Especialízate como Analista de Datos e impulsa tu carrera en esta profesión emergente. Aprende a usar las herramientas para extraer, analizar y procesar grandes cantidades de datos desde cero, con el objetivo de tomar las mejores decisiones comerciales.
Profesión:
Analista de Datos
12 meses
Con más de 50 horas de videolecciones
Online
Estudia a tu ritmo, donde quieras y cuando quieras
Aprende con práctica
Actividades prácticas y feedback personalizado
Proyecto profesional
Generar una base de datos con datos públicos
Curso online
-50%
hasta 5 de janeiro
¿Por qué aprender Data Analysis?
El perfil de analista de datos se ubica en el top 10 de empleos emergentes en LinkedIn, con un crecimiento anual del 47%.
Salida laboral con gran futuro
Posibilidad de trabajar como responsable de datos empresariales, analista digital en departamentos de marketing, consultor de proyectos I+D o abrirte camino en Business Intelligence como arquitecto de datos, organizando y estructurando información de la empresa.
Oportunidades en diferentes sectores
Vivimos en la edad de oro del Big Data, donde se ha creado más demanda que oferta, con sueldos oscilando entre $228,536 a $840,000 al año.
Profesión bien valorada económicamente
¿A quién va dirigido este curso?
Desarrolladores con interés en el análisis de datos
Analista de datos junior
Principiantes que quieran trabajar con datos
Fortalece tus habilidades de análisis de datos con los fundamentos de Python, SQL y Big Data. Prepárate y crece profesionalmente.
Aprovecha tus conocimientos de programación para resolver problemas con el análisis de datos. Explora y aprende a utilizar herramientas analíticas avanzadas y dale más valor a tu perfil profesional en el mercado laboral.
Aprende a analizar y visualizar datos para trabajar en una de las carreras más prometedoras a nivel mundial.
Domina el proceso completo de los datos: minería, preparación, análisis exploratorio y visualización.
Crea gráficos y tablas en MatPlotlib, Seaborn y Google Data Studio. Presenta informes visuales con datos para tu público objetivo.
Aprende diferentes herramientas que faciliten el uso de machine learning para obtener información con predicciones precisas.
Obtén y gestiona datos de diferentes fuentes, justifica conclusiones y encuentra patrones numéricos.
Análisis de datos
Programación con Python
Machine Learning
Visualización de datos
Realiza consultas SQL y trabaja con bases de datos, historiales y archivos con diferentes formatos.
Maneja Cloud Computing para trabajar con diferentes algoritmos y recursos de Big Data.
Big Data
Lenguaje SQL
¿Qué aprenderás?
Recibe el certificado de EBAC al finalizar el curso
Enriquece tu portafolio con la creación de una base de datos públicos que cubra los siguientes puntos:
1.
Análisis exploratorio de datos a través de Python
2.
Flujos de trabajo con AWS
3.
Base de datos con comandos SQL
4.
Generar un dashboard
5.
Storytelling a través de Google Data Studio
Fortalece tu habilidad de trabajar en equipo y controla las versiones con Github.
Trabajo en equipo
Profesor del curso
Gustavo Vinueza C.
Gustavo ha desarrollado proyectos tecnológicos y de consultoría cuantitativa en las verticales de Finanzas, Seguros, Construcción y Energía en Estados Unidos y diferentes países de Latinoamérica. Las empresas en las que ha participado son NextEra Energy, BorgWarner, DEWA, EPM, Colbún, INS Valores, entre otras. Ha sido ponente en diferentes congresos como el SPE, PMI y AACE a nivel internacional.
Head de Analytics en Betterfly
Contenido del curso
La profesión online de Analista de Datos se divide en 50 módulos.
Tendrás acceso ilimitado para que estudies cuando quieras y donde quieras.
Tendrás acceso ilimitado para que estudies cuando quieras y donde quieras.
Programación en Python a través de Anaconda. Genera estadísticas, efectúa operaciones de agrupamiento en DataFrames, visualiza gráficos y datos más complejos.
- Introducción a la programación: entornos de ejecución
- Instalación de Anaconda y ejecución de Jupyter notebook
- Estructuras y tipos de datos en Python
- Instrucciones de control: álgebra booleana y condicionales
- Ciclos: For y While
- Funciones: motivación, parámetros, recursividad
- Programación orientada a objetos
- Pandas: DataFrames, lectura y exportación de archivos
- Numpy: operaciones con arreglos
- Librería de Matplotlib y Seaborn
- Visualización de datos con Python
- Ejercicios que involucran datos compuestos.
