0

  • No hay productos en el carrito.

IBM – Fundamentos de Ciencia de Datos con Python y SQL

Construye la base para tu carrera en ciencia de datos. Práctica con Jupyter, Python y SQL; análisis estadístico en datasets reales.

Imagen de perfil

INEC

Estudiantes

0

  (

)

Actualizado:

agosto 15, 2025

coursera

Certificado del Programa

Los usuarios que se suscriban a este curso, tienen la oportunidad de obtener un Certificado de estudios con validez SEP , verificable, imprimible y descargable (PDF) . 

Para Obtener tu certificado SEP deberás presentar tu certificado de finalización de coursera. Tu membresía tiene incluida la emisión de 1 Certificado para el curso que elijas.

Si quieres cursar otro programa con certificado este tiene un costo de emisión de MXN $1,950

      • Introducción al curso 00:03:27
      • Objetivos de aprendizaje del curso 00:10:00
      • Establecer el punto de partida de la ciencia de datos 00:15:00
      • Categorías de herramientas de ciencia de datos 00:07:38
      • Herramientas de código abierto para la ciencia de datos – Parte 1 00:07:58
      • Desarrollo de modelos 00:10:00
      • Herramientas de código abierto para la ciencia de datos – Parte 2 00:05:05
      • Tablero de herramientas de código abierto 00:15:00
      • Práctica: Introducción a las herramientas de la ciencia de datos 00:20:00
      • Herramientas comerciales para la ciencia de datos 00:06:41
      • Herramientas basadas en la nube para la ciencia de datos 00:08:01
      • Resumen: Herramientas de código abierto para la Ciencia de datos 00:20:00
      • Cuestionario práctico: Herramientas de ciencia de datos comerciales y basadas en la nube 00:20:00
      • Resumen del módulo 1 00:05:00
      • Cuestionario graduado – Herramientas de la ciencia de datos 00:20:00
      • Lenguajes de la ciencia de datos 00:02:30
      • Introducción a Python 00:04:14
      • Introducción al lenguaje R 00:04:09
      • Introducción a SQL 00:04:03
      • Otros lenguajes para la ciencia de datos 00:06:15
      • Resumen del módulo 2 00:02:00
      • Cuestionario de práctica – Lenguas 00:20:00
      • Cuestionario graduado – Lenguas 00:20:00
      • Bibliotecas para la ciencia de datos 00:05:22
      • Interfaces de programación de aplicaciones (API) 00:04:39
      • Conjuntos de datos – Impulsar la ciencia de datos 00:05:40
      • Fuentes adicionales de conjuntos de datos 00:05:00
      • Modelos de aprendizaje automático – Aprender de los modelos para hacer predicciones 00:07:15
      • El Intercambio de Activos Modelo 00:04:05
      • Laboratorio práctico: Primeros pasos con conjuntos de datos de código abierto y modelos de aprendizaje profundo 00:15:00
      • Resumen del módulo 3 00:03:00
      • Cuestionario práctico – Bibliotecas, API, Conjuntos de datos, Modelos 00:20:00
      • Cuestionario graduado – Bibliotecas, API, Conjuntos de datos, Modelos 00:20:00
      • Introducción a los cuadernos Jupyter 00:03:26
      • Primeros pasos con Jupyter 00:04:00
      • Laboratorio práctico: Introducción a los cuadernos Jupyter 00:10:00
      • Kernels Jupyter 00:02:04
      • Laboratorio práctico: Uso de Markdown en cuadernos Jupyter 00:15:00
      • Arquitectura de Jupyter 00:02:04
      • Laboratorio práctico: Trabajar con archivos en cuadernos Jupyter 00:15:00
      • Entornos Anaconda Jupyter adicionales 00:05:32
      • Entornos Jupyter adicionales basados en la nube 00:04:09
      • (Optativo): Laboratorio Práctico: Descargar e instalar Anaconda en Windows 00:15:00
      • Cuadernos Jupyter en Internet 00:05:00
      • Resumen del módulo 4 00:02:00
      • Cuestionario práctico – Cuadernos Jupyter y Jupyter Lab 00:20:00
      • Cuestionario graduado – Cuadernos Jupyter y JupyterLab 00:20:00
      • Introducción a R y RStudio 00:03:08
      • [Opcional] Descargar e instalar R y RStudio 00:15:00
      • Conceptos básicos de R con RStudio 00:15:00
      • Trazado en RStudio 00:03:35
      • Introducción a RStudio e instalación de paquetes 01:00:00
      • Creación de visualizaciones de datos con ggplot 01:00:00
      • Trazado con RStudio 01:00:00
      • Visión general de Git/GitHub 00:04:26
      • Introducción a GitHub 00:04:54
      • Repositorios de GitHub 00:04:00
      • GitHub – Primeros pasos 00:03:26
      • Laboratorio práctico: Primeros pasos con GitHub 00:20:00
      • GitHub – Trabajar con ramas 00:05:42
