¿Qué es la ciencia de datos?

Contenido del curso

Introducción

Web scraping

Pandas

Intro a Sistemas de Datos

Contenido Bonus

38
¿Por qué usar la nube?
04:05 min

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:009:30

¿Qué es la ciencia de datos?

Curso de Ingeniería de Datos con Python

Clase 3 de 38

Clase 3 / 38

Recursos

La ciencia de datos se ha vuelto una ventaja competitiva real. Bien aplicada, permite extraer conocimiento accionable y tomar decisiones informadas. Aunque hoy suene a buzzword, su valor es tangible: desde compañías nativas digitales hasta industrias tradicionales, todas encuentran en data science una vía para optimizar recursos y alcanzar objetivos de negocio.

¿Qué es la ciencia de datos y qué valor aporta?

La ciencia de datos es la disciplina que extrae conocimiento de los datos disponibles. Las fuentes son múltiples y, a menudo, están ocultas o son de difícil acceso. Hay datos en todas partes: dispositivos, computadoras, objetos físicos con atributos como colores, longitudes o marcas. La analogía del Gold Rush evoca este contexto: hay una nueva “fiebre” por recolectar, procesar y usar datos de forma sistemática.

Generar sistemas para obtener, analizar y actuar con datos es clave.
Las empresas no digitales también se benefician al ajustar recursos con evidencia.
La visualización y el análisis numérico aceleran el entendimiento y la acción.

¿Por qué tantas industrias la adoptan?

Porque convierte datos dispersos en insights que impulsan decisiones concretas: segmentar clientes, priorizar inversiones, optimizar procesos y medir impacto con claridad.

¿De dónde salen los datos y por qué están ocultos?

De sensores, sistemas internos, la web y objetos cotidianos. Su ocultamiento suele deberse a silos, formatos heterogéneos o falta de infraestructura para extraerlos y limpiarlos.

¿Qué disciplinas integran un perfil sólido?

El perfil efectivo es multidisciplinario. Requiere combinar computer science, matemáticas/estadística y conocimiento del dominio. Tener solo una de estas áreas dificulta el impacto real.

Programación en Python dentro del stack del científico o ingeniero de datos. Si necesitas bases, en Platzi hay un curso para llegar preparado.
Fundamentos de computer science: algoritmos, estructuras de datos, visualizaciones y cómputo en paralelo.
Estadística: regresiones, inferencia, identificación de variables y relaciones.
Conocimiento del dominio: formular preguntas correctas y validar utilidad del resultado (por ejemplo, retail).

¿Cómo ayuda computer science?

Es la base operativa: las computadoras son la mejor máquina para procesar datos. Permite usar algoritmos, estructuras de datos, visualización, y conectar miles de máquinas en centros de datos en la nube para escalar procesamiento.

¿Qué aporta la estadística?

Ofrece modelos y métricas para entender patrones, estimar parámetros y probar hipótesis. Con regresión e inferencia se modelan relaciones y se generalizan resultados con rigor.

¿Por qué importa el conocimiento del dominio?

Porque sin contexto es difícil hacer preguntas valiosas y evaluar si un resultado es útil. En industrias como retail, el entendimiento profundo guía cada decisión analítica.

¿Qué herramientas y técnicas potencian el análisis de datos?

La caja de herramientas abarca bases de datos, análisis de texto y números, visualización, redes, machine learning, señales digitales y la nube. Todo se integra para soportar análisis descriptivo, predictivo y prescriptivo.

Bases de datos SQL y NoSQL. Ejemplos: MySQL, Postgres, Cassandra, Spark, BigQuery.
Análisis de texto y lenguaje natural para extraer significado de la web y documentos.
Análisis numérico para series de datos como bolsa o clima.
Redes y grafos para modelar nodos y conexiones (por ejemplo, relaciones entre personas).

¿Cómo se analizan texto y números?

Texto: técnicas de procesamiento de lenguaje natural para estructurar información que viene en lenguaje humano.
Números: series temporales y señales digitales con métodos que operan incluso en tiempo real.

¿Qué rol juegan visualización, machine learning y la nube?

Visualización: entender distribuciones y contar historias claras. Un scatter plot revela relaciones en segundos, mientras una tabla puede confundir durante horas.
Machine learning: base del análisis predictivo (anticipar lo que viene) y prescriptivo (detonar el resultado deseado, como incentivar una compra).
Nube: para ingenieros, son data centers con miles de computadoras accesibles bajo demanda. Permiten procesar grandes volúmenes de datos de forma eficiente.

¿Te gustaría profundizar en Python, estadística o visualización primero? Comparte en qué parte del ecosistema quieres empezar y qué reto de datos te interesa resolver.

Resumen

¿Qué es la ciencia de datos y qué valor aporta?