- Elaborar programas con condiciones lógicas e instrucciones For y While.
- Hacer programas con tareas repetitivas y ejercicios de combinación de clases.
- Practicar DataFrames y programación con matrices.
- Desarrollar gráficos de Matplotlib y Seaborn.
Aprende a manejar errores y excepciones con Python, introducción de código robusto y a hacer debugging, para dar seguimiento al código. Interactúa con diferentes tipos de archivos y descarga datos de fuentes públicas en internet.
- Map y Reduce
- Programación de funciones Lambda
- Instalación de paquetes en Python
- Archivos CSV y JSON
- Bases de datos en Kaggle
- Scraping de datos
- 5 entregas diferentes aplicando las funciones avanzadas.
- Importar paquetes y funciones con datos de empresas.
- Asignar tratamiento de errores sobre los datos usados previamente.
- Una base de datos de películas usando la técnica scraping.
Descubre cómo eliminar información innecesaria de los datos para que se pueda usar.
Combina datos y funciones Lambda con Pandas y visualiza datos para generar matrices de correlación y gráficas estadísticas.
Combina datos y funciones Lambda con Pandas y visualiza datos para generar matrices de correlación y gráficas estadísticas.
- Data Massaging
- Pandas y búsqueda de datos
- Insertar, eliminar, editar y agregar datos
- Combinación y manejo de dataframes
- Lambda functions y dataframes
- Matriz de correlación y gráficas
- Mapas de calor y gráficas multi panel
- Gráficas más usadas en Analytics
- Uso de Plotly
- Aplicar filtros revisados en las clases sobre los datos manejados anteriormente.
- Hacer un ejemplo de datos aplicados y la combinación de distintos dataframes.
- Desarrollar y elegir las gráficas idóneas para la presentación y visualización de datos.
Ejecuta un Análisis Exploratorio de Datos con data de Kaggle u otro repositorio público. Haz el análisis del problema y explora datos con técnicas aprendidas.
- Selección y explicación de problemas
- Revisión y descarga de archivos
- Ejecución de EDA con técnicas aprendidas
- Transformación de datos
- Visualización de datos
- Data Storytelling
- Análisis exploratorio de datos de un repositorio público.
- Explorar datos, hacer transformaciones simples y presentar los resultados en un notebook.
Fundamentos del versionamiento de archivos, instalación y uso básico de Git.
- Diferencia entre Git y GitHub
- Manejo de repositorios GitHub
- Check In - Check out
- Manejo de repositorios de versión
- Branches - Moviendo código
- Crear un repositorio GIT local con archivos creados anteriormente.
- Compartir el control de versión con código de las clases anteriores.
Aprende a usar Numpy, sus funciones estadísticas y desarrolla algunos ejemplos de posición y orden. La simulación Monte Carlo, la visualización, resultados, la lectura de distribuciones y conexión con problemas empresariales.
- Introducción a Numpy y funciones estadísticas
- Media, mediana, moda, varianza, desviación estándar
- Ejemplos de orden y posición (rank) con Numpy
- Correlación
- Simulación Monte Carlo
- Ejercicios de simulación
- Distribuciones de probabilidad
- Ejercicio estadístico para empresas - datos históricos con el uso de Numpy
- Archivo Python con ejercicio de simulación Monte Carlo.
Machine Learning y sus conceptos básicos de datos de modelado, imputación de datos y análisis de consecuencias. Descubre qué es training, testing y producción de modelos.
- Introducción a Machine Learning
- Atributos categóricos y numéricos
- Data imputation, censored data
- Introducción a Data Science
- Datasets de Machine Learning - Training, Test
- Introducción y conceptos de regresión
- Conceptos de clasificación / regresión logística
- Introducción y conceptos de Clustering (k-means)
- Entrenamiento
- Evaluación
- Predicción y visualización
- Incluir los siguientes ejercicios en un archivo Python:
- Selección de atributos y massaging.
- Imputación de datos y revisión de conceptos.
- Regresión de ventas con variables.
- Predicción de clasificación de ventas.
- Clasificación con la base de datos de ventas de videojuegos.
Conceptos básicos de series temporales: tendencia, ciclo y estacionalidad entre otros, así como el uso básico de series temporales, visualización y predicción de un factor.
