D

Practica aplicada

Proyectos que te van a obligar a pensar

16 proyectos integradores, organizados por módulo y dificultad. Cada uno esta pensado para que NO puedas hacerlo copiando: tienes que decidir.

M0 Introductorio

Diagnostico reproducible de ventas tecnologicas

Usa Python y SQL sobre el dataset de ventas para responder preguntas de negocio, detectar nulos y documentar un problem statement con target, features y metrica de exito.

M1 Intermedio

Modelo relacional para un pipeline de Machine Learning

Diseña un esquema entidad-relacion, normalizalo, implementalo en SQLite y crea un pipeline que valide los datos antes de entregarlos a un modelo.

M1 Avanzado

De la pregunta de negocio al dataset entrenable

Define un problema de clasificacion o regresion, selecciona las tablas necesarias, prepara features sin leakage y justifica la metrica antes de entrenar.

M3 Intermedio

Pipeline adquisición → limpieza → train/test

Adquiere un CSV y un JSON con pathlib, limpia duplicados y nulos (mediana robusta + etiqueta categórica), valida contrato de tipos y divide en train/test sin leakage. Documenta origen, encoding y reproducibilidad con random_state.

M5 Intermedio

Pipeline ETL modular y optimizado

Construye un flujo extract → transform → load con fuentes heterogéneas, normalización de columnas, tipos eficientes, duplicados, nulos, merge many-to-one y salida Parquet. Compara una transformación vectorizada con un loop y documenta memoria, filas conservadas y decisiones de calidad.

M6 Intermedio

Análisis meteorológico con DuckDB

Consulta un CSV o Parquet de clima directamente con DuckDB, mide nulos y cobertura temporal, calcula promedios mensuales y máximos históricos, y documenta tiempos, hallazgos y reproducibilidad.

M7 Avanzado

Features de comportamiento con SQL analítico

Une usuarios, órdenes y catálogo sin cambiar la granularidad por accidente; calcula RFM, ranking, acumulados y cambios entre compras con funciones de ventana y explica para qué decisión sirve cada feature.

M8 Intermedio

ETL idempotente con SQLAlchemy y SQLite

Valida un lote antes de cargarlo, separa rechazos, define un modelo ORM tipado, guarda los registros válidos en SQLite con transacción y clave única, y demuestra que repetir el proceso no crea duplicados.

M9 Intermedio

Auditoría y pipeline de preprocesamiento

Explora calidad y distribuciones, compara estrategias para nulos y outliers y construye un ColumnTransformer con imputación, escalado y codificación ajustados únicamente con train.

M10 Avanzado

Clasificación de churn con evaluación defendible

Compara una Regresión Logística con un ensemble, selecciona umbral según el costo de errores, estima variabilidad con validación cruzada y reserva test para una evaluación final.

M11 Intermedio

Dashboard de ventas que responde preguntas

Diseña una vista ejecutiva con métricas, tendencias y segmentos; elige cada gráfico según la pregunta, aplica jerarquía visual y verifica legibilidad, contraste y contexto.

M12 Intermedio

Narrativa de datos para una decisión comercial

Convierte un análisis de ventas en una historia breve para una audiencia concreta: contexto, hallazgo comprobable, impacto, recomendación y visuales que no sugieran causalidad sin evidencia.

M13 Avanzado

Comparación espacial accesible

Combina puntos y polígonos, documenta el CRS, agrega indicadores por zona y crea un mapa estático y una animación temporal con leyenda, fuente y alternativa no visual.

M14 Intermedio

Distribuciones, categorías y pruebas robustas

Resume grupos con conteos y proporciones, investiga valores extremos sin borrarlos automáticamente y selecciona una prueba paramétrica o no paramétrica acorde con diseño y supuestos.

M15 Avanzado

Asociaciones y multicolinealidad en clientes

Analiza relaciones lineales y monotónicas, cuantifica asociaciones categóricas, revisa VIF y confusores, y separa evidencia asociativa de cualquier afirmación causal.

M16 Avanzado

Proyecto final: pipeline reproducible de Ciencia de Datos

Entrega un repositorio desde la definición del problema y la adquisición hasta calidad, análisis, visualización, modelo o análisis estadístico, evaluación, documentación y limitaciones.

Consejo: hace al menos 3 proyectos de los avanzados antes de considerar que "ya lo sabes". El codigo se copia, las decisiones no.