Sesión 1: Importancia, aplicaciones y entorno SQL

• Conceptos de base de datos y consultas de T-SQL

• Creación y gestión de una base de datos en SQL

• Categorías de consultas en SQL

• Tipos de datos en SQL

• Operadores lógicos en SQL

• Caso 1: Consultas básicas de introducción a SQL

• Caso 2: Aplicación de operadores lógicos en SQL

• Taller 1: Define tu problemática de negocio ejecutando SQL Server

Sesión 2: Aplicación, uso de escenarios, filtros y consultas SQL

• Funcionalidad de las principales operaciones en SQL

• Creación de tablas en SQL Server

• Combinación de tablas - Uso de Joins

• Combinaciones de Joins con cláusulas de bases de datos

• Caso 1: Uso de funciones básicas - intermedias

• Caso 2: Aplicaciones de tablas temporales en tu base de datos

• Taller 2: Manejando relaciones combinadas con Joins

Sesión 3: Uso de cálculos y funciones en SQL

• Operaciones matemáticas y filtros avanzados

• Funciones agregadas

• Agrupaciones de datos con Group By

• Uso de comodines

• Caso 1: Haciendo uso de la cláusula Group By

• Caso 2: Introducción a procedimientos almacenados

• Taller 3: Gestionando consultas en procedimientos almacenados

Sesión 4: Implementación de automatización de consultas

• Uso de vistas, tablas derivadas, tablas temporales y CTE's

• Uso de cláusulas de control: IF y ELSE

• Uso de procedimientos almacenados y variables

• Conversión de datos y funciones para tipo de datos

• Uso de subconsultas

• Caso 1: Aplicaciones de vistas en tu base de datos

• Caso 2: Aplicando la función Subconsultas

• Taller 4: Automatización de tareas en SQL con stored procedures

Sesión 5: Uso de funciones avanzadas

• Uso de cláusulas OVER y PARTITION BY

• Uso de funciones LEAD y LAG en Transact-SQL

• Pivot y Unpivot de consultas complejas

• Mejores prácticas al momento de optimizar consultas

• Introducción a ETL

• Caso 1: Formas efectivas para optimizar consultas

• Caso 2: Aplicaciones de ETL en el campo empresarial

• Taller 5: Aplicaciones de OVER y PARTITION BY

Sesión 6: Uso de índices e introducción a BI

• Uso de índices agrupados y no agrupados

• Introducción a BI con SQL Server

• Buenas prácticas en la gestión de proyectos de BI

• Caso 1: Aplicación de ETL con Transact SQL

• Caso 2: Encriptamiento de datos - seguridad de información

• Taller 6: ETL con Transact SQL

Sesión 1: Importancia, aplicaciones y entorno de Microsoft Power BI

• Fundamentos de BI: problemática de los datos y soluciones de BI

• Fundamentos de BI: evolución de análisis

• Entorno Power BI: características, propiedades, arquitectura y componentes

• ¿Cómo importar datos a Power BI?

• ¿Cómo transformar los datos? - Con Power Query y lenguaje M

• Taller 1: Beneficio de Power BI para la toma de decisiones en las empresas

• Taller 2: Aterrizando un caso empresarial al estilo de Power BI

Sesión 2: Proceso ETL en Query Editor

• Extracción: ejercicios de importación de data en distintos formatos

• Transformación: ejercicios de transformación y depuración de data

• Carga de data: tipos, ejercicios de carga únicamente de la data del modelo

• Taller 3: Importación y depuración de una base de datos para el proyecto elegido

Sesión 3: Modelo de datos y lenguaje DAX

• Conceptos de UX entorno a Power BI

• Entorno de trabajo

• Modelos de datos: modelo estrella vs copo de nieve

• Diferencias entre un modelo transaccional vs un modelo dimensional

• Lenguaje DAX: introducción al lenguaje DAX con ayuda de Chat GPT

• Taller 4: Aterrizando casos empresariales al modelo de datos de Power BI

Sesión 4: DAX orientado a indicadores - KPI's

• Creación de medidas DAX

• Creación de tipos de funciones en DAX

• Fórmulas DAX - Time Intelligence

• Inteligencia de tiempo: importancia y funciones DAX de formatos de tiempo

• Creación de medidas de soporte: semáforo, mensajes de error, entre otros

• Taller 5: Indicadores de negocio a full DAX

Sesión 5: Interpretación y visualización de datos

• Tipos de gráficos en función al mensaje a transmitir o edición

• Personalización y tipos de objetos visuales - Viz nativas o estándares

• Diseño de informe y gráficos en Power BI: informe de 1 y más páginas

• Herramientas avanzadas: creación de tooltips, bookmarks, drilldown, entre otras

