Datos para IA

Temas que cubre

• NumPy
• Arrays
• dtypes
• Broadcasting
• Vectorización
• Vistas y copias
• Indexado avanzado
• pandas
• DataFrame
• groupby
• merge
• Valores ausentes
• Series temporales
• SQL
• SQLite
• JOIN
• Funciones de ventana
• Índices
• Visualización
• Histogramas
• ECDF
• Gráficos engañosos
• Limpieza de datos
• EDA
• Outliers
• Fugas de información

Lecciones de la unidad

1. NumPy a fondo 60 min
   Arrays, dtypes, broadcasting, vistas y copias e indexado avanzado; por qué el código vectorizado es decenas de veces más rápido que un bucle.
2. pandas (I): seleccionar, filtrar y agrupar 75 min
   Series, DataFrame e índice, un primer vistazo a cualquier tabla, selección con columnas, loc, iloc y máscaras, columnas nuevas, ordenar, contar y resumir por grupos con groupby, pensando siempre en columnas y no en filas.
3. pandas (II): unir tablas, valores ausentes y series temporales 105 min
   merge sin multiplicar filas, transform para cálculos por grupo, valores ausentes y dtypes, y series temporales con resample, rolling y shift, comprobando cada paso con conteos.
4. SQL con sqlite3 (I): consultar, agrupar y unir 85 min
   Desde cero — tablas, SELECT y WHERE, ORDER BY y LIMIT, agregaciones con GROUP BY y HAVING, NULL, INNER y LEFT JOIN, y cómo lanzarlo todo desde Python con sqlite3 y parámetros.
5. SQL con sqlite3 (II): funciones de ventana, CTE e índices 105 min
   Funciones de ventana (ROW_NUMBER, SUM OVER, LAG) para calcular por grupo sin perder filas, CTE con WITH para escribir consultas por pasos, e índices y EXPLAIN QUERY PLAN para que sean rápidas.
6. Visualización — ver los datos antes de modelarlos 50 min
   Elegir el gráfico según la pregunta, leer distribuciones con histogramas, ECDF y cuantiles, y reconocer los gráficos que engañan.
7. Limpieza de datos y análisis exploratorio 70 min
   Un flujo de EDA reproducible — tipos, ausentes, duplicados, valores imposibles y outliers — y las fugas de información que hacen que un modelo brille en el notebook y fracase en producción.

Requisitos previos

Antes de esta unidad conviene haber hecho:

• Ingeniería con Python (Curso 1 · Unidad 2)