MÓDULO 1 - PYTHON PARA DATOS

• Variables, estructuras, funciones y clases.
• NumPy y pandas.
• Carga, limpieza y transformación de datos.
• Análisis exploratorio y visualización.

MÓDULO 2 - ESTADÍSTICA Y PREPARACIÓN

• Probabilidad y distribuciones.
• Estadística descriptiva e inferencial.
• Tratamiento de valores faltantes y atípicos.
• Normalización, escalado y selección de variables.

MÓDULO 3 - APRENDIZAJE SUPERVISADO

• Regresión lineal y logística.
• Árboles de decisión y K-Nearest Neighbors.
• Naive Bayes y clasificación.
• Separación de entrenamiento y prueba.

MÓDULO 4 - EVALUACIÓN Y MODELOS NO SUPERVISADOS

• Métricas de evaluación y validación cruzada.
• Sesgo, varianza y sobreajuste.
• K-means y agrupamiento jerárquico.
• Reducción de dimensionalidad e introducción a PCA.

MÓDULO 5 - PROYECTO DE MACHINE LEARNING

• Selección de un problema y conjunto de datos.
• Entrenamiento y evaluación de un modelo.
• Interpretación y visualización de resultados.
• Presentación del proyecto predictivo.