28 KiB

Raw Blame History

Ciencia de Datos para Principiantes - Un Plan de Estudios

Los Azure Cloud Advocates de Microsoft se complacen en ofrecer un plan de estudios de 10 semanas y 20 lecciones 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 para que las nuevas habilidades "se afiancen".

Un gran agradecimiento 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, 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 Multi-Idioma

Soportado vía GitHub Action (Automatizado y Siempre Actualizado)

¿Prefieres clonar localmente?

Este repositorio incluye traducciones a más de 50 idiomas, lo que incrementa 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 necesario para completar el curso con una descarga mucho más rápida.

Si deseas que se soporten idiomas adicionales, los idiomas compatibles están listados aquí

Únete a Nuestra Comunidad

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

¿Eres estudiante?

Comienza con los siguientes recursos:

Página del Hub de Estudiantes En esta página encontrarás recursos para principiantes, paquetes para estudiantes e incluso formas de obtener un cupón gratuito para certificado. Esta es una página que querrás marcar y revisar de vez en cuando, ya que cambiamos el 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.

Empezando

📚 Documentación

Guía de Instalación - Instrucciones paso a paso para principiantes
Guía de Uso - Ejemplos y flujos de trabajo comunes
Solución de Problemas - Soluciones a problemas comunes
Guía para Contribuir - Cómo contribuir a este proyecto
Para Profesores - Guía para enseñar 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 entender los conceptos básicos antes de sumergirte en el plan completo. Estudiantes: para usar este currículo por tu cuenta, haz un fork de todo el repositorio y completa los ejercicios tú mismo, comenzando con un cuestionario previo a la lección. Luego lee la lección y completa el resto de actividades. Trata de crear los proyectos comprendiendo las lecciones en lugar de copiar el código de solución; sin embargo, ese código está disponible en las carpetas /solutions de cada lección orientada a proyectos. Otra idea sería formar un grupo de estudio con amigos y recorrer el contenido juntos. Para estudio adicional, recomendamos Microsoft Learn.

Inicio rápido:

Revisa la Guía de Instalación para configurar tu entorno
Revisa la Guía de Uso para aprender a trabajar con el currículo
Comienza con la Lección 1 y avanza secuencialmente
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: asegurar 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 reales de la ciencia de datos y más.

Además, un cuestionario de bajo riesgo 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 ser tomado en su totalidad o en parte. Los proyectos comienzan pequeños y se vuelven progresivamente más complejos al final del ciclo de 10 semanas.

Encuentra nuestras Normas de Conducta, Contribuciones, Traducción. ¡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
Controles de conocimiento
Un reto
Lectura complementaria
Tarea
Cuestionario post-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 cuestionarios puede ejecutarse localmente o desplegarse en Azure; sigue las instrucciones en la carpeta quiz-app. Están siendo localizados 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
📂 Carga de Datos - Aprende a leer y explorar conjuntos de datos
📊 Análisis Simple - Calcular estadísticas y encontrar patrones
📈 Visualización Básica - Crear gráficos y diagramas
🔬 Proyecto del mundo real - Flujo de trabajo completo de principio a fin

Cada ejemplo incluye comentarios detallados explicando cada paso, ¡lo que lo hace perfecto para principiantes absolutos!

👉 Comienza con los ejemplos 👈

Lecciones


Ciencia de Datos para Principiantes: Mapa de ruta - Sketchnote por @nitya

Número de lección	Tema	Agrupación de lecciones	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 la inteligencia artificial, aprendizaje automático y big data.	lección video	Dmitry
02	Ética en Ciencia de Datos	Introducción	Conceptos, desafíos y marcos de Ética de Datos.	lección	Nitya
03	Definiendo Datos	Introducción	Cómo se clasifican los datos y sus fuentes comunes.	lección	Jasmine
04	Introducción a Estadísticas 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 los conceptos básicos para explorar y analizar datos relacionales con el Lenguaje de Consulta Estructurada, también conocido como SQL (pronunciado “sí-cue-él”).	lección	Christopher
06	Trabajando con Datos NoSQL	Trabajando con Datos	Introducción a datos no relacionales, sus varios tipos y conceptos básicos para explorar y analizar bases de datos documentales.	lección	Jasmine
07	Trabajando con Python	Trabajando con Datos	Conceptos básicos de uso de Python para la exploración de datos con librerías como Pandas. Se recomienda un entendimiento 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 retos de datos faltantes, incorrectos 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	Visualizando conexiones y correlaciones entre conjuntos de datos y sus variables.	lección	Jen
13	Visualizaciones Significativas	Visualización de Datos	Técnicas y directrices para hacer que tus visualizaciones sean valiosas para la resolución efectiva de problemas e 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 que es adquirir y extraer 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 para 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 esta muestra en un Codespace:

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

VSCode Remoto - Contenedores

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

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

Para usar este repositorio, puedes abrir el repositorio 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 del sistema de archivos local. Los volúmenes son el mecanismo preferido para persistir datos de contenedores.

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: Abrir carpeta en contenedor....
Selecciona la copia clonada de esta carpeta, espera a que el contenedor se inicie y prueba.

Acceso fuera de línea

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 web se servirá en el puerto 3000 en tu localhost: localhost:3000.

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

Otros planes de estudio

¡Nuestro equipo produce otros planes de estudio! Consulta:

LangChain

Azure / Edge / MCP / Agentes

Serie IA Generativa

Aprendizaje Fundamental

Serie Copilot

Obtener Ayuda

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

Si te atascas o tienes preguntas 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 errores mientras construyes, 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 un humano. No nos hacemos responsables por malentendidos o interpretaciones erróneas derivadas del uso de esta traducción.

28 KiB Raw Blame History