      • Laboratorio práctico: Bifurcación y fusión (Web UI) 00:20:00
      • [Opcional] Introducción a las ramas mediante comandos Git 00:25:00
      • Resumen del módulo 5 00:03:00
      • Glosario 00:10:00
      • Cuestionario práctico – RStudio 00:20:00
      • Prueba práctica – GitHub 00:20:00
      • Cuestionario graduado – RStudio & GitHub 00:20:00
      • Resumen del proyecto final 00:20:00
      • Directrices para la presentación del proyecto final y entregables 00:02:00
      • Laboratorio práctico: Cree su cuaderno Jupyter 01:00:00
      • AI Graded: Proyecto final – Presentación y evaluación 01:00:00
      • Examen final 00:20:00
      • Introducción al curso 00:01:44
      • Sobre este curso 00:05:00
      • Explorando Python: Sus primeros pasos en la programación 00:15:00
      • Introducción a Python 00:04:14
      • Introducción a Jupyter 00:10:00
      • Primeros pasos con Jupyter 00:04:00
      • Laboratorio práctico: Escriba su primer programa 00:10:00
      • Tipos 00:03:02
      • Laboratorio práctico: Tipos 00:10:00
      • Cuestionario práctico: Tipos 00:20:00
      • Expresiones y Variables 00:03:51
      • Laboratorio práctico: Expresiones y variables 00:10:00
      • Cuestionario de práctica: Expresiones y Variables 00:20:00
      • Operaciones con cadenas 00:03:58
      • lectura (opcional): Formato de Cadenas en Python 00:10:00
      • Laboratorio práctico: Operaciones con cadenas 00:30:00
      • Cuestionario de práctica: Operaciones con cadenas 00:20:00
      • Resumen del módulo 1: Conceptos básicos de Python 00:05:00
      • Hoja de trucos: Conceptos básicos de Python 00:10:00
      • Módulo 1 Cuestionario graduado: Conceptos básicos de Python 00:20:00
      • Módulo 1 Glosario: Conceptos básicos de Python 00:06:00
      • Listas y tuplas 00:08:51
      • Laboratorio práctico: Listas 00:30:00
      • Laboratorio práctico: Tuplas 00:15:00
      • Hoja de trucos: Listas y tuplas 00:10:00
      • Cuestionario práctico: Listas y Tuplas 00:20:00
      • Diccionarios 00:02:25
      • Laboratorio práctico: Diccionarios 00:30:00
      • Cuestionario práctico: Diccionarios 00:20:00
      • Establece 00:05:12
      • Laboratorio práctico: Conjuntos 00:20:00
      • Cuestionario práctico: Conjuntos 00:20:00
      • Resumen del módulo 2: Estructuras de datos de Python 00:05:00
      • Hoja de trucos: Diccionarios y conjuntos 00:10:00
      • Módulo 2 Cuestionario graduado: Estructuras de datos en Python 00:20:00
      • Módulo 2 Glosario: Estructuras de datos en Python 00:05:00
      • Condiciones y ramificación 00:10:17
      • Laboratorio práctico: Condiciones y ramificación 00:20:00
      • Condiciones y ramificación 00:10:00
      • Cuestionario práctico: Condiciones y ramificación 00:20:00
      • Bucles 00:06:45
      • Introducción a los bucles en Python 00:10:00
      • Laboratorio práctico: Bucles 00:20:00
      • Cuestionario práctico: Bucles 00:20:00
      • Funciones 00:13:31
      • Explorar las funciones de Python 00:10:00
      • Laboratorio práctico: Funciones 00:40:00
      • Cuestionario práctico: Funciones 00:20:00
      • Gestión de excepciones 00:03:49
      • Gestión de excepciones 00:10:00
      • Laboratorio práctico: Manejo de excepciones 00:15:00
      • Cuestionario práctico: Manejo de excepciones 00:20:00
      • Objetos y clases 00:10:52
      • Objetos y clases 00:10:00
      • Laboratorio práctico: Objetos y clases 00:40:00
      • Cuestionario de Práctica: Objetos y clases 00:20:00
      • Práctica de laboratorio: Análisis de textos 00:45:00
      • Resumen del módulo 3: Fundamentos de programación en Python 00:05:00
      • Hoja de trucos: Fundamentos de programación en Python 00:10:00
      • Módulo 3 Cuestionario graduado: Fundamentos de programación en Python 00:20:00
      • Módulo 3 Glosario: Fundamentos de la programación en Python 00:05:00
      • Lectura de archivos con Open 00:03:38
      • Lectura de archivos con Open 00:10:00
      • Laboratorio práctico: Lectura de archivos con Open 00:30:00
      • Escribir archivos con Open 00:02:54
      • Escribir archivos con Open 00:07:00
      • Laboratorio práctico: Escribir archivos con Open 00:30:00
      • Cuestionario práctico: Lectura y Redacción de Archivos con Open 00:20:00
      • Pandas: Carga de datos 00:04:50
      • Pandas: Trabajar y guardar datos 00:02:06
      • Pandas 00:10:00
