Introducción 141. La era de los datos y la inteligencia artificial. 142. Por qué los datos son el punto de partida. 153. Las piezas del rompecabezas 15Estadística 171. Conceptos básicos de estadística. 181.1. Qué es la estadística y para qué sirve. 181.2. Población y muestra. 181.3. Observaciones, variables y valores. 191.4. Estadística descriptiva: explorar antes de modelar. 202. Tipos de variables y escalas de medida. 212.1. Por qué importa el tipo de variable. 212.2. Variables cuantitativas y cualitativas. 212.3. Escalas de medida. 222.4. Variables binarias. 232.5. Codificación de variables categóricas. 233. Medidas de tendencia central. 253.1. Qué es una medida de tendencia central. 253.2. La media aritmética. 253.3. La mediana. 263.4. La moda. 263.5. Relación entre media, mediana y moda según la forma de la distribución. 274. Medidas de dispersión. 294.1. Por qué no basta con la tendencia central. 294.2. El rango. 294.3. La varianza. 304.4. La desviación típica o desviación estándar. 304.5. El coeficiente de variación. 304.6. Los cuartiles y el rango intercuartílico. 314.7. Detección de outliers con la desviación típica. 325. Distribuciones de probabilidad básicas. 335.1. Qué es una distribución de probabilidad. 335.2. La distribución normal o gaussiana. 335.3. La distribución binomial. 345.4. La distribución de Poisson. 355.5. Distribuciones sesgadas y colas. 356. Introducción a la inferencia estadística. 376.1. De la muestra a la población. 376.2. Estimación puntual e intervalos de confianza. 376.3. Contraste de hipótesis. 386.4. El p-valor y sus limitaciones. 386.5. Correlación y causalidad. 397. Caso práctico integrador. 418. Resumen. 449. Actividades de autoevaluación. 4510. Verdadero o falso. 4611. Evaluación tipo test. 47Programación 491. Python. 501.1. Por qué Python domina la ciencia de datos. 501.2. Instalación y entorno de trabajo. 501.3. Sintaxis básica de Python. 512. R. 512.1. Qué es R y cuándo elegirlo. 512.2. El entorno RStudio. 522.3. Sintaxis básica de R. 522.4. Paquetes más importantes de R para análisis de datos 533. Otros. 543.1. SQL: el lenguaje de las bases de datos. 543.2. Scala y Spark. 553.3. Julia. 553.4. Herramientas de bajo código y no código. 563.5. Estructuras básicas de programación. 573.6. Librerías habituales para ciencia de datos. 604. Caso práctico integrador. 655. Resumen. 686. Actividades de autoevaluación. 697. Verdadero o falso. 708. Evaluación tipo test. 71ETL y preparación de datos 731. Concepto de ETL: extracción, transformación y carga. 741.1. Qué significa ETL. 741.2. El proceso ETL en la práctica. 751.3. ETL vs. ELT. 751.4. Automatización del proceso ETL. 762. Fuentes de datos: archivos, bases de datos y APIs. 782.1. La diversidad de las fuentes de datos. 782.2. Archivos planos: CSV, Excel y JSON. 782.3. Bases de datos relacionales. 792.4. APIs web. 802.5. Web scraping 812.6. Bases de datos no relacionales (NoSQL). 813. Limpieza de datos: valores nulos, duplicados y errores. 833.1. Por qué los datos reales están sucios. 833.2. Valores nulos o ausentes. 833.3. Valores duplicados. 843.4. Errores tipográficos y valores inconsistentes. 853.5. Valores imposibles y outliers. 864. Transformación y normalización de datos. 874.1. Por qué es necesario transformar los datos. 874.2. Normalización y estandarización. 874.3. Transformaciones de distribución. 884.4. Codificación de variables categóricas. 894.5. Ingeniería de características (feature engineering). 904.6. Selección de características (feature selection). 905. Integración de datos procedentes de distintas fuentes. 925.1. El reto de combinar datos heterogéneos. 925.2. Uniones (joins) entre tablas. 925.3. Concatenación de tablas. 935.4. Problemas frecuentes en la integración. 935.5. Agregaciones y pivotado. 936. Calidad del dato y trazabilidad del proceso. 956.1. Qué es la calidad del dato. 956.2. El perfil de datos (data profiling). 966.3. Trazabilidad del proceso. 966.4. Fuga de datos (data leakage). 976.5. Gobierno del dato. 987. Caso práctico integrador. 998. Resumen. 1029. Actividades de autoevaluación. 10310. Verdadero o falso. 10411. Evaluación tipo test. 105Modelos supervisados, no supervisados y semi. 1071. Introducción al aprendizaje automático. 1081.1. Qué es el aprendizaje automático. 1081.2. El proceso de aprendizaje. 1091.3. El dilema sesgo-varianza. 1091.4. Tipos de aprendizaje 1102. Modelos supervisados. 1112.1. Qué es el aprendizaje supervisado. 1112.2. División del dataset: entrenamiento, validación y test. 1112.3. Validación cruzada. 1123. Regresión y clasificación. 1143.1. Regresión lineal. 1143.2. Regresión logística. 1143.3. -rboles de decisión. 1153.4. Random Forest (bosques aleatorios). 1163.5. Gradient Boosting. 1163.6. Support Vector Machines (SVM). 1163.7. K-Nearest Neighbors (k-NN). 1174. Modelos no supervisados. 1194.1. Qué es el aprendizaje no supervisado. 1194.2. Algoritmo k-means. 1194.3. Clustering jerárquico. 1204.4. DBSCAN. 1204.5. Análisis de componentes principales (PCA). 1215. Modelos semisupervisados. 1235.1. El problema del etiquetado. 1235.2. Supuestos del aprendizaje semisupervisado. 1235.3. Técnicas de aprendizaje semisupervisado. 1245.4. Cuándo usar aprendizaje semisupervisado. 1256. Tipos de algoritmos. 1276.1. Visión de conjunto. 1276.2. Naive Bayes. 1276.3. Redes bayesianas. 1286.4. Modelos de mezcla gaussiana (GMM). 1286.5. Isolation Forest. 1296.6. Tabla comparativa de algoritmos. 1307. Evaluación básica de modelos. 1317.1.