Exploración
15%Entender el dataset y plantear el problema
Pandas + EDA
Comprensión
Programación y ML
48 H · 16 SESIONES
Especialización en Python y Machine Learning
Python aplicado a Data Science y Machine Learning
Aprende Python desde cero y úsalo para analizar datos, construir modelos predictivos y resolver problemas reales de negocio mediante Machine Learning.
PythonNumPyPandasEDARegresiónClasificaciónScikit-learn
48 horas cronológicas 16 sesiones de 3 h Desde cero 100% online
El programa
Aprende Python desde cero y construye modelos de Machine Learning para resolver problemas reales de negocio.
No enseña Python de forma aislada: cada bloque conduce hacia análisis de datos y Machine Learning.
¿Para quién es?
- Quien quiere aprender a programar desde cero con un objetivo claro: datos y Machine Learning.
- Analistas que ya trabajan con datos y quieren construir modelos predictivos.
- Personas que buscan el programa más técnico de la ruta.
- Quien necesita resolver problemas de negocio con predicción, no solo con reportes.
¿Qué aprenderás?
- Programar en Python con autonomía básica.
- Trabajar eficientemente con datos numéricos usando NumPy.
- Manipular y preparar datos reales con Pandas.
- Explorar datos y encontrar patrones con visualización y EDA.
- Entender el flujo completo de un proyecto de Machine Learning.
- Construir y evaluar modelos de regresión y clasificación.
- Preparar correctamente los datos evitando fugas de información.
- Elegir modelos de forma fundamentada con validación cruzada.
Duración
48 h
cronológicas
Sesiones
16
de 3 horas
Nivel
Desde cero
Desde cero en Python hasta Machine Learning aplicado
Modalidad
100% online
100% práctica
Temario
11 módulos, 48 horas.
Abre cada módulo para ver el detalle de los contenidos.
6 horas
- Variables, tipos y operadores
- Condicionales y bucles
- Listas, tuplas y diccionarios
- Funciones
- Manejo de errores
3 horas
- Arrays e indexación
- Operaciones vectorizadas
- Estadísticas
- Reshape y manipulación numérica
6 horas
- Series y DataFrames
- Lectura de CSV y Excel
- Selección y filtros
- groupby
- merge y concat
- Fechas y limpieza
3 horas
- Matplotlib
- Seaborn
- Distribuciones y correlaciones
- Outliers
- Análisis exploratorio
3 horas
- Supervisado y no supervisado
- Features y target
- Train / test
- Overfitting y underfitting
- Validación
6 horas
- Regresión lineal
- Regresión múltiple
- Predicción
- MAE, MSE, RMSE
- R²
6 horas
- Regresión logística
- Árboles de decisión
- Random Forest
- Matriz de confusión
- Accuracy, precision, recall, F1
- ROC-AUC
3 horas
- Valores faltantes
- Encoding
- Escalamiento
- Pipelines
- Prevención de leakage
3 horas
- Cross-validation
- Comparación de modelos
- Hiperparámetros básicos
- Feature importance
6 horas
- Datos y EDA
- Preparación
- Modelos
- Evaluación
- Predicción y conclusiones
3 horas
- Análisis de ventas
- Predicción de precios
- Churn de clientes
Plan de sesiones
16 sesiones · 3 horas cada una
Cada sesión tiene un caso práctico y un entregable. Así avanza el programa, semana a semana.
| Nº | Tema central | Contenido | Ejercicio / caso | Entregable |
|---|---|---|---|---|
| 01 | Python y entorno | Colab/Jupyter, variables, tipos, operadores | Primer programa y ejercicios | Notebook inicial |
| 02 | Control de flujo | IF, FOR, WHILE, listas y diccionarios | Procesar registros con Python | Ejercicios Python |
| 03 | Funciones y estructuras | Funciones, argumentos, comprensión de listas, errores | Crear funciones para transformar datos | Librería de funciones |
| 04 | NumPy | Arrays, indexación, vectorización, estadísticas | Análisis numérico de datos | Notebook NumPy |
| 05 | Pandas I | Series, DataFrames, lectura de archivos, selección | Cargar y explorar ventas | DataFrame analizado |
| 06 | Pandas II | Filtros, groupby, merge, concat, fechas | Integrar bases de ventas y clientes | Dataset integrado |
| 07 | Limpieza con Pandas | Nulos, duplicados, tipos, outliers básicos | Preparar dataset para modelado | Dataset limpio |
| 08 | EDA y visualización | Matplotlib, Seaborn, distribuciones, correlaciones | Análisis exploratorio de ventas | Informe EDA |
| 09 | Machine Learning | Supervisado, features, target, train/test, overfitting | Diseñar flujo de ML | Pipeline conceptual |
| 10 | Regresión | Regresión lineal, predicción, MAE, RMSE, R² | Predicción de precios | Modelo de regresión |
| 11 | Clasificación I | Regresión logística, matriz de confusión, métricas | Predicción de churn | Modelo de clasificación |
| 12 | Clasificación II | Árboles, Random Forest, comparación de métricas | Comparar clasificadores | Modelos comparados |
| 13 | Preprocesamiento | Encoding, scaling, pipelines, leakage, cross-validation | Pipeline reproducible | Pipeline ML |
| 14 | Selección de modelos | Hiperparámetros básicos, feature importance | Optimizar y seleccionar modelo | Modelo seleccionado |
| 15 | Proyecto final | Integración de EDA, preparación, ML y evaluación | Construcción del proyecto | Proyecto final |
| 16 | Presentación y evaluación | Predicción, interpretación y presentación | Defender solución empresarial | Evaluación final |
Desliza la tabla horizontalmente para ver todo el detalle.
