Curso Analista de Datos desde cero

¡Tu introducción al mundo del análisis de datos! Conceptos clave y sintaxis básica en Python. Bucles, condiciones y funciones. La librería pandas para analizar datos. Tu primer estudio de caso analítico, seguido de tu primer proyecto. Capítulo 1. Introducción a tu futura profesión Capítulo 2. Variables, tipos de datos y operaciones aritméticas Capítulo 3. Strings Capítulo 4. Listas

Continuarás tu viaje por los diccionarios de Python que se emplean comúnmente en el campo de los datos. Harás que tu código sea flexible y reutilizable mediante la creación de funciones. Capítulo 1. Bucles Capítulo 2. Sentencias condicionales Capítulo 3. Diccionarios Capítulo 4. Funciones

La librería Pandas para procesar datos. Compensación por datos imperfectos. Manejo de valores ausentes y duplicados. Capítulo 1. La librería Pandas Capítulo 2. Leer y visualizar datos Capítulo 3. Trabajar con valores duplicados y ausentes Capítulo 4. Filtrado de datos

Cambiar tipos de datos. Identificar correlaciones y crear gráficos. Capítulo 1. Tipos de datos Capítulo 2. Ingeniería de características Capítulo 3. Transformación de datos Capítulo 4. Visualización de datos

Teoría de la probabilidad, distribuciones más comunes y métodos estadísticos en Python. Muestreo y significación estadística. Identificación y manejo de anomalías. Capítulo 1. Estadística descriptiva Capítulo 2. Teoría de la probabilidad Capítulo 3. Prueba de hipótesis

Identificar patrones que te ayudarán a determinar si un videojuego concreto tendrá éxito comercial o no.

Preparar el ecosistema de las herramientas de desarrollo. Aprender a utilizar la línea de comandos para acceder y manipular fácilmente archivos en tu computadora. Utilizar las herramientas de Git y GitHub. Profundizando en un Python más avanzado. Capítulo 1. Introducción a la línea de comandos Capítulo 2. Entornos de desarrollo Capítulo 3. Git y GitHub Capítulo 4. Python intermedio Capítulo 5. Entorno de desarrollo individual

Cómo se estructuran las bases de datos y cómo extraer datos de ellas mediante consultas SQL. Encontrar datos en línea. Capítulo 1. Recuperar datos de recursos en línea Capítulo 2. SQL como herramienta para trabajar con datos Capítulo 3. Funciones avanzadas de SQL para analistas Capítulo 4. Relaciones entre tablas Capítulo 5. Habilidades sociales (Soft skills)

Enfoque analítico de negocio. Métricas de negocio y KPIs. Análisis de datos de usuario. Análisis de marketing y herramientas relacionadas. Embudo de ventas. Capítulo 1. Métricas y embudos Capítulo 2. Análisis de cohortes Capítulo 3. Economía unitaria Capítulo 4. Métricas de usuario Capítulo 5. Preguntas de autoevaluación

Métodos y herramientas para probar hipótesis. Diseño experimental. Estacionalidad. Análisis de cohorte. Tests A/B. Capítulo 1. Las bases de la verificación de hipótesis en negocio Capítulo 2. Escoger un método experimental Capítulo 3. Priorizar hipótesis Capítulo 4. Prepara un Test A/B Capítulo 5. Analizar los resultados del Test A/B Capítulo 6. Habilidades sociales (Soft skills

Aprender a comprobar las hipótesis estadísticas de los tests A/B y a preparar conclusiones y recomendaciones en un formato de informe analítico.

Automatizar procesos de análisis de datos y redacción de tareas rutinarias. Métodos de visualización de datos. Presentación de los resultados. Capítulo 1. Data pipelines y por qué utilizarlos Capítulo 2. Diseñar y desarrollar cuadros de mando con Dash Capítulo 3. Tableau

Métodos básicos de machine learning y aplicaciones. Clasificación, pronóstico, agrupamiento. Regresión. Árboles de decisión. Capítulo 1. Tareas de negocio que involucran al machine learning Capítulo 2. Algoritmos de machine learning Capítulo 3. Resolver tareas relacionadas con el machine learning

Aplicar todo lo que has aprendido en el bootcamp de dos semanas que recrea la experiencia de trabajo de un analista junior.