🌎 Talento Digital Chile – Ciencia de Datos

Este repositorio reúne todo el recorrido de aprendizaje en Ciencia de Datos, desde los fundamentos básicos de estadística hasta modelos avanzados de Deep Learning y Big Data, en el contexto del programa Talento Digital en Chile.

📚 Contenido

1️⃣ Fundamentos de Programación y Entorno de Trabajo

• Python: sintaxis, estructuras de datos, funciones, POO.
• Entorno de desarrollo: Jupyter Notebooks, Google Colab, VSCode.
• Control de versiones con Git y GitHub.

2️⃣ Fundamentos de Estadística y Probabilidades

• Tipos de datos, medidas de tendencia central y dispersión.
• Variables aleatorias y distribuciones (normal, binomial, Poisson).
• Inferencia estadística: estimación de parámetros, intervalos de confianza, test de hipótesis (t-test, chi-cuadrado, ANOVA).
• Correlación y regresión lineal.

3️⃣ Manipulación y Análisis de Datos

• Pandas, NumPy: limpieza, filtrado, agregaciones.
• Visualización: Matplotlib, Seaborn, Plotly.
• Análisis exploratorio (EDA).

4️⃣ Machine Learning

• Conceptos de aprendizaje supervisado y no supervisado.
• Modelos clásicos:
  • Regresión lineal y logística.
  • Árboles de decisión, Random Forest, Gradient Boosting (XGBoost, LightGBM).
  • KNN, SVM, Clustering (K-means, DBSCAN).
• Evaluación de modelos: métricas (accuracy, precision, recall, F1-score, ROC-AUC), validación cruzada, ajuste de hiperparámetros.

5️⃣ Deep Learning

• Fundamentos de redes neuronales: perceptrón, funciones de activación.
• Redes Feedforward, Convolucionales (CNN) y Recurrentes (RNN, LSTM).
• Frameworks: TensorFlow, Keras, PyTorch.
• Técnicas avanzadas:
  • Transfer Learning.
  • Redes Generativas (GANs).
  • Optimización y regularización.

6️⃣ Big Data & Ecosistema de Datos

• Introducción a Big Data y arquitecturas distribuidas.
• Procesamiento con Hadoop, Spark y PySpark.
• Bases de datos: relacionales (SQL) y no relacionales (MongoDB).
• Procesamiento en tiempo real y streaming de datos.

7️⃣ Visualización de Datos & Storytelling

• Dashboards interactivos con Tableau, Power BI, Plotly Dash.
• Data storytelling: cómo presentar resultados para la toma de decisiones.

8️⃣ Proyecto Final

• Desarrollo de un proyecto completo que integre:
  • Adquisición y limpieza de datos.
  • Modelado predictivo.
  • Visualización y comunicación de resultados.
• Documentación técnica y presentación ejecutiva.

---

🛠️ Requisitos

• Python 3.9+
• Bibliotecas principales: ver archivo requirements.txt
• Instalación de dependencias:

pip install -r requirements.txt

Clona este repositorio

git clone https://github.com/usuario/talento-digital-ciencia-datos.git

Accede a la carpeta

cd talento-digital-ciencia-datos