Guia de estudio interactiva · Edicion Data Science II
DSBook
De datos crudos a modelos y decisiones explicables y reproducibles.
17 modulos, 95+ conceptos, codigo ejecutable. Una guia escrita por capas: primero entiendes, despues aplicas, despues enseñas.
17
modulos
17
capitulos
740min
de lectura
95+
conceptos
Filosofia
Primero entiendes. Despues aplicas. Despues ensenas.
Entender
El por que antes que el como. Conceptos con ejemplos, no recetas para copiar y pegar.
Aplicar
Codigo ejecutable en cada capitulo. Errores comunes con la version correcta al lado.
Ensenar
Flashcards, preguntas de entrevista, mini-proyectos. Lo que sabes explicarlo, lo dominas.
Estructura
6 partes, una progresion
De los fundamentos, hasta la practica aplicada al mercado laboral real.
Fundamentos
Python, bases de datos y formulación del problema: las herramientas y preguntas que sostienen cualquier proyecto de datos.
2 capitulos
Adquisición y arquitectura de datos
Adquisición y preparación de datos, APIs, pipelines, SQL analítico, DuckDB, persistencia y automatización segura de ETL.
7 capitulos
Machine Learning aplicado
Preprocesamiento sin fuga de información, pipelines de Scikit-Learn, modelos, métricas y validación para decisiones responsables.
2 capitulos
Visualización y comunicación
Diseño visual, narrativa de datos y análisis espacial para explicar hallazgos con contexto y accesibilidad.
3 capitulos
Estadística aplicada
Distribuciones, pruebas, correlación y asociación: distinguir patrones útiles de conclusiones engañosas.
2 capitulos
Proyecto integrador
Integra el ciclo de datos completo en un repositorio reproducible, evaluable y defendible.
1 capitulo
17 modulos
El viaje completo
Fundamentos para Machine Learning
M1Fundamentos de Bases de Datos
M2Data Acquisition de Datos
M3Introducción a Machine Learning y Data Acquisition I
M4Data Acquisition II (APIs)
M5Pipelines y optimización de datos
M6SQL y DuckDB para análisis de datos
M7SQL analítico avanzado e ingeniería de features
M8Persistencia y automatización de datos
M9ML Lab I: exploración, preprocesamiento y pipelines
M10ML Lab II: modelado y métricas
M11Visualización de datos
M12Storytelling con datos
M13Datos espaciales y visualizaciones animadas
M14Distribuciones categóricas, outliers y pruebas
M15Correlación, asociación y multicolinealidad
M16Proyecto final: pipeline completo de Ciencia de Datos
Experiencia
Un libro que trabaja contigo
Busqueda instantanea
Encuentra cualquier concepto, tecnologia o proyecto con Ctrl+K.
Modo claro y oscuro
Tipografia editorial optimizada para lectura larga, dia o noche.
Progreso persistente
Marca capitulos como leidos. Tu avance se guarda en este navegador.
Notas privadas
Anota ideas, dudas o conexiones en cada capitulo. Solo tuyas.
Flashcards
Repaso activo con tarjetas flip. Conceptos al frente, definicion al dorso.
Tabla de contenidos flotante
Navega dentro del capitulo sin perder el hilo.
Glosario completo
95+ conceptos enlazados. Cada termino en su contexto, con ejemplos.
Preguntas de entrevista
Practica con las preguntas reales que hacen las empresas.
Analytics anonimo
Medimos que capitulos lees mas para mejorar el contenido. Sin datos personales.
"No intentes memorizar esta guia. Estudiala por capas."
Empezar el primer capitulo