Practica aplicada
Proyectos que te van a obligar a pensar
4 proyectos integradores, ordenados por dificultad. Cada uno esta pensado para que NO puedas hacerlo copiando: tienes que decidir.
Diagnostico reproducible de ventas tecnologicas
Usa Python y SQL sobre el dataset de ventas para responder preguntas de negocio, detectar nulos y documentar un problem statement con target, features y metrica de exito.
Modelo relacional para un pipeline de Machine Learning
Diseña un esquema entidad-relacion, normalizalo, implementalo en SQLite y crea un pipeline que valide los datos antes de entregarlos a un modelo.
De la pregunta de negocio al dataset entrenable
Define un problema de clasificacion o regresion, selecciona las tablas necesarias, prepara features sin leakage y justifica la metrica antes de entrenar.
Pipeline adquisición → limpieza → train/test
Adquiere un CSV y un JSON con pathlib, limpia duplicados y nulos (mediana robusta + etiqueta categórica), valida contrato de tipos y divide en train/test sin leakage. Documenta origen, encoding y reproducibilidad con random_state.
Consejo: hace al menos 3 proyectos de los avanzados antes de considerar que "ya lo sabes". El codigo se copia, las decisiones no.