Analiza los conceptos de base de datos relacional, sus elementos y restricciones.
Analiza los conceptos de base de datos relacional, sus elementos y restricciones.
- Conceptos y componentes de series de tiempo
- Predicción simple y visualización
- Series de tiempo: Mercado de valores y ventas
- Visualización
- Conceptos y diseño de bases de datos relacionales
- Tablas y tipos de relaciones
- Restricciones claves primarias y secundarias
- Centrar el uso de series de tiempo simples y de stock.
- Desarrollar la visualización de series de tiempo complejo.
- Crear un archivo con diseño de bases de datos de clientes y actividades.
Descubre SQL, desde los conceptos básicos, hasta el uso de diferentes comandos en AWS (Amazon Web Services) y sus funciones avanzadas.
- SQL - lenguaje de base de datos
- Introducción a comandos en AWS
- Explorando datos con SQL
- Conexión de AWS Athena / RDS
- Generación de tablas
- Relacionar tablas y seleccionar datos
- Comandos y funciones
- Cálculo de totales adicionales y otros
- Conectar a AWS Athena, configuración S3.
- Crear tablas y llenado de datos, seleccionar datos (WHERE) y ordenarlos (SORT).
- Aplicar los ejemplos realizados a las bases de datos de prueba, utilizando la función JOIN, que se aplicará a los ejemplos de negocio.
- Emplear las selecciones aplicadas a ejemplos como vistas, IN, etc.
Domina los conceptos y usos de las bases de datos no relacionales con DynamoDB, los diferentes comandos para guardar y traer datos, así como los filtros simples de búsqueda, en esta segunda parte del proyecto.
Actividades:
- Introducción a bases de datos no relacionales
- Introducción, ejemplos y aplicación de DynamoDB
- Análisis de Datos con SQL
Actividades:
- Usar un archivo DynamoDB aplicando los ejemplos del curso con data no estructurada.
- Desarrollar un archivo SQL con EDA y crear una presentación con Storytelling en Google Slides con los resultados obtenidos.
Muestra tus datos de forma práctica y visual a través de los dashboards de Google Data Studio (GDS). Aprende sobre la visualización avanzada de datos, bookmarks y filtros para el storytelling.
Actividades:
- Principios de visualización de datos
- Introducción a Google Data Studio
- Conexión con bases de datos externas
- Generación de dashboards básicos y avanzados
- GDS: Exploración de datos, gráficos y storytelling
Actividades:
- Diseña un dashboard en Google Slides.
- Crear un dashboard básico en Google Data Studio, con elementos más complejos.
- Crear un dashboard con elementos avanzados.
Estudia los conceptos y elementos necesarios para trabajar con Cloud Computing (AWS) y el almacenamiento S3. Conoce los fundamentos del Big Data y el uso de Spark para grandes volúmenes de datos.
- Introducción a AWS generación de acceso y almacenamiento en S3
- Base de datos en SQL Athena / RDS
- AWS Lambda y StepFunctions
- Planeación de Tareas ETL con AWS StepFunctions
- AWS CloudWatch / Cron
- Big Data y Spark para grandes volúmenes de datos
- Pandas, PySpark, PyArrow
- Configurar en AWS, el login de usuario y una conexión S3.
- Crear un archivo que muestre un ETL hacia la base de datos creada.
- Hacer una configuración de Spark y selección de datos.
- Usar los comandos PySpark, PyArrow en Spark aplicados en un archivo Python.
Conoce el proceso para realizar los últimos dos proyectos del curso, con todas las actividades y resultados que debes de obtener.
- Definición de arquitectura
- Creación de Data Lake y conexión steps ETL
- EDA con Python
- Creación de base de datos
- Orquestación de ETL con AWS StepFunctions
- EDA con SQL y Python. Conexión GDS y Final Storytelling
- Presentaciones finales
- Generar un Data Lake simple, con datos públicos, conexión al mismo y creación de un ETL simple de transformación.
- Implementar EDA vía Python en vivo sobre la data.
- Tareas con StepFunctions en AWS.
- Crear una base de datos relacional y llenado de datos.
- Ejecutar los comandos SQL para EDA, así como Python
- Hacer un dashboard final, con Storytelling en Google Data Studio.