      • Práctica de laboratorio: Selección de datos en un DataFrame 00:30:00
      • Laboratorio práctico: Carga de datos con Pandas 00:30:00
      • Cuestionario práctico: Pandas 00:20:00
      • Numpy unidimensional 00:11:23
      • Laboratorio práctico: Numpy unidimensional 00:40:00
      • Matemáticas matriciales 00:05:00
      • Numpy bidimensional 00:07:13
      • Laboratorio práctico: Numpy bidimensional 00:30:00
      • Guía de NumPy para principiantes 00:10:00
      • Cuestionario práctico: Numpy en Python 00:20:00
      • Resumen del módulo 4: Trabajar con datos en Python 00:05:00
      • Hoja de trucos: Trabajar con datos en Python 00:10:00
      • Módulo 4 Cuestionario graduado: Trabajar con datos en Python 00:20:00
      • Módulo 4 Glosario: Trabajar con datos en Python 00:10:00
      • Interfaz de programa de aplicación 00:05:12
      • Algo de contexto sobre las API 00:05:00
      • Laboratorio práctico: Introducción a la API 00:15:00
      • Cuestionario práctico: API simples 00:20:00
      • API REST y solicitudes HTTP – Parte 1 00:04:11
      • API REST y solicitudes HTTP – Parte 2 00:04:56
      • Web Scraping y HTML Básico 00:10:00
      • Laboratorio práctico: Acceso a API REST y solicitud HTTP 00:30:00
      • Laboratorio práctico: Ejemplos de API 00:30:00
      • (Opcional) HTML para Web Scraping 00:04:59
      • (Opcional) Web Scraping 00:04:59
      • Web Scraping: una herramienta clave en la ciencia de datos 00:05:00
      • Tablas de Web Scraping usando Pandas 00:07:00
      • Laboratorio práctico: Web Scraping 00:40:00
      • Trabajar con distintos formatos de archivo 00:04:10
      • Laboratorio práctico: Trabajar con diferentes formatos de archivo 00:40:00
      • Cuestionario práctico: API REST, Web Scraping y Trabajo con Archivos 00:20:00
      • Proyecto Práctico: Extracción y tratamiento de datos del PIB 00:30:00
      • Resumen del Módulo 5: APIs y recogida de datos 00:05:00
      • Hoja de trucos: API y recogida de datos 00:10:00
      • Módulo 5 Cuestionario graduado: API y recogida de datos 00:20:00
      • Glosario del Módulo 5: API y recopilación de datos 00:05:00
      • Examen final del curso 00:20:00
      • Felicitaciones y próximos pasos 00:02:00
      • Hoja de trucos de Python: Conceptos básicos 00:10:00
      • Introducción al curso 00:05:00
      • Web Scraping: Una herramienta clave en la Ciencia de los datos 00:08:00
      • HTML para Webscraping 00:04:59
      • Webscraping 00:04:59
      • Tablas de Web Scraping usando Pandas 00:08:00
      • Introducción al Web Scraping usando BeautifulSoup 01:00:00
      • Acciones 00:05:00
      • Extracción de datos bursátiles mediante una biblioteca de Python 01:00:00
      • La biblioteca yfinance Python 00:05:00
      • Extracción de datos bursátiles mediante una biblioteca de Python 00:20:00
      • Extracción de datos de existencias mediante Web Scraping 00:45:00
      • Extracción de datos de existencias mediante un raspado web 00:20:00
      • Opcional: Acciones de Gamestop frente a Tesla 00:10:00
      • Resumen del proyecto 00:05:00
      • Laboratorio práctico: Análisis de datos históricos de existencias/ingresos y creación de un cuadro de mando 01:00:00
      • Directrices y resultados finales 00:02:00
      • Opción 1: AI Graded – Proyecto final: Presentación y evaluación 01:00:00
      • Opción 2: Calificación por pares – Presentación y evaluación del proyecto final 01:00:00
      • Felicitaciones y próximos pasos 00:02:00
      • Gracias de parte del equipo del curso 00:02:00
        • ¡Bienvenida de sus instructores! 00:02:56
        • Resumen del curso 00:10:00
        • Paquetes Python para la ciencia de datos 00:02:37
        • (Opcional) Conceptos básicos de Jupyter Notebooks 00:10:00
        • (Opcional) Revisión de Python 01:00:00
        • Bienvenido a las estadísticas 00:04:25
        • Tipos de datos 00:05:32
        • Medida de tendencia central 00:05:03
        • Medida de dispersión 00:04:04
        • Laboratorio Estadística descriptiva 00:30:00
        • Práctica – Introducción a la estadística descriptiva 00:20:00
        • Introducción y estadísticas descriptivas 00:20:00
        • Fundamentos de visualización 00:03:13
        • Estadísticas por grupos 00:06:46
        • Gráficos estadísticos 00:04:04
        • Presentación de los datos de calificación del profesor 00:04:40
        • Laboratorio Visualización de datos 00:30:00
