En línea
Horario flexible
Agenda una consulta profesional y averigua cómo puedes hacerlo posible estudiando en un bootcamp de 7 meses de Análisis de Datos
Los Data Analysts son los decodificadores de la era digital. Transforman los datos en percepciones y garantizan que las empresas tomen decisiones informadas.
Trabajo flexible: elige la mejor oportunidad entre +30 mil vacantes remotas en el mundo
¡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.
Consulta nuestros premios en Career Karma, SwitchUp y Course Report