Generar sistemas para obtener, analizar y actuar con datos es clave.
Las empresas no digitales también se benefician al ajustar recursos con evidencia.
La visualización y el análisis numérico aceleran el entendimiento y la acción.

¿Por qué tantas industrias la adoptan?

Porque convierte datos dispersos en insights que impulsan decisiones concretas: segmentar clientes, priorizar inversiones, optimizar procesos y medir impacto con claridad.

¿De dónde salen los datos y por qué están ocultos?

De sensores, sistemas internos, la web y objetos cotidianos. Su ocultamiento suele deberse a silos, formatos heterogéneos o falta de infraestructura para extraerlos y limpiarlos.

¿Qué disciplinas integran un perfil sólido?

El perfil efectivo es multidisciplinario. Requiere combinar computer science, matemáticas/estadística y conocimiento del dominio. Tener solo una de estas áreas dificulta el impacto real.

Programación en Python dentro del stack del científico o ingeniero de datos. Si necesitas bases, en Platzi hay un curso para llegar preparado.
Fundamentos de computer science: algoritmos, estructuras de datos, visualizaciones y cómputo en paralelo.
Estadística: regresiones, inferencia, identificación de variables y relaciones.
Conocimiento del dominio: formular preguntas correctas y validar utilidad del resultado (por ejemplo, retail).

¿Cómo ayuda computer science?

¿Qué aporta la estadística?

Ofrece modelos y métricas para entender patrones, estimar parámetros y probar hipótesis. Con regresión e inferencia se modelan relaciones y se generalizan resultados con rigor.

¿Por qué importa el conocimiento del dominio?

Porque sin contexto es difícil hacer preguntas valiosas y evaluar si un resultado es útil. En industrias como retail, el entendimiento profundo guía cada decisión analítica.

¿Qué herramientas y técnicas potencian el análisis de datos?

Bases de datos SQL y NoSQL. Ejemplos: MySQL, Postgres, Cassandra, Spark, BigQuery.
Análisis de texto y lenguaje natural para extraer significado de la web y documentos.
Análisis numérico para series de datos como bolsa o clima.
Redes y grafos para modelar nodos y conexiones (por ejemplo, relaciones entre personas).

¿Cómo se analizan texto y números?

Texto: técnicas de procesamiento de lenguaje natural para estructurar información que viene en lenguaje humano.
Números: series temporales y señales digitales con métodos que operan incluso en tiempo real.

¿Qué rol juegan visualización, machine learning y la nube?

Visualización: entender distribuciones y contar historias claras. Un scatter plot revela relaciones en segundos, mientras una tabla puede confundir durante horas.
Machine learning: base del análisis predictivo (anticipar lo que viene) y prescriptivo (detonar el resultado deseado, como incentivar una compra).
Nube: para ingenieros, son data centers con miles de computadoras accesibles bajo demanda. Permiten procesar grandes volúmenes de datos de forma eficiente.

¿Te gustaría profundizar en Python, estadística o visualización primero? Comparte en qué parte del ecosistema quieres empezar y qué reto de datos te interesa resolver.

Introducción

Pipelines automatizados con Python para ingeniería de datos

Archivos del curso y Slides

¿Qué es la ciencia de datos?

Por qué fallan los equipos de ciencia de datos

Configuración del ambiente

Jupyter Notebooks

Tipos de datos en ciencia de datos

Tipos de datos

Fuentes de datos

ETL: extract, transform y load explicado

Web scraping

Web scraping para data engineers: HTML y metadatos

Cómo hacer solicitudes HTTP con Python Requests

¿Cómo trabajar con un documento HTML?

Analizando un sitio web para encontrar las directivas a utilizar al hacer un web scrapping

Page Object Pattern para web scrapers

Implementando nuestro web scrapper: Configuración

Page Objects para extraer vínculos de noticias

Implementando nuestro web scrapper: Obteniendo artículos

Obtención de datos del Artículo

Persistiendo la información "scrapeada"

Pandas

Series vs DataFrame en Pandas

Qué es Series en Pandas y cómo crearlas

Estructura de datos: DataFrames

Índices y selección

Data wrangling con Pandas

Creación de la receta: preparando la automatización

Cómo rellenar datos faltantes en Pandas con regex

Pandas .loc y regex para títulos faltantes

Limpiando detalles adicionales

Generar UUIDs con MD5 en pandas

Enriquecimiento de los datos

Eliminación de duplicados con drop_duplicates en Pandas

Creando tu receta de limpieza de datos

Visualización de datos

Intro a Sistemas de Datos

Introducción a los sistemas de datos

Automatización del Pipeline

Carga de CSV a SQL con SQLAlchemy y pandas

Contenido Bonus

¿Por qué usar la nube?

¿Qué es la ciencia de datos?