{"id":697,"date":"2026-07-05T12:56:25","date_gmt":"2026-07-05T16:56:25","guid":{"rendered":"https:\/\/eslared.net\/walc2026\/?page_id=697"},"modified":"2026-07-08T08:32:25","modified_gmt":"2026-07-08T12:32:25","slug":"track-5-data-science","status":"publish","type":"page","link":"https:\/\/eslared.net\/walc2026\/track-5-data-science\/","title":{"rendered":"Track 5 \u2013 Data Science"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Track 5 \u2013 Data Science<\/h2>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Programa Tentativo<\/h3>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Resumen<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Una semana pr\u00e1ctica e introductoria a la ciencia de datos: desde Business Intelligence y la exploraci\u00f3n y visualizaci\u00f3n de datos con Python, hasta los primeros modelos de machine learning supervisado y no supervisado, con una mirada a Big Data.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Requisitos<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
  • Conocimientos b\u00e1sicos de Python.<\/li>
  • No se requiere experiencia previa en ciencia de datos ni en estad\u00edstica.<\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t

    Lo que aprender\u00e1 el participante<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t
    • Fundamentos de ciencia de datos, Business Intelligence y del flujo de trabajo con datos.<\/li>
    • Manipulaci\u00f3n y an\u00e1lisis de datos con Python (Pandas, NumPy).<\/li>
    • Estad\u00edstica descriptiva b\u00e1sica.<\/li>
    • Visualizaci\u00f3n de datos y storytelling.<\/li>
    • Introducci\u00f3n a machine learning supervisado: regresi\u00f3n y clasificaci\u00f3n.<\/li>
    • Introducci\u00f3n a machine learning no supervisado: clustering.<\/li>
    • Nociones conceptuales de Big Data y Deep Learning.<\/li>
    • Buenas pr\u00e1cticas y \u00e9tica en ciencia de datos.<\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
      \n\t\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t

      Estructura del track<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
      \n\t\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t
      \n
      \n\t\t\t\t\t
      <\/path><\/svg><\/span><\/path><\/svg><\/span>Lunes \u2013 Business Intelligence y Python para Datos<\/span><\/path><\/svg><\/div>

      Teor\u00eda<\/strong><\/span>:<\/p>

      • \u00bfQu\u00e9 es la ciencia de datos?.<\/li>
      • Business Intelligence.<\/li>
      • El flujo de trabajo de un proyecto de datos.<\/li>
      • Repaso de Python, Pandas y NumPy.<\/li><\/ul>

        Laboratorio:<\/strong> <\/span><\/p>

        • Configuraci\u00f3n del entorno (Jupyter\/Colab).<\/li>
        • Primer an\u00e1lisis exploratorio guiado sobre un dataset real.<\/li><\/ul><\/div>\n\t\t\t\t\t<\/div>
          \n\t\t\t\t\t
          <\/path><\/svg><\/span><\/path><\/svg><\/span>Martes \u2013 Estad\u00edstica Descriptiva y Visualizaci\u00f3n<\/span><\/path><\/svg><\/div>

          Teor\u00eda:<\/strong> <\/span><\/p>