Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ENTRA A PLATZI
Cursos básicos
Básico
https://platzi.com/datos/ 1/16
12/5/2021 Escuela de Data Science
Data engineer
Intermedio
Curso de Scrapy
https://platzi.com/datos/ 2/16
12/5/2021 Escuela de Data Science
Curso de Hadoop
Curso de Fundamentos de R
Curso de TensorFlow.js
https://platzi.com/datos/ 3/16
12/5/2021 Escuela de Data Science
Adicionalmente, las técnicas y herramientas que dominan los expertos en ciencia de datos aplican a
una variedad de problemas que van más allá de la empresa tradicional. Problemas en el mundo de
la biología, medicina, educación, economía, nanzas, derecho, sociología, business intelligence,
física, etc., pueden resolverse con modelos y aplicaciones que construyen las y los expertos en
datos.
Es por esto que en Platzi hemos creado la Escuela de Data Science para que formes parte de esta
revolución y te unas a los y las profesionales que están transformado al mundo con datos.
Aprendemos en comunidad
En Platzi tenemos grupos de estudio donde podrás compartir tus dudas, aportes y participar de
eventos exclusivos sobre Data Science 🚀
Toda la comunidad está por aquí y que participes en la comunidad será increíble 😄
Puedes unirte ahora mismo a nuestro grupo en Telegram de la Escuela de Data Science
https://platzi.com/datos/ 4/16
12/5/2021 Escuela de Data Science
Las personas que forman parte de un equipo de data science realizan una variedad de actividades
que les permiten llegar a conclusiones con base en los datos que analizan. A la par de conocer cada
uno de estos roles es importante conocer los pasos de un ujo de trabajo en ciencia de datos.
Data engineer
Los data engineers se encargan de crear y mantener la infraestructura de software que permite el
procesamiento de grandes conjuntos de datos. Su mundo gira alrededor de tecnologías como
Hadoop, Spark, Kafka, Air ow, sistemas de monitoreo, uso de nubes públicas como Google Cloud
Platform o AWS y mucho más. Son grandes expertas en ingeniería de software y arquitectura de
sistemas en la nube. Operan en las etapas de recolección y almacenamiento.
En ocasiones los datos pueden analizarse mientras van llegando, en otras el análisis se hace
posteriormente. Es por ello que es importante almacenarlos de manera segura y accesible en la
etapa de almacenamiento. Aquí también se toman decisiones arquitectónicas sobre la estructura
de los datos. Términos como ETL, data lakes, data warehouses y otros son comunes a esta etapa.
Aquí es fundamental un conocimiento de infraestructura y sistemas de almacenamiento.
Data analyst
Un data analyst opera en una etapa de exploración partiendo de un problema a resolver mediante
un análisis. Primero deberá extraer datos recolectados y reorganizarlos para que puedan ser
entendidos. Usando herramientas estadísticas interpretará los datos con especial atención en
tendencias y patrones que pueden tener gran valor para su diagnóstico. Finalmente deberá
comunicar sus hallazgos a líderes que toman decisiones de negocio a través de reportes con
grá cas y dashboards de manera que sea muy sencillo entenderlos.
Data scientist
Las habilidades de un data scientist contemplan varias de las de una analista de datos con lenguajes
como Python y SQL, probabilidad y estadística, pero también con conocimientos de inteligencia
arti cial como cálculo, álgebra lineal, support vector machines, decisions trees, redes neuronales,
Tensor ow, Keras, PyTorch, scikit-learn y algunas herramientas de desarrollo backend.
https://platzi.com/datos/ 5/16
12/5/2021 Escuela de Data Science
Una vez que los datos están limpios es momento de realizar un análisis más avanzado en la etapa
de agregación y etiquetado. La tarea es segmentar los datos, de nir y obtener métricas, generar
agregaciones, extraer features y preparar los datos para machine learning.
Es posible forzar el dataset con técnicas avanzadas de machine learning y deep learning para
obtener resultados que no era posible obtener en etapas anteriores. Aquí también crean modelos
predictivos poderosos que permiten generar recomendaciones para aumentar los bene cios que
se le pueden ofrecer a todos los usuarios de la empresa.
Los machine learning engineers operan en el último tramo del ujo dentro de la etapa de
aprendizaje automatizado y optimización. Su tarea es escalar y robustecer los modelos que un
cientí co de datos ha construido. Por supuesto este rol requiere las mismas habilidades de
inteligencia arti cial de un cientí co de datos, pero además requiere profundizar en despliegue de
aplicaciones con herramientas como Flask, Django, FastAPI, Docker, conocimiento de
infraestructura y servicios cloud como AWS, Google Cloud Platform o Microsoft Azure.
Un machine learning engineer se asegura que todas las tareas de los sistemas en producción
funcionen correctamente. Para ello hace un uso extensivo de algoritmia y de librerías de machine
learning y mejoran los modelos que han sido puestos en producción haciendo mantenible,
escalable y depurable el código que ha creado un data scientist mediante la automatización y
abstracción de procesos repetitivos presentes en la mayoría de las tareas de machine learning.
El trabajo de una machine learning engineer es uno de los roles que más aprovecha los
conocimientos de ingeniería de software dentro de un equipo de datos.
Si has llegado hasta este punto seguramente te has decidido a especializarte en data science.
