DiplomadoInteligencia artificial y datos
Análisis de datos de IBM
El diplomado Análisis de datos de IBM proporciona al estudiante la ruta práctica del analista de datos: Excel, tableros en IBM Cognos Analytics, Python, SQL, visualización con bibliotecas de Python e IA generativa aplicada al análisis. Lo prepara para desempeñarse como analista de datos junior y resolver preguntas de negocio con evidencia.
A quién va dirigido
Personas sin experiencia técnica previa que buscan iniciar carrera como analistas de datos con la metodología de IBM.
Objetivos
✓Comprender los roles del ecosistema de datos y los tipos de análisis descriptivo, diagnóstico, predictivo y prescriptivo.
✓Analizar datos con pandas, NumPy y consultas SQL ejecutadas desde Jupyter para identificar tendencias y relaciones.
✓Aplicar técnicas de limpieza, normalización, regresión con scikit-learn y visualización con Matplotlib, Seaborn y Folium.
✓Diseñar tableros interactivos en Excel, IBM Cognos Analytics y Plotly Dash orientados a la toma de decisiones.
✓Evaluar críticamente el uso de IA generativa para producir consultas y código, verificando su exactitud antes de usarlo.
Plan de estudios por sesión
1
El trabajo del analista de datosRoles del ecosistema de datos: analista, científico e ingeniero · Tipos de análisis: descriptivo, diagnóstico, predictivo y prescriptivo
2
Preparación de datos y gráficos en ExcelLimpieza de datos y tablas dinámicas en Excel · Gráficos en Excel
3
Visualización y tableros en ExcelTipos de gráficos y cuándo usarlos · Tableros interactivos en Excel
4
Tableros en IBM Cognos AnalyticsCreación de tableros en IBM Cognos Analytics · Buenas prácticas de diseño
5
Fundamentos de programación en PythonTipos, estructuras y control de flujo · Funciones, clases y manejo de archivos
6
Bibliotecas y obtención de datosNumPy y pandas · Extracción web con BeautifulSoup y consumo de API
7
Bases de datos relacionales y SQLModelo relacional y claves · Consultas, agregaciones y JOIN
8
SQL desde Jupyter sobre datos públicosSQL desde Jupyter con ipython-sql · Consultas sobre datos públicos
9
Preparación y modelado de datos con PythonLimpieza, normalización y agrupamiento con pandas · Regresión lineal y polinómica con scikit-learn
10
Visualización y tableros con PythonMatplotlib, Seaborn y mapas con Folium · Tableros con Plotly Dash
11
IA generativa y análisis del caso finalIA generativa para generar consultas y código · Captura, depuración y análisis exploratorio del caso
12
Presentación del proyecto final: capstone de análisis de tendenciasTablero y presentación ejecutiva · Revisión entre pares
Evaluación
Inicial30%Taller de limpieza y tablas dinámicas en Excel; tablero interactivo en Excel con justificación del tipo de gráfico.
Intermedio30%Cuaderno de Python con extracción web y consumo de API; consultas SQL con ipython-sql; modelo de regresión con scikit-learn.
Final40%Proyecto final tipo capstone: análisis de tendencias de un conjunto de datos real con Python y SQL, tablero interactivo y presentación ejecutiva de hallazgos con revisión entre pares.
Proyecto final
Proyecto final tipo capstone: análisis de tendencias de un conjunto de datos real con Python y SQL, tablero interactivo y presentación de hallazgos.