SEV26009 - DATA ANALYST JUNIOR

Fecha inicio inscripciones

Fecha fin inscripciones

Nombre

Descripción

Plazas

Fecha de Inicio y Finalización

Duración

Modalidad

Familia

Contenido

MÓDULO 1 – FUNDAMENTOS Y EXPLORACIÓN DE DATOS
Propósito: desarrollar pensamiento analítico, comprensión de datos y competencias iniciales en herramientas de análisis.
facProyecto
Nombre
Objetivo principal
Herramientas / técnicas
Proyecto1
Análisis descriptivo con Excel
Limpieza, cálculo de KPIs y visualización básica.
Excel avanzado (tablas dinámicas, fórmulas, gráficos).
Proyecto2
Procesamiento de datos con Python
Aplicar lógica y funciones en Python para resolver un problema algorítmico.
Python (estructuras de control, funciones).
Proyecto3
Base de datos analítica y consultas SQL
Diseñar y consultar bases de datos relacionales.
SQL (JOIN, subconsultas, agregaciones).
MÓDULO 2 – GESTIÓN, ANÁLISIS Y COMUNICACIÓN DE DATOS
Propósito: construir estructuras de datos sólidas, aplicar razonamiento estadístico y comunicar resultados mediante visualización profesional.
Proyecto
Nombre
Objetivo principal
Herramientas / técnicas
Proyecto 4
Automatización de Entornos de Datos con Python
Limpieza y análisis de datos con Pandas y Numpy.
Python (Pandas, Numpy, Matplotlib).
Proyecto 5
Análisis estadístico (EDA) y prueba de hipótesis
Aplicar estadística inferencial y validar conclusiones.
Python SciPy, Pandas,Scikit-learn
Proyecto 6
Dashboard interactivo profesional
Construir un dashboard para comunicar hallazgos analíticos.
Power BI /Tableau, streamlit, Dash, Gradio.
MÓDULO 3 – INTELIGENCIA ARTIFICIAL Y MODELADO PREDICTIVO
Propósito: introducir el aprendizaje automático y desarrollar modelos predictivos y de forecasting sobre datos reales.
Proyecto
Nombre
Objetivo principal
Herramientas / técnicas
Proyecto
7
Problema de Regresión
Aplicar modelos de regresión para resolver problema con ML más allá del Análisis de datos
Python (Scikit-learn).
Proyecto 8
Clasificación básica supervisada
Construir y evaluar modelos de clasificación simples.
Python (Scikit-learn).
Proyecto 9
Segmentación de datos mediante Clustering
Aplicar aprendizaje no supervisado para descubrir patrones.
Python (Scikit-learn: K-Means, DBSCAN).
Proyecto Final
Pipeline de Analitica y Machine Learning completo
Implementar un flujo completo: preprocesamiento, entrenamiento, evaluación, optimización, Dashboard.
Python (Scikit-learn, Pipelines, GridSearchCV).
Proyecto pedagógico
Síntesis
● Módulo 1: Proyectos 1–3 → Exploración y programación básica.
● Módulo 2: Proyectos 4–6 → Gestión, estadística y visualización.
● Módulo 3: Proyectos 7–11 → Inteligencia Artificial aplicada y predicción.

Organiza

Centro de Formación

Comparte este Curso