Skip to the content.

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.

1. Python y datos

Conoce los entornos de trabajo y manipula tablas con NumPy y pandas.

2. Exploración y limpieza

Identifica valores faltantes, duplicados, distribuciones y relaciones.

3. Primeros modelos

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.

1. Redes neuronales

Entradas, capas, activaciones, entrenamiento y clasificación multiclase.

2. Imágenes y CNN

Prepara imágenes, entrena una CNN y evalúa su generalización.

3. Optimización y despliegue

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.