Probablemente ya hasta tienes en mente en cuál de todos estos roles te gustaría profundizar, pero
antes de eso necesitamos aclarar que cualquier profesional de los datos tiene dominio en estas tres
áreas:
1. Ciencias de la computación.
2. Matemáticas y estadística.
3. Experiencia en el campo o dominio del negocio.
Al principio tu objetivo será desarrollar habilidades y conocimientos en estas tres áreas. Para
lograrlo solamente comienza con la parte básica de esta Escuela de Data Science que está
preparada especí camente para brindarte estos poderes esenciales. Si lo tuyo es el campo de
dominio del negocio puedes también revisar libros sobre inteligencia de negocio que te darán
fundamentos para complementar los cursos.
Una vez que termines te habrás preparado para seguir tu camino en los diferentes roles de un
equipo de data science.
¡No esperes más! Comienza ahora esta aventura para convertirte en profesional de los datos.
Glosario
Ciencia de Datos: Área de conocimiento que busca agregar valor a los datos por medio de la con uencia de
análisis estadísticos, métodos computacionales y visualización de información.
Big Data: Conjunto de información cuya longitud (número de registros), variedad (número de características por
https://platzi.com/datos/ 7/16
12/5/2021 Escuela de Data Science
g j y g ( g ) ( p
cada registro) y frecuencia (ritmo con el cual se actualiza la información) impiden que los métodos de
procesamiento de datos convencionales sean su cientes para su manejo.
Bases de datos: Las bases de datos son contenedores o repositorios digitales en los que se almacenan de manera
estructurada y organizada datos que comparten un mismo contexto para su posterior procesamiento y consulta.
Keyword: Se re ere a la palabra clave que atrae al mayor número de seguidores a través de buscadores. Cuando
tienes claro cuáles son las keywords que de nen tu contenido puedes posicionarlo de manera orgánica o paga lo
cual in uye en el número de búsquedas y las conversiones.
Machine Learning: Rama de la inteligencia arti cial que se encarga del estudio de métodos automatizados por
medio de algoritmos y estadística, para generar modelos matemáticos que permitan resolver tareas de forma tal
que sea el software quien descifre por sí mismo como resolver dicho problema.
$30
al mes
Un pago anual de $349
Ahorras $119 vs Basic
Elegir Expert+
https://platzi.com/datos/ 8/16
12/5/2021 Escuela de Data Science
App para iOS y Android con funciones exclusivas, cursos en audio y más
Precios en dólares
Compra de manera segura
UN SOLO CURSO
$49
1 solo curso, 1 solo pago
Comprar curso
platzi.com/empresas
https://platzi.com/datos/ 9/16
12/5/2021 Escuela de Data Science
Freddy Vega
CEO en Platzi
@freddier
David Aroesti
Engineer en Google Cloud
@jdaroesti
Ricardo Celis
Course Director en Platzi
@celismx
Sergio Orduz
Ingeniero Eléctrico en
Sonia Ardila
Senior Data Specialist en Claro Colombia
@soniaardila1
https://platzi.com/datos/ 10/16
12/5/2021 Escuela de Data Science
Daniel Sánchez
Integrador Creativo en Aprende Institute
@danielowho
Yesi Díaz
Data Scientist en Rappi
@silvercorp
Sebastián Sosa
Co-founder en Caburé
@helblings
Katherine Briceño
Consultora en Analítica en Banco GNB
Martín Sokolowicz
Ayudante Experto en Digital House
David Torres
Data Scientist en Platzi
@davinci137
https://platzi.com/datos/ A i lO i 11/16
12/5/2021 Escuela de Data Science
Ariel Ortiz
COO en Spin Quantum Tech
@ludthor
Francisco Camacho
Data Scientist en Platzi
@el_pachocamacho
Alejandro Santamaria
CTO en Shoelovers.co
@alexs_mx
Carlos Alarcón
Data Scientist en Platzi
@alarcon7a
María Plaza C
Head of Business Development & Growth en Populetic
@MariaPlazaC
Marian Villa
https://platzi.com/datos/ 12/16
12/5/2021 Escuela de Data Science
Marian Villa
Co-fundadora y directora en Pionerasdev
@@Marianvilla
Julián Cruz
Docente en Universidad Externado de Colombia
@Cruz_Julian_
Ulises Rayon
Outbound Analyst en Platzi
Enrique Devars
Course Director, Facultad de Computer Science en Platzi
@codevars
Benjamín Casazza
CEO en Data to Business
@_uracilo
Maria Cruz
Data Scientist en Athena
@CgMcruzg
https://platzi.com/datos/ 13/16
12/5/2021 Escuela de Data Science
Blog Posts
Desarrollo e
247 · 33 · Comentar Ingeniería
Desarrollo e
237 · 77 · Comentar Ingeniería
Desarrollo e
121 · 22 · Comentar Ingeniería
Desarrollo e
63 · 34 · Comentar Ingeniería
https://platzi.com/datos/ 14/16
12/5/2021 Escuela de Data Science
Escuela de Matemáticas
Marketing
Diseño y UX
Crecimiento Profesional
Inglés
Startups
Desarrollo e Ingeniería
Negocios y Emprendimiento
Contenido Digital
Preguntas frecuentes Contáctanos Prensa Conferencias Términos y Condiciones Privacidad Estudiantes Hola
PT EN
https://platzi.com/datos/ 16/16