos y matrices dispersas. Extiende el aprendizaje no supervisado a casos de uso de texto y sistemas de recomendación.

Lección 4 • Análisis de componentes principales

Cubre PCA como una técnica lineal para la reducción de dimensionalidad que preserva la varianza. Conecta la descomposición propia del Capítulo 1 con la compresión de características y la visualización práctica.

Lección 1 • Fundamentos de redes neuronales

Introduce perceptrones, funciones de activación y retropropagación como la mecánica central de las redes neuronales. Conecta el descenso de gradiente del Capítulo 1 con las reglas de actualización de pesos.

Lección 2 • Redes neuronales convolucionales

Cubre la convolución, el pooling y las arquitecturas CNN para la clasificación de imágenes y la extracción de características. Se basa en redes prealimentadas para manejar estructuras de datos espaciales.

Lección 3 • Construcción de modelos con Keras y TensorFlow

Enseña las API secuencial y funcional para construir y entrenar modelos de aprendizaje profundo. Establece los patrones de codificación usados en todas las secciones posteriores de aprendizaje profundo.

Lección 4 • Redes recurrentes y modelado de secuencias

Presenta las RNN, LSTM y GRU para modelar datos secuenciales y de series de tiempo. Prepara a los estudiantes para las tareas de NLP y pronóstico cubiertas en capítulos posteriores.

Lección 1 • Reconocimiento de entidades nombradas y extracción de información

Aplica modelos de etiquetado de secuencias y spaCy para extraer entidades, relaciones y datos estructurados del texto. Conecta los modelos de NLP con pipelines prácticos de extracción de información.

Lección 2 • Incrustaciones de palabras y representaciones semánticas

Presenta Word2Vec, GloVe y FastText para representaciones semánticas densas de palabras. Las incrustaciones reemplazan los vectores dispersos y mejoran el rendimiento del modelo en tareas posteriores de NLP.

Lección 3 • Modelos Transformer y BERT

Presenta el mecanismo de atención, la arquitectura transformer y BERT para NLP contextual. Cubre el ajuste fino de modelos preentrenados para clasificación y reconocimiento de entidades nombradas.

Lección 4 • Preprocesamiento y representación de texto

Cubre la tokenización, la lematización, la eliminación de palabras vacías y TF-IDF para convertir texto sin procesar en características. Estos pasos de preprocesamiento son la base de cada pipeline de NLP en este capítulo.

Lección 1 • Pipelines de ML y orquestación de flujos de trabajo

Presenta Airflow y Prefect para programar, orquestar y monitorear pipelines de entrenamiento de ML. Los pipelines automatizados reemplazan el reentrenamiento manual y reducen el riesgo operativo.

Lección 2 • Monitoreo de modelos y detección de deriva

Cubre la deriva de datos, la deriva de concepto y el monitoreo de la degradación del rendimiento para modelos desplegados. El monitoreo continuo cierra el ciclo entre el despliegue y el reentrenamiento del modelo.

Lección 3 • Estructura de proyectos de ML y reproducibilidad

Establece la organización del proyecto, los entornos virtuales y las prácticas de control de versiones para ML reproducible. La reproducibilidad es el prerrequisito para cada tarea de despliegue y colaboración en este capítulo.

Lección 4 • Seguimiento de experimentos y registro de modelos

Aplica MLflow para registrar parámetros, métricas y artefactos a través de ejecuciones de entrenamiento. Un registro de modelos permite la promoción versionada desde el experimento hasta la producción.