Curso libreInteligencia artificial y datos
Limpieza y preparación de datos
El curso Limpieza y preparación de datos proporciona al estudiante métodos para diagnosticar y corregir la calidad de los datos: faltantes, duplicados, formatos inconsistentes y atípicos, con Power Query y pandas. Le sirve para que sus análisis y modelos partan de datos confiables, preparados sin fuga de información y documentados con un diccionario de datos.
A quién va dirigido
Analistas y estudiantes que trabajan con datos en Excel o Python.
Objetivos
✓Comprender las dimensiones de calidad de datos como completitud, exactitud y consistencia y las reglas de validación de negocio.
✓Analizar un conjunto de datos con perfilamiento en pandas y ydata-profiling y registrar los problemas encontrados.
✓Aplicar Power Query y pandas para estandarizar textos, fechas y categorías, eliminar duplicados e imputar faltantes.
✓Diseñar la preparación para modelado con codificación, escalamiento y separación de entrenamiento y prueba sin fuga de datos.
✓Valorar la documentación reproducible del proceso de limpieza como garantía de confianza en los resultados.
Plan de estudios por sesión
1
Diagnóstico de calidad de datosDimensiones de calidad y perfilamiento con pandas y ydata-profiling · Reglas de validación de negocio y registro de problemas encontrados
2
Limpieza con Power QueryTipos, divisiones y combinación de columnas y eliminación de duplicados · Anulación de dinamización, agrupación y consultas reutilizables
3
Limpieza con pandasNormalización de textos, fechas y categorías e imputación de faltantes · Atípicos con rango intercuartílico y uniones y reconciliación de fuentes
4
Presentación del proyecto final: proceso de limpieza documentadoCodificación de variables categóricas, escalamiento y separación sin fuga de datos · Documentación del proceso y diccionario de datos
Evaluación
Inicial30%Informe de diagnóstico de calidad de un conjunto de datos con perfilamiento en ydata-profiling y reglas de negocio.
Intermedio30%Taller de limpieza de la misma fuente en Power Query y en pandas con tratamiento justificado de faltantes y atípicos.
Final40%Proyecto final: proceso documentado de limpieza de un conjunto de datos real con informe de calidad antes y después, con sustentación.
Proyecto final
Proceso documentado de limpieza de un conjunto de datos real con informe de calidad antes y después.