Data-Science-For-Beginners/translations/es

Ciencia de Datos para Principiantes - Un Plan de Estudios

Los Defensores de la Nube de Azure en Microsoft se complacen en ofrecer un plan de estudios de 10 semanas y 20 lecciones totalmente dedicado a la Ciencia de Datos. Cada lección incluye cuestionarios antes y después de la lección, instrucciones escritas para completar la lección, una solución y una tarea. Nuestra pedagogía basada en proyectos te permite aprender mientras construyes, una forma probada para que las nuevas habilidades "se queden".

Un gran agradecimiento a nuestros autores: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Agradecimiento especial 🙏 a nuestros autores, revisores y colaboradores de contenido de Microsoft Student Ambassador, especialmente Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Ciencia de Datos para Principiantes - Sketchnote por @nitya

🌐 Soporte Multilenguaje

Soportado mediante GitHub Action (Automatizado y siempre actualizado)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

¿Prefieres clonar localmente?

Este repositorio incluye más de 50 traducciones que aumentan significativamente el tamaño de la descarga. Para clonar sin traducciones, usa sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Esto te da todo lo que necesitas para completar el curso con una descarga mucho más rápida.

Si deseas que se soporten idiomas adicionales, están listados aquí

Únete a Nuestra Comunidad

Tenemos una serie en Discord llamada Aprende con IA en curso, aprende más y únete en Serie Aprende con IA del 18 al 30 de septiembre de 2025. Recibirás consejos y trucos para usar GitHub Copilot en Ciencia de Datos.

¿Eres estudiante?

Comienza con los siguientes recursos:

• Página del Centro de Estudiantes En esta página encontrarás recursos para principiantes, paquetes para estudiantes e incluso formas de obtener un cupón para certificación gratuita. Esta es una página que querrás marcar y revisar de vez en cuando ya que actualizamos el contenido al menos mensualmente.
• Microsoft Learn Student Ambassadors Únete a una comunidad global de embajadores estudiantes, esta podría ser tu entrada a Microsoft.

Comenzando

📚 Documentación

• Guía de Instalación - Instrucciones paso a paso para principiantes
• Guía de Uso - Ejemplos y flujos de trabajo comunes
• Resolución de Problemas - Soluciones a problemas comunes
• Guía para Contribuir - Cómo contribuir a este proyecto
• Para Profesores - Guía para enseñanza y recursos para el aula

👨‍🎓 Para Estudiantes

Principiantes Completos: ¿Nuevo en ciencia de datos? Comienza con nuestros ejemplos amigables para principiantes! Estos ejemplos simples y bien comentados te ayudarán a comprender lo básico antes de adentrarte en el plan completo. Estudiantes: para usar este plan de estudios por tu cuenta, haz un fork de todo el repositorio y completa los ejercicios comenzando con un cuestionario previo a la lección. Luego lee la lección y completa el resto de las actividades. Trata de crear los proyectos comprendiendo las lecciones en lugar de copiar el código solución; sin embargo, ese código está disponible en las carpetas /solutions en cada lección orientada a proyectos. Otra idea es formar un grupo de estudio con amigos y revisar el contenido juntos. Para estudio adicional, recomendamos Microsoft Learn.

Inicio rápido:

1. Revisa la Guía de Instalación para configurar tu entorno
2. Revisa la Guía de Uso para aprender a trabajar con el plan de estudios
3. Comienza con la Lección 1 y avanza secuencialmente
4. Únete a nuestra comunidad de Discord para soporte

👩‍🏫 Para Profesores

Profesores: hemos incluido algunas sugerencias sobre cómo usar este plan de estudios. ¡Nos encantaría recibir sus comentarios en nuestro foro de discusión!

Conoce al Equipo

Gif por Mohit Jaisal

🎥 ¡Haz clic en la imagen de arriba para ver un video sobre el proyecto y las personas que lo crearon!

Pedagogía

Hemos elegido dos principios pedagógicos al construir este plan de estudios: asegurarnos de que sea basado en proyectos y que incluya cuestionarios frecuentes. Al final de esta serie, los estudiantes habrán aprendido los principios básicos de la ciencia de datos, incluidos conceptos éticos, preparación de datos, diferentes formas de trabajar con datos, visualización de datos, análisis de datos, casos de uso del mundo real de la ciencia de datos y más.

