Modalidad en línea · Clases en vivo

De cero a un análisis completo con Python en 4 semanas

Enfoque 100% práctico con VS Code notebooks, datasets reales y acompañamiento cercano.

Inicia: 5 Ene 2026 L-M-V 4–6 pm (CDMX) Online $299 MXN
-- Días
-- Horas
-- Minutos
-- Segundos

Inscribirme Descargar temario completo

Incluye certificado + grabaciones + notas PDF

Datos clave del curso

  • Nombre: Análisis de Datos con Python (VS Code + Notebooks)
  • Modalidad: En línea (clases en vivo)
  • Duración: 4 semanas (12 sesiones)
  • Días: Lunes, Miércoles y Viernes
  • Horario: 4:00 pm – 6:00 pm (hora CDMX)
  • Inicio: Lunes 5 de enero de 2026
  • Costo: $299 MXN
  • Incluye: Certificado, sesiones grabadas, notas en PDF
Foto del instructor Alejandro

¿Quién soy?

Tu guía en el curso

Soy Alejandro, Física en la UNAM (Facultad de Ciencias). Enseño análisis de datos de manera práctica: aprendes haciendo con notebooks y ejercicios guiados.

En cada sesión me enfoco en: acompañarte en vivo, revisar tus notebooks, responder dudas concretas y darte feedback sobre visualizaciones y storytelling. Todo queda grabado y con notas en PDF para que avances a tu ritmo.

Metodología

Explicación breve, demo en notebook, ejercicio guiado y reto corto al final. Revisión de tus resultados en vivo.

Soporte

Chat del grupo para dudas entre sesiones, ejemplos adicionales y datasets sugeridos para practicar.

Enfoque práctico
Material descargable
Proyecto final para portafolio

¿Qué vas a aprender?

Bloques clave del curso

Desde la instalación hasta el storytelling con datos, listo para aplicar en proyectos reales.

Setup VS Code + notebooks
Python esencial para análisis
NumPy
Pandas: limpieza, joins, groupby, pivot, fechas
Visualización
EDA + storytelling
Proyecto final

Temario completo (12 sesiones)

Abre cada sesión y revisa el plan

  • Instalación de VS Code y extensiones para notebooks.
  • Atajos básicos, entorno virtual y organización de proyectos.
  • Primer notebook y estructura de carpetas.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Tipos de datos, listas, diccionarios y control de flujo.
  • Funciones, módulos y manejo de errores.
  • Buenas prácticas y legibilidad.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Creación y manipulación de arrays.
  • Indexación, slicing y broadcasting.
  • Operaciones matemáticas y estadísticas básicas.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Lectura de CSV/Excel y estructuras Series/DataFrame.
  • Selección de columnas, filtrado y ordenamiento.
  • Resumen rápido con describe(), info() y tipos.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Manejo de nulos, duplicados y tipos de datos.
  • Funciones apply/map y transformaciones.
  • Fechas y tiempos: parsing y operaciones.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Joins y merges entre tablas.
  • Groupby, agregaciones y pivots.
  • Detección de outliers básicos.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Gráficas básicas con matplotlib.
  • Personalización de ejes, títulos y estilos.
  • Buenas prácticas de color y etiquetas.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Subplots y layouts para dashboards ligeros.
  • Historias con datos: orden y narrativa.
  • Exportar gráficos listos para compartir.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Pipeline de EDA: preguntas, hipótesis y métricas.
  • Correlaciones y distribuciones.
  • Checklist para detectar problemas comunes.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Plantear problema y métricas de éxito.
  • Búsqueda de datasets (Kaggle y fuentes abiertas).
  • Scope y entregables del proyecto.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Iteraciones sobre limpieza y visualización.
  • Revisión entre pares y checklist de calidad.
  • Preparar la historia de datos para presentar.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

  • Presentación de proyectos finales.
  • Retroalimentación y siguientes pasos.
  • Entrega de certificados y recursos finales.

Ejemplo en notebook: [PENDIENTE / LINK]

Dataset usado: [PENDIENTE]

Mini-reto/tarea: [PENDIENTE]

Horarios y fechas

Plan claro desde el día 1

Días: Lunes, Miércoles y Viernes

Horario: 4:00 pm – 6:00 pm (hora CDMX)

Duración: 4 semanas (12 sesiones)

Inicio: Lunes 5 de enero de 2026

Semana 1

Ene 5, 7, 9

Semana 2

Ene 12, 14, 16

Semana 3

Ene 19, 21, 23

Semana 4

Ene 26, 28, 30

Proyecto final (Portafolio)

Construye algo que puedas mostrar

Entrega un análisis reproducible en notebook con visualizaciones claras. Requisito de certificación: 80% de asistencia + proyecto final entregado.

  • Presentación breve (5-7 minutos) con hallazgos y recomendaciones.
  • Notebook limpio, comentado y con pasos reproducibles.
  • Gráficas legibles y conclusiones accionables.

Ideas de proyecto:

1) Ventas y ticket promedio de una tienda. 2) Calidad de aire en tu ciudad. 3) Cualquier dataset de Kaggle que te entusiasme.

Precio

$299 MXN

Certificado + grabaciones + notas PDF

Inscribirme

FAQ

Respuestas rápidas

¿Necesito experiencia previa?

No. Empezamos desde cero y avanzamos con práctica guiada.

¿Qué pasa si falto?

Recibes la grabación y notas en PDF para ponerte al día.

¿Cómo recibo grabaciones y PDFs?

Se comparten en carpeta organizada tras cada sesión.

¿Cómo es el certificado?

PDF nominal con horas cursadas y validación por el instructor.

¿Qué necesito instalar?

VS Code, Python 3.x y las extensiones para notebooks (te guío en la sesión 1).

¿Es 100% online?

Sí, todas las sesiones son en vivo y con interacción por videollamada.

Inscribirme