📊 Data Science (Multiplataforma)

Lección 1: Fundamentos y entorno Python 4 temas

• 📌 1.1 Qué es la Ciencia de Datos
• 🐍 1.2 Introducción a Python para Data Science
• 🔄 1.3 Flujo de trabajo en un proyecto de Ciencia
• 📋 1.4 Cuestionario - Lección 1 Evaluación

Lección 2: Estadística y probabilidad 4 temas

• 📊 2.1 Estadística descriptiva e inferencial
• 🎲 2.2 Teoría de la probabilidad esencial
• 💻 2.3 Aplicaciones prácticas con Python
• 📋 2.4 Cuestionario - Lección 2 Evaluación

Lección 3: Preparación y visualización 4 temas

• 🧹 3.1 Wrangling de datos
• 📈 3.2 Visualización de datos
• 🏢 3.3 Casos de uso reales
• 📋 3.4 Cuestionario - Lección 3 Evaluación

Lección 4: Machine Learning fundamental 4 temas

• 🤖 4.1 Principios de Machine Learning
• 👁️ 4.2 Visualización de datos (en ML)
• 📏 4.3 Evaluación de modelos
• 📋 4.4 Cuestionario - Lección 4 Evaluación

Lección 5: Tendencias y ética 4 temas

• 🚀 5.1 Tópicos emergentes
• ⚖️ 5.2 Ética y privacidad en Ciencia de Datos
• 🛠️ 5.3 Herramientas adicionales
• 📋 5.4 Cuestionario - Lección 5 Evaluación

Lección 6: Proyecto final y storytelling 4 temas

• 📁 6.1 Diseño de proyecto completo usando un dataset
• 📣 6.2 Storytelling con datos
• 🔮 6.3 Cierre y siguientes pasos
• 📋 6.4 Cuestionario - Lección 6 Evaluación