        • Cuestionario práctico – Visualización de datos 00:20:00
        • Visualización de datos 00:20:00
        • Números aleatorios y distribuciones de probabilidad 00:04:45
        • Exponga su hipótesis 00:03:34
        • Alfa (α) y valor P 00:10:00
        • Distribución normal 00:03:58
        • Distribución T 00:04:49
        • Probabilidad de obtener una evaluación docente alta o baja 00:04:17
        • Tabla normalizada estándar 00:10:00
        • Laboratorio: Introducción a las distribuciones de probabilidad 00:30:00
        • Cuestionario práctico – Introducción a la distribución de probabilidades 00:20:00
        • Introducción a la distribución de probabilidades 00:20:00
        • prueba z o prueba t 00:04:03
        • Lidiando con colas y rechazos 00:04:32
        • Varianzas iguales vs desiguales 00:02:41
        • ANOVA 00:04:35
        • Pruebas de correlación 00:07:00
        • Laboratorio: Pruebas de hipótesis 00:30:00
        • Cuestionario práctico – Pruebas de hipótesis 00:20:00
        • Pruebas de hipótesis 00:20:00
        • Regresión: el caballo de batalla del análisis estadístico 00:04:06
        • Regresión en lugar de t – test 00:02:13
        • Regresión en lugar de ANOVA 00:03:06
        • Regresión en lugar de Correlación 00:01:59
        • Laboratorio Análisis de regresión 00:30:00
        • Cuestionario práctico – Análisis de regresión 00:20:00
        • Análisis de regresión 00:20:00
        • Escenario del proyecto 00:10:00
        • Lectura: Directrices y entregables para la presentación del proyecto final 00:15:00
        • Proyecto Final: Viviendas en Boston 01:00:00
        • Opción 1: AI-Graded – Presentación y evaluación del proyecto final 01:00:00
        • Opción 2: Tarea evaluada por pares – Presentación y evaluación del proyecto final 01:00:00
        • Examen final 00:20:00
        • Hoja de trucos para el análisis estadístico en Python 00:15:00
        • Insignia digital de IBM 00:10:00
        • Inscríbase para recibir su insignia 00:20:00
          • Introducción al curso 00:03:21
          • Resumen del curso 00:03:00
          • Introducción a las bases de datos 00:03:41
          • Descubrir el mundo de las bases de datos y SQL 00:15:00
          • Declaración SELECT 00:03:38
          • Ejemplos de sentencias SELECT 00:10:00
          • Laboratorio práctico: Sentencias SELECT simples 00:20:00
          • RECUENTO, DISTINTO, LÍMITE 00:02:28
          • Laboratorio práctico: CONTAR, DISTINGUIR, LIMITAR 00:30:00
          • Declaración INSERT 00:02:39
          • Sentencias UPDATE y DELETE 00:03:14
          • Laboratorio práctico: INSERTAR, ACTUALIZAR y ELIMINAR 00:20:00
          • Resumen del módulo: Primeros pasos con SQL 00:05:00
          • Cuestionario práctico: SQL básico 00:20:00
          • Hoja de trucos SQL: Conceptos básicos – SELECT, INSERT, UPDATE, DELETE, COUNT, DISTINCT, LIMIT 00:05:00
          • Cuestionario graduado: SQL básico 00:20:00
          • Conceptos de bases de datos relacionales 00:05:32
          • Tipos de sentencias SQL (DDL frente a DML) 00:02:24
          • Declaración CREATE TABLE 00:03:59
          • ALTERAR, ELIMINAR y truncar tablas 00:04:09
          • Ejemplos para ALTERAR y TRUNCAR tablas utilizando MySQL 00:10:00
          • Ejemplos para CREAR y ELIMINAR tablas 00:10:00
          • Laboratorio práctico : CREATE, ALTER, TRUNCATE, DROP 00:20:00
          • Comprender las restricciones del modelo relacional 00:10:00
          • Scripts SQL – Usos y aplicaciones 00:07:00
          • Laboratorio Práctico: Creación y carga de tablas mediante secuencias de comandos SQL 00:20:00
          • Resumen: Conceptos y tablas de las bases de datos relacionales 00:02:00
          • Práctica: Introducción a las bases de datos relacionales y a las tablas 00:20:00
          • Hoja de trucos SQL: CREAR TABLA, ALTERAR, ELIMINAR, TRUNCAR 00:05:00
          • Conceptos y tablas de BD relacionales 00:20:00
          • Cómo crear una instancia de base de datos en la nube 00:05:51
          • Obtener el código de características de IBM Cloud y activar la cuenta de prueba 00:30:00
          • laboratorio práctico [opcional] con IBM DB2 00:01:00
          • Uso de patrones de cadenas y rangos 00:04:25
          • Clasificación de conjuntos de resultados 00:02:46
          • Agrupación de conjuntos de resultados 00:03:34