Además, un cuestionario de baja presión antes de una clase establece la intención del estudiante hacia el aprendizaje de un tema, mientras que un segundo cuestionario después de la clase asegura una mayor retención. Este plan de estudios fue diseñado para ser flexible y divertido y puede tomarse en su totalidad o en parte. Los proyectos comienzan pequeños y se vuelven cada vez más complejos al final del ciclo de 10 semanas.

Encuentra nuestro Código de Conducta, pautas de Contribución, Traducción. ¡Agradecemos tus comentarios constructivos!

Cada lección incluye:

• Sketchnote opcional
• Video suplementario opcional
• Cuestionario previo a la lección para calentamiento
• Lección escrita
• Para lecciones basadas en proyectos, guías paso a paso sobre cómo construir el proyecto
• Verificaciones de conocimiento
• Un desafío
• Lectura suplementaria
• Tarea
• Cuestionario posterior a la lección

Una nota sobre los cuestionarios: Todos los cuestionarios están contenidos en la carpeta Quiz-App, con un total de 40 cuestionarios de tres preguntas cada uno. Están vinculados dentro de las lecciones, pero la aplicación de cuestionarios puede ejecutarse localmente o desplegarse en Azure; sigue las instrucciones en la carpeta quiz-app. Están siendo localizados gradualmente.

🎓 Ejemplos Amigables para Principiantes

¿Nuevo en Ciencia de Datos? Hemos creado un directorio de ejemplos especial con código simple y bien comentado para ayudarte a comenzar:

• 🌟 Hola Mundo - Tu primer programa de ciencia de datos
• 📂 Cargando Datos - Aprende a leer y explorar conjuntos de datos
• 📊 Análisis Simple - Calcula estadísticas y encuentra patrones
• 📈 Visualización Básica - Crea gráficos y diagramas
• 🔬 Proyecto del Mundo Real - Flujo de trabajo completo de inicio a fin

Cada ejemplo incluye comentarios detallados que explican cada paso, ¡perfecto para principiantes absolutos!

👉 Comienza con los ejemplos 👈

Lecciones

Ciencia de Datos para Principiantes: Hoja de Ruta - Sketchnote por @nitya

Número de Lección	Tema	Agrupación de Lección	Objetivos de Aprendizaje	Lección Vinculada	Autor
01	Definiendo Ciencia de Datos	Introducción	Aprende los conceptos básicos de la ciencia de datos y cómo se relaciona con inteligencia artificial, aprendizaje automático y big data.	lección video	Dmitry
02	Ética en Ciencia de Datos	Introducción	Conceptos, desafíos y marcos éticos en datos.	lección	Nitya
03	Definiendo Datos	Introducción	Cómo se clasifican los datos y sus fuentes comunes.	lección	Jasmine
04	Introducción a Estadística y Probabilidad	Introducción	Técnicas matemáticas de probabilidad y estadística para entender datos.	lección video	Dmitry
05	Trabajando con Datos Relacionales	Trabajando con Datos	Introducción a datos relacionales y las bases del análisis y exploración de datos relacionales con Structured Query Language, también conocido como SQL (pronunciado “see-quell”).	lección	Christopher
06	Trabajando con Datos NoSQL	Trabajando con Datos	Introducción a datos no relacionales, sus tipos y lo básico para explorar y analizar bases de datos de documentos.	lección	Jasmine
07	Trabajando con Python	Trabajando con Datos	Bases del uso de Python para exploración de datos con bibliotecas como Pandas. Se recomienda comprensión fundamental de programación en Python.	lección video	Dmitry
08	Preparación de Datos	Trabajando con Datos	Temas sobre técnicas para limpiar y transformar datos para manejar desafíos de datos faltantes, inexactos o incompletos.	lección	Jasmine
09	Visualización de Cantidades	Visualización de Datos	Aprende a usar Matplotlib para visualizar datos de aves 🦆	lección	Jen
10	Visualización de Distribuciones de Datos	Visualización de Datos	Visualización de observaciones y tendencias dentro de un intervalo.	lección	Jen
11	Visualización de Proporciones	Visualización de Datos	Visualización de porcentajes discretos y agrupados.	lección	Jen
12	Visualización de Relaciones	Visualización de Datos	Visualización de conexiones y correlaciones entre conjuntos de datos y sus variables.	lección	Jen
13	Visualizaciones Significativas	Visualización de Datos	Técnicas y guía para hacer visualizaciones valiosas para una resolución de problemas efectiva y obtener insights.	lección	Jen
14	Introducción al ciclo de vida de Ciencia de Datos	Ciclo de Vida	Introducción al ciclo de vida de ciencia de datos y su primer paso que es adquirir y extraer datos.	lección	Jasmine
15	Analizando	Ciclo de Vida	Esta fase del ciclo de vida de ciencia de datos se enfoca en técnicas para analizar datos.	lección	Jasmine
16	Comunicación	Ciclo de Vida	Esta fase del ciclo de vida de ciencia de datos se enfoca en presentar los insights de los datos de forma que facilite la comprensión de los tomadores de decisiones.	lección	Jalen
17	Ciencia de Datos en la Nube	Datos en la Nube	Esta serie de lecciones introduce la ciencia de datos en la nube y sus beneficios.	lección	Tiffany y Maud
18	Ciencia de Datos en la Nube	Datos en la Nube	Entrenamiento de modelos usando herramientas Low Code.	lección	Tiffany y Maud
19	Ciencia de Datos en la Nube	Datos en la Nube	Despliegue de modelos con Azure Machine Learning Studio.	lección	Tiffany y Maud
20	Ciencia de Datos en el Mundo Real	En el Mundo	Proyectos impulsados por ciencia de datos en el mundo real.	lección	Nitya

