Este repositorio contiene los materiales del curso Datos No Estructurados y Semiestructurados, dictado en la Facultad de Ciencias Sociales, Universidad de la República (Uruguay), dentro de la Especialización en Economía (opción Ciencia de Datos).
Idioma del curso: Español
En un mundo donde la mayoría de los datos ya no se almacenan en bases de datos tradicionales, este curso introduce herramientas y técnicas para procesar datos no estructurados y semiestructurados: texto, imágenes, audio, logs, y datos provenientes de APIs.
El enfoque principal está en transformar datos caóticos en formatos estructurados, listos para análisis, visualización o modelado.
-
Semana 1–2
- Introducción a JSON y XML
- Primeras actividades en grupo (Instagram, letras de canciones, imágenes, leyes)
- Conceptos básicos de texto
-
Semana 3
- HTML, scraping y APIs
- Primer workflow de análisis de texto
- Lanzamiento del proyecto final
-
Semana 4
- Clase 1: Preprocesamiento de texto, tokenización, visualizaciones
- Clase 2: TF-IDF, similitud coseno, extracción de texto desde PDFs
- Clase 3: Embeddings y prompt engineering
- Clase 4: Aplicaciones con OpenAI (clasificación, resumen, extracción estructurada)
-
Semana 5
- Materiales extra y prácticas avanzadas
-
Complementos
- Notebook para descargar reseñas de Google Reviews
- Cuestionarios post-clase (available upon request): 20%
- Proyecto final: 80%
Los proyectos consistieron en transformar un conjunto de datos no estructurados en algo estructurado, contar una historia con ellos, y presentarlo en clase.