Repositorio profesional de Data Science aplicado al negocio.
Un recorrido completo desde los fundamentos de DS hasta modelos predictivos, pasando por ETLs, dashboards, estadística, Machine Learning y NLP.
Problemas reales que resolvemos:
- Predicción de churn, segmentación de clientes, detección de fraude, análisis de sentimientos y automatización de reportes con Python, Pandas, SQL y ML.
Módulo 1 — Fundamentos DS + Python
Bases de Python, estructuras de datos, control de flujo para reglas de negocio, funciones para automatizar reportes, NumPy para cálculos financieros, Pandas básico, limpieza inicial de datos, estructuración de proyectos y caso práctico con transacciones reales.
Módulo 2 — Datos (Pandas + SQL + ETLs)
Pandas avanzado (filtros, agrupaciones, pivotes), limpieza profunda (outliers, fechas), SQL desde SELECT hasta ventanas, conexión Python + SQL, APIs empresariales, web scraping y pipelines ETL. Caso práctico generando métricas como CLV, churn y ROI.
Módulo 3 — EDA + Estadística + Visualización
Análisis exploratorio, estadística descriptiva, detección de anomalías, pruebas A/B, intervalos de confianza, visualización con Matplotlib y Seaborn, storytelling ejecutivo y dashboard interactivo con Plotly. Entregable: tablero con 5 insights accionables.
Módulo 4 — Machine Learning
Feature engineering, selección de variables, regresión lineal y logística, árboles de decisión y Random Forest, evaluación con métricas de negocio (ROI, costo del error), clustering con K-Means e interpretación con SHAP. Caso real de predicción aplicada.
Módulo 5 — Proyecto Integrador + NLP + Cierre
NLP básico para procesar comentarios y tickets (tokenización, limpieza, análisis de sentimientos), integración con ML del módulo anterior, caso práctico con datos estructurados y no estructurados, documentación profesional, presentación ejecutiva de 10 minutos y entrega final del repositorio completo.
Python, Pandas, NumPy, SQL, SQLAlchemy, Matplotlib, Seaborn, Plotly, Scikit-learn, SHAP, NLTK, Git.
git clone https://github.com/tu-usuario/ds-enterprise-bootcamp.git
pip install -r requirements.txt