Se requieren conocimientos básicos de matemáticas y estadística
Metodología del curso
Clases en video
Pon tu aprendizaje en práctica
Atención personalizada
Proyecto final
Tendrás acceso a todo el material del curso en la plataforma digital
El curso tiene actividades que puedes hacer a tu ritmo
Recibe corrección y retroalimentación del tutor sobre tus proyectos
Desarrolla un proyecto profesional para enriquecer tu portafolio
1
2
3
4
Acceso de por vida
Entra al contenido del curso las veces que quieras por tiempo ilimitado
Acércate a tu objetivo profesional con el curso gratis "Cómo potenciar tu talento" y las asesorías del Centro de Carreras
Autoconocimiento y planificación de carrera
Ayuda para identificar fortalezas y preferencias profesionales
Aumento del conocimiento del mercado de trabajo
Materiales de apoyo para la elaboración de tu CV y perfil en LinkedIn
Así se verá tu currículum
Habilidades principales
Tu nombre
Analista de Datos
Conocimientos de Python y SQL
Orientación a objetos y atención a la calidad del código
Estructuras de datos, algoritmos y arquitectura de sistemas
Herramientas digitales
Soluciones analíticas
Certificado de EBAC
Python
Google Colab para Python
Kaggle para Python y SQL
Google Data Studio
AWS
Dominio de métodos cuantitativos en matemáticas y estadística
Familiarización con los principios ágiles
Visualización de datos
Cloud Computing
Inicio:
Quedan:
...
8 lugares
¿Comenzamos?
Inversión
Precio total con descuento
S/ 3,888
12 mensualidades de
S/ 324
a meses con tarjeta de crédito
Garantía de reembolso de 7 días
Consigue 50% de descuento por tiempo limitado
Precio normal
-50%
hasta 5 de janeiro
O valor final pode sofrer alteração por conta da variação do IOF. Essa diferença acontece por conta da incidência do IOF (Imposto sobre Operações Financeiras), um imposto obrigatório e cobrado pelo governo sobre todas as operações de financiamento.
La Escuela Británica de Artes Creativas y Tecnología (EBAC) es una institución innovadora de educación superior en Artes Creativas y Tecnología que ofrece cursos y programas de especialización en línea.
cursos profesionales en el área de IT, diseño, marketing, audiovisual, fashion y negocios
alumnos estudiando con nuestros cursos online
de los profesores y coordinadores son expertos y referentes en el mercado laboral
empresas colaboran en el desarrollo de cursos, proyectos reales y programas de prácticas
+45
100%
145 mil
+40
Preguntas frecuentes
¡Claro! El curso está creado para que domines el universo del análisis de datos y puedas trabajar desde la primera actividad hasta el proyecto final. En cada módulo aprenderás las diferentes fases para desarrollar tu proyecto profesional. Podrás aplicar los conocimientos adquiridos con feedback de los tutores.
Google Colab para Python, Kaggle para Python y SQL, Google Data Studio para Visualización de Datos, AWS para ejercicios de cloud computing.
El curso se desarrolló teniendo en cuenta una evolución individual. Por ello, contamos con un equipo de tutores, para corregir y dar feedback sobre las actividades realizadas por cada alumno. También puedes hablar con otros estudiantes y hacer cualquier pregunta sobre el contenido de las clases al tutor en el Foro.
No, al final de cada módulo hay una tarea práctica y una vez que hayas resuelto esta tarea, se te dará acceso al siguiente módulo. Esta metodología es con el fin de motivarte a seguir estudiando y te garantiza completar las el curso
La metodología del curso ha sido diseñada para adaptarse a diferentes ritmos de vida. Tendrás tutorías y feedback durante 2 años (24 meses) a partir de la fecha de registro al curso y acceso ilimitado a las clases, así podrás avanzar a tu propio ritmo.
Los módulos se publican semanalmente dependiendo del avance del alumno durante el curso. Esto significa que debes estudiar los módulos en orden y realizar las actividades propuestas por el profesor, antes de pasar al siguiente módulo.
Te sugerimos que completes un módulo por semana, te llevará dos horas aproximadamente entre asistir a clases y realizar las actividades Pero no te preocupes, este plazo es sólo una sugerencia. Recuerda que puedes avanzar a tu propio ritmo, tomar descansos para integrar el contenido y verlo de nuevo las veces que quieras antes de continuar.
Dentro de la plataforma tendrás un tutor que resolverá tus dudas, comentará tus tareas y te dará consejos. Tendrás la oportunidad de aprender de profesores líderes que son grandes referentes en su sector y aprovechar todos sus conocimientos y habilidades de vida.