Rutas de aprendizaje
Dos itinerarios complementarios. Puedes comenzar por el primero si necesitas fundamentos de Python o ir directamente al segundo si ya trabajas con datos y programación.
Ruta 1 · Fundamentos de Data Science con Python
Nivel sugerido: inicial · Propósito: explorar, preparar y visualizar datos; construir una primera aproximación a modelos predictivos.
Conoce los entornos de trabajo y manipula tablas con NumPy y pandas.
Identifica valores faltantes, duplicados, distribuciones y relaciones.
Distingue regresión y clasificación y practica el ciclo de modelado.
Materiales para comenzar: notebook de introducción en Colab · notebook de análisis exploratorio · datasets de práctica.
Comprueba tu avance: ¿puedes cargar un dataset, describir sus variables, justificar una limpieza y explicar qué problema podría abordarse mediante ML?
Consultar todos los materiales de esta ruta
Ruta 2 · Machine Learning y Deep Learning
Nivel sugerido: intermedio · Conocimientos recomendados: Python básico, tablas de datos y nociones de entrenamiento y validación.
Entradas, capas, activaciones, entrenamiento y clasificación multiclase.
Prepara imágenes, entrena una CNN y evalúa su generalización.
Explora transfer learning, ONNX y una aplicación de inferencia.
Materiales para comenzar: guía de los diez notebooks · datasets y diccionarios · laboratorio interactivo.
Comprueba tu avance: ¿puedes justificar la separación de datos, comparar métricas de entrenamiento y validación, explicar el sobreajuste y probar tu modelo con imágenes nuevas?
Explorar la ruta de Machine Learning
Importante: los nombres originales de algunos archivos incluyen números de sesión o semana. Son identificadores históricos, no un calendario obligatorio.