80% OFF en todos los cursos Asíncronos Hasta el 16 de Febrero

🟢MÓDULO I: ENTORNO ANALÍTICO Y CONECTIVIDAD CON SQL SERVER 2025 (3 horas)

1. 20% Teoría: Arquitectura de un flujo de análisis de datos corporativo. Configuración del entorno de trabajo con Jupyter Notebook y VS Code. Introducción a las librerías pyodbc y SQLAlchemy, cadenas de conexión y principios de conectividad entre Python y SQL Server 2025.
2. 80% Práctica: Configuración del entorno y conexión de Python con SQL Server. Extracción de información desde tablas transaccionales de un caso empresarial de Retail/E-commerce, utilizando tablas de clientes, productos, ventas y detalle de ventas. Exploración inicial de los datos extraídos y generación de un primer dataset analítico.
3. Recurso práctico: Base de datos SQL Server Retail Analytics, con tablas clientes, productos, ventas, detalle_ventas y tiendas.
4. Producto de la sesión: Notebook de conexión y extracción de datos desde SQL Server.

🟢MÓDULO II: TIPOS DE DATOS Y ESTRUCTURAS DE CONTROL PARA AUDITORÍA (3 horas)

1. 20% Teoría: Tipos de datos fundamentales de Python (int, float, str, bool) y estructuras nativas como listas y tuplas. Estructuras condicionales if, elif y else aplicadas a reglas de validación y control de calidad de datos.
2. 80% Práctica: Desarrollo de un laboratorio de auditoría de datos utilizando información de clientes. Validación de campos como DNI, edad, correo electrónico, teléfono y datos obligatorios. Clasificación automática de registros como válidos, inválidos o pendientes de revisión.
3. Recurso práctico: Dataset clientes_auditoria.csv, que contiene valores nulos, formatos incorrectos, edades inválidas, correos electrónicos incompletos y teléfonos inconsistentes.
4. Producto de la sesión: Script de auditoría automática de calidad de datos.

🟢MÓDULO III: DICCIONARIOS Y MAPEO DE REGLAS DE NEGOCIO (3 horas)

1. 20% Teoría: Estructura y funcionamiento de diccionarios. Relaciones llave-valor y aplicación de estructuras de mapeo para la estandarización de catálogos y dimensiones empresariales.
2. 80% Práctica: Construcción de diccionarios de conversión para normalizar categorías, ciudades, tipos de clientes y otros atributos provenientes de diferentes fuentes. Implementación de reglas de negocio para homologar valores heterogéneos.
3. Recurso práctico: Dataset catalogo_productos.csv con categorías inconsistentes como TEC, Tecnologia, TECNOLOGIA, Tecnología, entre otras.
4. Producto de la sesión: Diccionario de homologación y script de normalización de
   catálogos.
5. 📝 HITO DE EVALUACIÓN (Asíncrono): Al finalizar esta sesión se libera el Examen Parcial I: Fundamentos e Ingesta de Datos. El participante deberá conectarse a una fuente de datos, realizar validaciones de calidad mediante estructuras de control y aplicar reglas de normalización utilizando colecciones y diccionarios.

🟢MÓDULO IV: AUTOMATIZACIÓN DE LECTURA MASIVA CON BUCLES (3 horas)

1. 20% Teoría: Iteraciones con for y while, recorrido de estructuras de datos, funciones range() y enumerate(). Introducción a List Comprehensions y criterios básicos para escribir código eficiente y reutilizable.
2. 80% Práctica: Desarrollo de un proceso automatizado para leer y consolidar múltiples archivos históricos de ventas. El participante deberá recorrer una carpeta con archivos mensuales, identificar los archivos disponibles, procesarlos y generar un único dataset consolidado.
3. Recurso práctico: Conjunto de archivos ventas_enero.csv hasta ventas_diciembre.csv.
4. Producto de la sesión: Script de consolidación automática de archivos históricos de ventas.

🟢MÓDULO V: MODULARIZACIÓN: CREACIÓN DE FUNCIONES DE LIMPIEZA REUTILIZABLES (3 horas)

1. 20% Teoría: Definición de funciones mediante def, parámetros, valores de retorno y expresiones lambda. Principios de modularización, reutilización y organización del código aplicado al análisis de datos.
2. 80% Práctica: Desarrollo de una biblioteca propia denominada limpieza_corporativa.py, incorporando funciones para limpiar textos, normalizar categorías, validar correos, transformar fechas, limpiar teléfonos y estandarizar valores numéricos.
3. Recurso práctico: Dataset empresarial de clientes y productos con errores de formato y contenido.
4. Producto de la sesión: Biblioteca reutilizable de funciones de limpieza y notebook de pruebas.

🟢MÓDULO VI: PROGRAMACIÓN ORIENTADA A OBJETOS APLICADA A CONECTORES (3 horas)

1. 20% Teoría: Conceptos fundamentales de Programación Orientada a Objetos: clases, objetos, atributos, métodos, constructor y encapsulamiento. Aplicación de POO al desarrollo de componentes reutilizables para análisis de datos.
2. 80% Práctica: Diseño, implementación y prueba de una clase personalizada SQLConnector para establecer conexiones, ejecutar consultas, extraer tablas y gestionar de forma estructurada las conexiones con SQL Server.
3. Recurso práctico: Base de datos Retail Analytics utilizada durante el Nivel I.
4. Producto de la sesión: Módulo Python de conexión reutilizable y documentación básica de uso.
5. 📝 HITO DE EVALUACIÓN (Asíncrono): Al finalizar esta sesión se libera el Examen Final I: Desarrollo de Módulos de Ingesta. El participante deberá entregar un script estructurado y modularizado que permita realizar la extracción automatizada desde SQL Server utilizando funciones y Programación Orientada a Objetos.