Data-Science-For-Beginners/translations/es

Ciencia de Datos para Principiantes - Un Currículo

Los Azure Cloud Advocates de Microsoft tienen el placer de ofrecer un currículo de 10 semanas, 20 lecciones, todo sobre Ciencia de Datos. Cada lección incluye cuestionarios previos y posteriores a 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 comprobada de que las nuevas habilidades "se queden".

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

🙏 Agradecimientos especiales 🙏 a nuestros autores, revisores y colaboradores de contenido Microsoft Student Ambassador, destacando a 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 vía 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 traducciones en más de 50 idiomas, lo que aumenta significativamente el tamaño de la descarga. Para clonar sin las 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 soportar idiomas adicionales de traducción estos están listados aquí

Únete a Nuestra Comunidad

Tenemos una serie de aprendizaje con IA en Discord, aprende más y únete en Learn with AI Series del 18 al 30 de septiembre de 2025. Obtendrás consejos y trucos para usar GitHub Copilot para Ciencia de Datos.

¿Eres estudiante?

Comienza con los siguientes recursos:

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

👨‍🎓 Para Estudiantes

Principiantes Completos: ¿Nuevo en ciencia de datos? Comienza con nuestros ejemplos para principiantes! Estos ejemplos simples y bien comentados te ayudarán a entender lo básico antes de sumergirte en el currículo completo. Estudiantes: para usar este currículo por tu cuenta, haz un fork de todo el repositorio y completa los ejercicios por tu cuenta, empezando con un cuestionario previo a la lección. Luego lee la lección y completa el resto de las actividades. Intenta 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 sería 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 currículo
3. Comienza con la Lección 1 y avanza secuencialmente
4. Únete a nuestra comunidad en Discord para apoyo

👩‍🏫 Para Profesores

Profesores: hemos incluido algunas sugerencias sobre cómo usar este currículo. ¡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 currículo: asegurar que sea basado en proyectos y que incluya cuestionarios frecuentes. Al final de esta serie, los estudiantes habrán aprendido principios básicos de la ciencia de datos, incluyendo conceptos éticos, preparación de datos, diferentes formas de trabajar con datos, visualización de datos, análisis de datos, casos de uso reales 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 currículo 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, Contribuciones, Traducción y directrices. ¡Agradecemos tus comentarios constructivos!

Cada lección incluye:

• Sketchnote opcional
• Video complementario opcional
• Cuestionario de calentamiento previo a la lección
• Lección escrita
• Para lecciones basadas en proyectos, guías paso a paso sobre cómo construir el proyecto
• Chequeos de conocimiento
• Un desafío
• Lectura complementaria
• 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 enlazados desde dentro de las lecciones, pero la aplicación de cuestionario puede ejecutarse localmente o desplegarse en Azure; sigue las instrucciones en la carpeta quiz-app. Se están localizando gradualmente.

🎓 Ejemplos 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
• 📂 Cargar 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 desde el inicio hasta el fin

Cada ejemplo incluye comentarios detallados explicando 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 Enlazada	Autor
01	Definiendo Ciencia de Datos	Introducción	Aprende los conceptos básicos detrás 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 de la ética 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 los datos.	lección video	Dmitry
05	Trabajando con Datos Relacionales	Trabajando con Datos	Introducción a datos relacionales y los conceptos básicos de exploración y análisis de datos relacionales con el Lenguaje de Consulta Estructurado, también conocido como SQL (pronunciado “see-quell”).	lección	Christopher
06	Trabajando con Datos NoSQL	Trabajando con Datos	Introducción a datos no relacionales, sus diversos tipos y los fundamentos de exploración y análisis de bases de datos de documentos.	lección	Jasmine
07	Trabajando con Python	Trabajando con Datos	Conceptos básicos de uso de Python para la exploración de datos con bibliotecas como Pandas. Se recomienda un entendimiento fundamental de programación en Python.	lección video	Dmitry
08	Preparación de Datos	Trabajando con Datos	Temas sobre técnicas de datos para limpiar y transformar los datos para manejar desafíos de datos faltantes, inexactos o incompletos.	lección	Jasmine
09	Visualizando Cantidades	Visualización de Datos	Aprende a usar Matplotlib para visualizar datos de aves 🦆	lección	Jen
10	Visualizando Distribuciones de Datos	Visualización de Datos	Visualizando observaciones y tendencias dentro de un intervalo.	lección	Jen
11	Visualizando Proporciones	Visualización de Datos	Visualizando porcentajes discretos y agrupados.	lección	Jen
12	Visualizando Relaciones	Visualización de Datos	Visualizando conexiones y correlaciones entre conjuntos de datos y sus variables.	lección	Jen
13	Visualizaciones Significativas	Visualización de Datos	Técnicas y consejos para hacer tus visualizaciones valiosas para la resolución efectiva de problemas y obtención de insights.	lección	Jen
14	Introducción al ciclo de vida de la Ciencia de Datos	Ciclo de Vida	Introducción al ciclo de vida de la ciencia de datos y su primer paso de adquisición y extracción de datos.	lección	Jasmine
15	Analizando	Ciclo de Vida	Esta fase del ciclo de vida de la ciencia de datos se enfoca en técnicas para analizar datos.	lección	Jasmine
16	Comunicación	Ciclo de Vida	Esta fase del ciclo de vida de la ciencia de datos se enfoca en presentar los insights de los datos de una manera que facilite la comprensión a 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 Real	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 Code y selecciona la opción Open with Codespaces.
2. Selecciona + New 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 la primera vez que usas un contenedor de desarrollo, asegúrate de que tu sistema cumple con los requisitos previos (es decir, tener Docker instalado) en la documentación de inicio.

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

Nota: Internamente, esto usará el comando Remote-Containers: Clone Repository in Container Volume... para clonar el código fuente en un volumen Docker en lugar del sistema de archivos local. Los volúmenes son el mecanismo preferido para persistir datos del contenedor.

O abre una versión clonada o descargada localmente del repositorio:

• Clona este repositorio en tu sistema de archivos local.
• Presiona F1 y selecciona el comando Remote-Containers: Open Folder in Container....
• Selecciona la copia clonada de esta carpeta, espera a que el contenedor arranque y prueba.

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 repositorio, escribe docsify serve. El sitio web se servirá en el puerto 3000 en tu local: localhost:3000.

Nota, los notebooks no se renderizarán con Docsify, así que cuando necesites ejecutar un notebook, hazlo por separado en VS Code usando un kernel de Python.

Otros Currículos

¡Nuestro equipo produce otros currículos! Mira:

LangChain

---

Azure / Edge / MCP / Agentes

---

Serie de IA Generativa

---

Aprendizaje Básico

---

Serie Copilot

Obtener ayuda

¿Tienes problemas? Consulta nuestra Guía de Solución de Problemas para encontrar soluciones a problemas comunes.

Si te quedas atascado o tienes alguna pregunta sobre cómo crear aplicaciones de IA, únete a otros aprendices 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 encuentras errores mientras desarrollas, visita:

---

Aviso legal: Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por la precisión, 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 una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas derivadas del uso de esta traducción.