En línea
Conviértete en Data Analyst incluso sin experiencia previa en el campo
Horario flexible
Agenda una consulta profesional y averigua cómo puedes hacerlo posible estudiando en un bootcamp de 7 meses de Análisis de Datos
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
Python básico
¡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
Python básico (continuación)
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
Manipulación de datos (Data Wrangling)
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
Manipulación de datos (Data Wrangling) (continuación)
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
Análisis estadístico 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
Proyecto del módulo 1
Identificar patrones que te ayudarán a determinar si un
videojuego concreto tendrá éxito comercial o no.
Herramientas de desarrollo de software
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
Recopilación y almacenamiento de datos (SQL)
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)
Análisis de negocio
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
Tomar decisiones de negocio basadas en datos
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)
Proyecto del módulo 2
Aprender a comprobar las hipótesis estadísticas de los tests A/B
y a preparar conclusiones y recomendaciones en un formato
de informe analítico.
Automatización
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
Pronóstico y predicción
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
Proyecto final
Aplicar todo lo que has aprendido en el bootcamp de dos
semanas que recrea la experiencia de trabajo de un analista
junior.
¿Obtendrás la certificación? Por supuesto. Quedará muy bien en tu CV
Te ayudamos a encontrar trabajo en los 6 meses siguientes a tu graduación
o te
CV y portafolio
El bootcamp de
programación mejor valorado, con +1200 reseñas
Consulta nuestros premios en Career Karma, SwitchUp y Course Report
y Machine Learning
“No importa lo que hayas hecho haste ahora en tu vida, siempre tienes la oportunidad de hacer algo nuevo, de reinventarte y lograr el futuro que quieras lograr.”
Operator
“Me ayudó a cambiar de carrera y encontrar mi verdadera vocación.”
Procesos Biotecnológicos
“El bootcamp de TripleTen ha tenido un impacto transformador en mi vida. Gracias a TripleTen, no solo adquirí nuevas competencias, sino también una mayor claridad sobre mis objetivos profesionales y cómo alcanzarlos.”
MR MARVIS
“Ha sido la principal herramienta para mi cambio de carrera. Plataforma tenga todo organizado de una manera útil y bien explciada y que tengas la posibilidad de hacer ejercicios y proyectos que serán revisados.”
financieros
“Me permitió organizar mi ruta de aprendizaje y estructurar el conocimiento que había adquirido en otros medios y en mi experiencia laboral en el ámbito de los datos. Me brindó visibilidad y creó oportunidades de crecimiento, siendo clave para encaminar mi carrera hacia el mundo de los datos.”
“Me dio mucha disciplina y me ayudó a encontrar un trabajo bien remunerado.”
de datos
“Yo de formación soy socióloga, y las oportunidades laborales no eran muchas y no estaban bien pagadas, y creo que esto me abrió muchas puertas, el trabajo que conseguí es muy bueno, así que estoy muy agradecida por eso.”
de datos
IA multilingües y modelos
de lenguaje de gran tamaño
(LLMs)
“De manera positiva, tengo una mejor perspectiva de los datos en las empresas.”
“Lo primero que destaca de TripleTen es su equipo docente altamente calificado y comprometido. Los profesores no solo son expertos en sus campos respectivos, sino que también tienen una pasión innata por guiar y nutrir a sus estudiantes.”
y Data Analyst
“El curso me dio un amplio conocimiento del tema y lo mejor fue que me permitió aprender directamente de expertos, adquiriendo conocimientos de primera mano.”
Outliner
“Me permitió adquirir las herramientas necesarias para iniciar una trayectoria en un campo diferente al que conocía. Ahora cuento con un trabajo remoto y flexibilidad de tiempo para trabajar a mis propios términos.”
“Creo que TripleTen sabe cómo desarrollar las habilidades necesarias para que alguien como yo pueda tener un futuro en el mundo de la tecnología.”
“Dudaba si sería capaz de comprender el material y realizar las actividades. Mis dudas se disiparon debido a la claridad de los contenidos, la práctica disponible y las sesiones con los asesores.”
Nuestros graduados trabajan en startups locales y gigantes internacionales