          • Laboratorio práctico: Patrones de cuerdas, clasificación y agrupación 00:30:00
          • [Opcional] Laboratorios prácticos con IBM Db2 00:01:00
          • Resumen: Afinar los resultados 00:05:00
          • Cuestionario práctico: Afinar los resultados 00:20:00
          • Hoja de trucos SQL: Intermedio – LIKE, ORDER BY, GROUP BY 00:05:00
          • Cuestionario graduado: Afinar sus resultados 00:20:00
          • Funciones de base de datos incorporadas 00:06:11
          • Funciones integradas de fecha y hora 00:03:07
          • Laboratorio práctico: Funciones incorporadas 00:20:00
          • Subconsultas y selecciones anidadas 00:04:44
          • Laboratorio práctico: Subconsultas y selecciones anidadas 00:20:00
          • Trabajar con varias tablas 00:06:21
          • Laboratorio práctico: Trabajo con varias tablas 00:20:00
          • [Opcional] Laboratorios prácticos con IBM Db2 00:01:00
          • Resumen: Funciones, tablas múltiples y subconsultas 00:05:00
          • Cuestionario de Práctica: Funciones, Tablas Múltiples y Subconsultas 00:20:00
          • Hoja de trucos SQL: FUNCIONES y JOIN implícito 00:05:00
          • Cuestionario graduado: Funciones, tablas múltiples y subconsultas 00:20:00
          • Cómo acceder a bases de datos utilizando Python 00:06:00
          • Escribir código utilizando DB-API 00:05:35
          • Laboratorio práctico: Creación de tablas, inserción y consulta de datos 00:20:00
          • Acceso a bases de datos con SQL Magic 00:06:03
          • Tutorial práctico: Acceso a bases de datos con SQL magic 00:20:00
          • Analizar datos con Python 00:09:38
          • Laboratorio práctico: Análisis de un conjunto de datos del mundo real 00:45:00
          • Resumen: Acceder a bases de datos utilizando Python 00:02:00
          • Cuestionario de práctica: Acceso a bases de datos con Python 00:20:00
          • Hoja de trucos SQL: Acceso a bases de datos con Python 00:10:00
          • Cuestionario graduado: Acceso a bases de datos utilizando Python 00:20:00
          • [Opcional] Laboratorios prácticos con IBM Db2 00:01:00
          • Conexión a una base de datos mediante la API ibm_db 00:02:10
          • (Opcional) Laboratorio Db2: Conexión a una instancia de base de datos 00:20:00
          • Creación de tablas, carga de datos y consulta de datos 00:03:54
          • (Opcional) Laboratorio Db2: Creación de tablas, inserción y consulta de datos 00:30:00
          • (Opcional) Laboratorio Db2: Tutorial, Acceso a bases de datos con magia SQL 00:20:00
          • (Opcional) Laboratorio Db2: Análisis de un conjunto de datos del mundo real 00:45:00
          • Trabajar con conjuntos de datos del mundo real 00:05:52
          • Obtener detalles de tablas y columnas 00:02:24
          • Laboratorio práctico: Trabajar con un conjunto de datos del mundo real 00:30:00
          • Resumen y aspectos destacados 00:01:00
          • [Opcional] Laboratorios prácticos con IBM Db2 00:01:00
          • (Optativo)Laboratorio práctico: Práctica de consulta de conjuntos de datos del mundo real 00:45:00
          • Tarea final: Consulta de bases de datos mediante SQLite 00:30:00
          • Cuestionario graduado sobre la tarea 00:20:00
          • Examen final 00:20:00
          • Felicitaciones y próximos pasos 00:02:00
          • Gracias de parte del equipo del curso 00:01:00
          • Acerca de este módulo adicional 00:02:00
          • Vistas 00:03:44
          • Laboratorio práctico: Uso de vistas 00:20:00
          • Procedimientos almacenados 00:03:43
          • Laboratorio práctico: Procedimientos almacenados 00:20:00
          • Transacciones ACID 00:03:47
          • Laboratorio práctico: Confirmación y reversión de una transacción 00:20:00
          • [Opcional] Laboratorios prácticos con IBM Db2 00:02:00
          • Resumen: Vistas, procedimientos almacenados y transacciones 00:05:00
          • Cuestionario Práctico: Vistas, Procedimientos Almacenados y Transacciones 00:20:00
          • Hoja de trucos SQL: Vistas, procedimientos almacenados y transacciones 00:10:00
          • Unirse 00:04:06
          • Unión interna 00:02:43
          • Juntas externas 00:05:40
          • Laboratorio práctico: Se une a 00:20:00
          • Resumen: Declaraciones JOIN 00:05:00
          • Práctica: Unir enunciados 00:20:00
          • Hoja de trucos SQL: Sentencias JOIN 00:05:00