GitHub Codespaces

Sigue estos pasos para abrir este ejemplo en un Codespace:

1. Haz clic en el menú desplegable Código y selecciona la opción Abrir con Codespaces.
2. Selecciona + Nuevo codespace en la parte inferior del panel. Para más información, consulta la documentación de GitHub.

VSCode Remote - Containers

Sigue estos pasos para abrir este repositorio en un contenedor usando tu máquina local y VSCode con la extensión VS Code Remote - Containers:

1. Si es tu primera vez usando un contenedor de desarrollo, asegúrate que tu sistema cumple los requisitos previos (por ejemplo, tener Docker instalado) en la documentación para comenzar.

Para usar este repositorio, puedes abrirlo tanto en un volumen Docker aislado:

Nota: Bajo el capó, esto usará el comando Remote-Containers: Clonar repositorio en volumen de contenedor... para clonar el código fuente en un volumen Docker en lugar de en el sistema de archivos local. Los volúmenes son el mecanismo preferido para persistir datos de contenedor.

O abrir una versión clonada o descargada localmente:

• Clona este repositorio en tu sistema de archivos local.
• Presiona F1 y selecciona el comando Remote-Containers: Abrir carpeta en contenedor....
• Selecciona la copia clonada de esta carpeta, espera a que el contenedor inicie, y pruébalo.

Acceso sin conexión

Puedes ejecutar esta documentación sin conexión usando Docsify. Haz un fork de este repositorio, instala Docsify en tu máquina local, luego en la carpeta raíz de este repo escribe docsify serve. El sitio se servirá en el puerto 3000 de tu localhost: localhost:3000.

Nota, los notebooks no se visualizarán vía Docsify, por lo que cuando necesites ejecutar un notebook, hazlo por separado en VS Code con un kernel Python.

Otros Planes de Estudio

¡Nuestro equipo produce otros planes de estudio! Revisa:

LangChain

---

Azure / Edge / MCP / Agentes

---

Serie de IA Generativa

---

Aprendizaje Central

---

Serie Copilot

Obtener ayuda

¿Tienes problemas? Consulta nuestra Guía de solución de problemas para soluciones a problemas comunes.

Si te quedas atascado o tienes preguntas sobre cómo construir aplicaciones de IA. Únete a otros estudiantes y desarrolladores experimentados en discusiones sobre MCP. Es una comunidad de apoyo donde las preguntas son bienvenidas y el conocimiento se comparte libremente.

Si tienes comentarios sobre el producto o errores mientras construyes visita:

---

Descargo de responsabilidad: Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por la exactitud, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda la traducción profesional realizada por humanos. No nos hacemos responsables de ningún malentendido o interpretación errónea que pueda surgir del uso de esta traducción.