Herramientas
Modelos, métricas y librerías
Las herramientas y modelos que se trabajan durante el programa y cuándo se usa cada uno.
| Categoría | Contenido | Nivel | Aplicación |
|---|---|---|---|
| Regresión | Regresión Lineal | Básico | Target numérico |
| Regresión | MAE / MSE / RMSE / R² | Básico | Evaluar regresión |
| Clasificación | Regresión Logística | Básico-Intermedio | Clasificación binaria |
| Clasificación | Árbol de Decisión | Intermedio | Reglas y no linealidad |
| Clasificación | Random Forest | Intermedio | Clasificación robusta |
| Clasificación | Accuracy / Precision / Recall / F1 | Intermedio | Evaluar clasificación |
| Clasificación | ROC-AUC | Intermedio | Comparar capacidad de discriminación |
| Validación | Train/Test + Cross-validation | Intermedio | Validar modelos |
| Librerías | NumPy · Pandas · Matplotlib · Seaborn · Scikit-learn | Básico-Intermedio | Todo el flujo de trabajo |
Proyecto final
Predicción de abandono de clientes
Un problema de negocio de principio a fin: datos, EDA, preparación, modelos, evaluación, predicción y conclusiones. Antes del proyecto final trabajas tres mini proyectos: ventas, predicción de precios y churn.
Preparación
20%Limpiar, transformar y preparar variables
Pandas + preprocessing
Calidad
Modelado
20%Entrenar modelos adecuados
Scikit-learn
Correcta aplicación
Evaluación
20%Comparar modelos y métricas
Cross-validation + métricas
Rigor
Predicción
15%Generar resultados e interpretar
Modelo final
Utilidad
Presentación
10%Explicar resultados y recomendaciones
Notebook + comunicación
Interpretación
Metodología
No solo ves clases. Construyes.
-
01
Aprende
Conceptos explicados paso a paso.
-
02
Practica
Ejercicios durante las sesiones.
-
03
Aplica
Casos similares a los que encontrarás en una empresa.
-
04
Demuestra
Proyecto y evaluación final.
Certificación
Certificado de aprobación
Al cumplir asistencia, evaluación y proyecto final recibes el certificado de aprobación de Grupo Enthra por 48 horas cronológicas, con tu nota final y un código de certificado.
Certificación propia de Grupo Enthra. No otorga acreditación universitaria ni respaldo de otra institución.
Ver ejemplo del certificado- Nombre del participante
- Nombre del programa
- 48 horas cronológicas
- Nota final
- Fecha de emisión
- Código de certificado
Inversión
Precio del programa
Primera edición
S/ 399
S/ 699
Precio regular del programa: S/ 699
- 48 horas cronológicas
- 16 sesiones prácticas
- Casos reales en cada sesión
- Proyecto final y evaluación
- Certificado de aprobación
- 100% online
Yape
Plin
Transferencia bancaria
FAQ
Preguntas frecuentes
No. Nuestros programas están diseñados para comenzar desde cero y avanzar progresivamente hasta aplicaciones prácticas.
El programa inicia el Martes 6 de octubre de 2026. El horario de las sesiones se confirma al momento de la matrícula; escríbenos por WhatsApp para reservar tu vacante.
Sí. Las clases son en vivo y podrás interactuar con el profesor, realizar preguntas y resolver ejercicios durante la sesión.
48 horas cronológicas repartidas en 16 sesiones de 3 horas. Cada sesión tiene un ejercicio o caso práctico y un entregable.
Trabajarás con Python + Jupyter Notebook / Google Colab. Necesitas una computadora con conexión a internet.
Sí. Recibirás materiales y recursos de apoyo para reforzar lo aprendido durante el programa.
No te preocupes. Tendrás acceso a la grabación de la clase para que puedas revisarla posteriormente.
Sí. Durante las clases podrás realizar preguntas directamente al profesor y recibir orientación sobre los ejercicios y proyectos.
Sí: «Predicción de abandono de clientes». Se evalúa por componentes (exploración, preparación, modelado, evaluación, predicción, presentación) y se presenta en la última sesión.
Sí. Al completar el programa y cumplir con los requisitos establecidos recibirás un certificado de aprobación de Grupo Enthra por 48 horas cronológicas, con tu calificación final.
Puedes realizar tu pago de forma segura a través de los medios de pago habilitados como Yape, Plin o transferencia. Al confirmar tu pago, recibirás las indicaciones para acceder al programa.
Inscripción
Reserva tu vacante
Escríbenos y te contamos fechas, horarios y forma de pago del programa que te interesa.
Escribir por WhatsAppRespondemos por WhatsApp al +51 918 149 372.
contacto@grupoenthra.com
Formación 100% online