        Comparte esta certificación.

        Información del Curso

        240 Horas Curriculares

        24 Créditos Académicos

        Accede por tu Smartphone

        Certificado oficial SEP

        Aprendizaje especializado

        Contenido de la Certificación

        Construye la base para tu carrera en ciencia de datos. Práctica con Jupyter, Python y SQL; análisis estadístico en datasets reales.


        • La ciencia de datos es una de las profesiones más demandadas; esta especialización de IBM enseña habilidades fundamentales.
        • Cinco cursos auto‑ritmo: herramientas open source, Python, análisis estadístico, SQL y bases relacionales, con práctica en datos reales.
        • Al completar, tendrás conocimientos prácticos para avanzar hacia proyectos más complejos. Programa con recomendación ACE® (hasta 8 créditos).

        Viñetas bajo el resumen:
        • Laboratorios y proyectos prácticos para tu portafolio (finanzas, vivienda, datos públicos).
        • Herramientas: Jupyter, RStudio, GitHub, Watson Studio.
        • Python: estructuras, archivos, APIs, Pandas, NumPy.
        • Estadística: descriptiva, visualización, probabilidad, pruebas de hipótesis, regresión.
        • SQL: SELECT, filtros, funciones, múltiples tablas y joins.



        CURSO 1: Tools for Data Science
        – Librerías/paquetes, datasets y modelos; Python, R, SQL; Jupyter y RStudio; Git/GitHub.

        CURSO 2: Python for Data Science, AI & Development
        – Python básico a OOP; Jupyter; Pandas/NumPy; APIs y scraping.

        CURSO 3: Python Project for Data Science
        – Proyecto práctico: estructuras de Python, manipulación de datos y dashboard con Pandas/Plotly/BeautifulSoup.

        CURSO 4: Statistics for Data Science with Python
        – Pruebas (t, ANOVA, regresión), hipótesis, probabilidad y visualización en Python.

        CURSO 5: Databases and SQL for Data Science with Python
        – SQL de básico a intermedio y técnicas avanzadas (vistas, transacciones, SPs, joins).

        Related Courses

        top
          INEC es una Marca de SalesPartners Ciudad de México S de RL de CV. Template Design © Learnify LMS. All rights reserved. Terminos y Condiciones Aviso de Privacidad Politica de Devolución
        Hide picture