• Taller 6: Elaboración de un informe con data corporativa con tooltips

Sesión 6: Power BI Service - Power BI en la nube

• Publicación de un informe a la web

• Generación de dashboard y creación de alertas

• Power BI Mobile: instalación del app, login y visualización móvil

• Power BI Mobile: alertas, suscripciones y favoritos

• Taller 7: Toma de decisiones con Power BI

Sesión 1: Fundamentos y aplicaciones con Python

• Python y su importancia en el mundo

• Variables y operadores en Python

• Entendiendo los tipos de datos básicos: enteros, flotantes, string

• Operaciones básicas aritméticas y de texto

• Caso 1: Operaciones aritméticas

• Caso 2: Operaciones con strings

• Taller 1: Crea una calculadora con Python

Sesión 2: Tipos y estructura de datos con Python

• Listas: append, insert, pop, remove, clear

• Tuplas, diccionarios, conjuntos

• Textos, índices y slicing, lectura por teclado y variables

• Funciones: index, count, len, extend, reverse, sort, entre otros

• Caso 1: Operaciones con tuplas

• Caso 2: Operaciones con diccionarios

• Taller 2: Realiza operaciones con estructuras de datos

Sesión 3: Estructuras selectivas y funciones

• Estructuras condicionales: if, else

• Estructuras repetitivas: for, while y el uso de break y continue

• Creación y sintaxis de funciones

• Variables locales y globales

• Caso 1: Condicionales anidadas

• Caso 2: Funciones de bucles y condicionales

• Taller 3: Aplicación de estructuras selectivas para la toma de decisiones lógicas

Sesión 4: Manipulación de datos con Pandas

• Funciones lambda, documentación y organización del código en módulos

• Uso de librería Pandas, series y dataframes

• Lectura de datasets: txt, csv, xlsx

• Creación de campos y uso de sentencias: group by, delete, drop

• Combinación y cruce de datasets

• Caso 1: Análisis estadístico de datos con Pandas

• Caso 2: Manipulación de datos en un dataset

• Taller 4: Exploración de datos de un caso de negocio con Pandas

Sesión 5: Análisis y visualización de datos con Matplotlib

• Librerías de Data Viz: Matplotlib

• Creación y personalización de gráficos con Matplotlib

• Qué gráfico usar según tu necesidad: comparación, relación, distribución y composición

• Buenas prácticas en la visualización de datos

• Caso 1: Análisis visual de datos con Matplotlib

• Caso 2: Creación de distintos tipos de gráficos

• Taller 5: Análisis exploratorio de datos con Matplotlib

Sesión 6: Visualización avanzada de datos con Seaborn

• Seaborn y su optimización sobre Matplotlib

• Creación y manipulación de gráficos con Seaborn

• Gráficos univariados, bivariados y multivariados

• Caso 1: Análisis estadístico de datos con Seaborn

• Caso 2: Creación de distintos tipos de gráficos

• Taller 6: Análisis avanzado de datos con Seaborn

Sesión 1: Tecnología para ciencia de datos

• Tecnologías para toma de decisiones: Business Intelligence, Analytics, Machine Learning e IA

• Ramas de la estadística, tipos de variables, medidas de posición y dispersión

• Ciclo de vida de modelos analíticos

• Metodologías analíticas: SEMMA - CRISP DM

• Importación de bases de datos: JSON, Excel, SPSS, CSV en Python

• Caso 1: Analizando medidas de dispersión en datos empresariales

• Caso 2: Aplicación de metodología CRISP DM en empresas

• Taller 1: Gestión de bases de datos en Python

Sesión 2: Estadística para ciencia de datos con Python

• Estadística y análisis exploratorio de datos

• Probabilidad y estadística en ciencia de datos

• Métodos de balanceo de datos

• Técnicas de selección y análisis de variables

• Principales algoritmos de clasificación y regresión

• Caso 3: Integrando proceso de análisis exploratorio de datos

• Caso 4: Aplicando modelos estadísticos en data empresarial

• Taller 2: Elaborando un diagnóstico de datos en un caso de negocio

Sesión 3: Manipulación y análisis de datos

• Análisis exploratorio de datos estructurados

• Tratamiento de datos para tipos de variables

• Métodos y técnicas de inferencia estadística

• Detección de valores atípicos

• Modelos de regresión: lineal y no lineal

• Caso 5: Identificando características de datos estructurados

• Caso 6: Identificando relaciones aplicando modelos de regresión

• Taller 3: Aplicación de análisis exploratorio en un caso de negocio

Sesión 4: Machine learning - modelo supervisado

• Modelos de regresión: paramétrico y no paramétrico

• Regresión lineal: modelos y aplicaciones

• Modelo de árboles de clasificación

• Métricas para evaluación de modelos supervisados

• Búsqueda de recomendaciones óptimas para la toma de decisiones

• Caso 7: Descubriendo patrones y tendencias en bases de datos

• Caso 8: Aplicando modelo de regresión lineal múltiple

• Taller 4: Identificando relaciones críticas en tu modelo de datos

Sesión 5: Machine learning - modelo no supervisado

• Introducción a modelos no supervisados

• Modelos de clustering

• Selección de variables: feature selection

• Método de reducción de dimensión (PCA)

• RFM: análisis para segmentación de usuarios

• Caso 9: Elaboración de subconjuntos mediante clustering

• Caso 10: Cómo identificar a mis usuarios potenciales

• Taller 5: Identificando relaciones entre datos estructurados

Sesión 6: Análisis prescriptivo y toma de decisiones

• Evaluación de modelos analíticos

• Implementación de modelos analíticos

• Búsqueda de recomendaciones óptimas para la toma de decisiones

• Diferencias entre storytelling y "mostrar resultados"

• Caso 11: Ventajas competitivas generadas por el análisis prescriptivo

• Caso 12: Aplicación de técnicas y recomendaciones de storytelling

• Taller 6: Diseño de una presentación de un caso real de negocio