Un programa intensivo diseñado para que domines todo el ciclo del análisis de datos, desde la recolección hasta la visualización, el modelado avanzado y la gestión de datos en la nube.

🔹 Módulo 1: Introducción al Análisis de Datos (10 horas)

• Fundamentos y objetivos del Data Analytics en entornos empresariales
• Herramientas, tecnologías y su aplicación en proyectos reales
• Procesos clave: recolección, limpieza, análisis y visualización de datos
• Principios de ética, privacidad y manejo responsable de la información

🔹 Módulo 2: Fundamentos de Estadística para Data Analytics (15 horas)

• Medidas de tendencia central y dispersión aplicadas al análisis exploratorio
• Probabilidad y distribuciones de probabilidad en contextos prácticos
• Inferencia estadística: intervalos de confianza, pruebas de hipótesis
• Muestreo, estimación y análisis de varianza (ANOVA)

🔹 Módulo 3: Herramientas y Lenguajes de Análisis de Datos (25 horas)

• Power BI: creación de dashboards interactivos y conexiones a fuentes de datos
• Python: uso de Pandas, NumPy, Matplotlib y Seaborn para análisis y visualización
• SQL: consultas, filtrado, agregaciones, subconsultas y optimización

🔹 Módulo 4: Recolección, Limpieza, Transformación y Arquitectura de Datos (15 horas)

• Integración de datos desde APIs, bases de datos relacionales y archivos planos (CSV, Excel, JSON)
• Técnicas de limpieza: manejo de valores nulos, duplicados y datos inconsistentes
• Transformación y preparación: normalización, codificación de variables, escalado
• Introducción a herramientas de procesos ETL (Extract, Transform, Load)
• Arquitectura de Datos: conceptos, componentes, diseño de pipelines de datos y flujos de procesamiento
• Buenas prácticas de gestión de datos basadas en el Marco DAMA-DMBOK (gobernanza, calidad, arquitectura y seguridad de los datos)

🔹 Módulo 5: Análisis Exploratorio de Datos (EDA) (15 horas)

• Creación de visualizaciones exploratorias: histogramas, diagramas de caja, gráficos de dispersión
• Identificación de patrones, tendencias y relaciones en los datos
• Detección y tratamiento de outliers y anomalías
• Preparación de datasets para modelado predictivo

🔹 Módulo 6: Modelos Predictivos y Machine Learning (25 horas)

• Introducción al Machine Learning: conceptos, casos de uso y tipos de aprendizaje
• Modelos de regresión lineal y logística
• Clasificación: árboles de decisión, K-NN y máquinas de soporte vectorial (SVM)
• Clustering: K-means, clustering jerárquico y DBSCAN
• Evaluación de modelos: precisión, recall, F1-score, matriz de confusión
• Implementación con Scikit-Learn y librerías de Python

🔹 Módulo 7: Visualización de Datos Avanzada (10 horas)

• Diseño de dashboards interactivos con Power BI, Tableau y Apache Superset
• Principios de visualización efectiva y storytelling con datos
• Integración con fuentes en tiempo real y herramientas en la nube

🔹 Módulo 8: Big Data, Arquitectura Cloud y FinOps (10 horas)

• Introducción a Big Data: conceptos clave, ecosistemas y aplicaciones
• Procesamiento con Google BigQuery, Azure Synapse, Spark y Hadoop
• Arquitectura Cloud para Datos: diseño de soluciones de almacenamiento, procesamiento y visualización en entornos cloud
• Fundamentos de FinOps: estrategias de optimización y control de costos en la nube para proyectos de análisis de datos

🔹 Módulo 9: Proyecto Final de Data Analytics (15 horas)

• Aplicación integral de los conocimientos adquiridos en un caso real
• Recolección, limpieza, análisis y visualización de un dataset real
• Desarrollo y validación de un modelo predictivo
• Diseño de una arquitectura de datos y flujo de procesamiento en la nube
• Presentación de resultados en un informe profesional y un dashboard interactivo
• Retroalimentación personalizada con mentores expertos