IMT2200 Introducción a Ciencia de Datos

Vivimos rodeados de datos. Cada decisión en empresas, organizaciones públicas o investigaciones científicas puede apoyarse en evidencia si sabemos cómo extraerla y entenderla. Este curso entrega los fundamentos para navegar el mundo de la ciencia de datos, una disciplina interdisciplinaria que combina matemáticas, estadística, programación y pensamiento crítico para transformar datos en valor.

Este curso forma parte del plan de pregrado del Instituto de Ingeniería Matemática y Computacional (IMC) de la Escuela de Ingeniería UC. Está diseñado para estudiantes que quieran iniciarse en el uso aplicado de datos, cubriendo herramientas modernas como Python, pandas, Jupyter, y algoritmos básicos de aprendizaje de máquina.

🎓 ¿Por qué este curso es clave en la formación actual?

Ciencia de datos es una de las habilidades más demandadas del mundo actual. Este curso busca que los estudiantes:

• Comprendan qué es ciencia de datos y cómo se usa en ciencia, industria y sociedad.
• Aprendan a trabajar con datos reales: desde su recolección hasta su análisis y visualización.
• Apliquen modelos estadísticos y de machine learning para hacer predicciones y tomar decisiones.
• Se familiaricen con herramientas profesionales que se usan en la industria.
• Desarrollen pensamiento crítico y reflexivo frente al uso de datos y algoritmos.

Durante el semestre, los estudiantes participarán de clases prácticas, resolverán tareas con datos reales, y asistirán a charlas con expertos del mundo académico y empresarial que mostrarán cómo la ciencia de datos genera impacto en distintos dominios.

🧭 Contenidos del curso

El curso se organiza en los siguientes módulos:

1. Introducción a la ciencia de datos

• ¿Qué es ciencia de datos? ¿Por qué es importante?
• Ciclo de vida de un proyecto de datos.

2. ETL: Extracción, transformación y carga de datos

• Acceso a fuentes de datos (APIs, CSV, scraping).
• Limpieza, transformación y tipos de datos.

3. Fundamentos matemáticos y estadísticos

• Estadística descriptiva.
• Distribuciones y visualización.

4. Análisis exploratorio de datos (EDA)

• Visualización univariada y multivariada.
• Manejo de outliers, agrupamientos, correlaciones.

5. Modelamiento estadístico y aprendizaje de máquina

• Regresión lineal.
• Clasificación básica (logística, SVM).
• Introducción a clustering y reducción de dimensionalidad.

6. Visualización y comunicación

• Buenas prácticas de visualización.
• Herramientas para comunicar resultados y narrativas con datos.

🛠️ Herramientas y software recomendados

Durante el curso se utiliza el lenguaje de programación Python y sus principales bibliotecas para ciencia de datos. Se recomienda instalar el stack mediante Anaconda o usar entornos como Google Colab.

• Python (vía Anaconda)
  👉 Descargar Anaconda

• Jupyter Notebooks
  Entorno interactivo para análisis de datos reproducible.
  👉 Jupyter.org

• pandas, NumPy, matplotlib, seaborn, scikit-learn
  Bibliotecas base para análisis, visualización y modelamiento.
  👉 scikit-learn.org

• GitHub
  Se utiliza para entregar tareas y proyectos.
  👉 Repositorio oficial del curso

📚 Libros recomendados

A continuación encontrarás una selección de libros útiles para reforzar y profundizar los contenidos del curso. Todos están en inglés, pero varios de ellos se complementan con notebooks y documentación en línea.

🔹 Texto guía

• Wes McKinney (2022) – Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter. O’Reilly.
  El libro esencial para aprender a manejar y transformar datos con pandas.
  👉 Ver en Amazon

🔸 Textos adicionales

• Jake VanderPlas (2022) – Python Data Science Handbook: Essential Tools for Working with Data. O’Reilly.
  Cobertura práctica de todo el stack de ciencia de datos con Python.
  👉 Ver en Amazon

• Joel Grus (2019) – Data Science from Scratch: First Principles with Python. O’Reilly.
  Explica desde cero los conceptos de ciencia de datos implementando algoritmos en Python.
  👉 Ver en Amazon

• Claus Wilke (2019) – Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. O’Reilly.
  Libro visualmente atractivo que enseña a diseñar gráficos informativos.
  👉 Ver en Amazon

• Provost & Fawcett (2013) – Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O’Reilly.
  Expone el pensamiento detrás del análisis de datos aplicado a negocios.
  👉 Ver en Amazon

• Cathy O’Neil (2016) – Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Crown Books.
  Un ensayo crítico sobre el impacto negativo de modelos mal diseñados.
  👉 Ver en Amazon

• O’Neil & Schutt (2013) – Doing Data Science: Straight Talk from the Frontline. O’Reilly.
  Conversaciones reales sobre cómo se hace ciencia de datos en la práctica.
  👉 Ver en Amazon

🔗 Proyectos relacionados

El curso se conecta con proyectos reales desarrollados en RAX Lab, donde se aplican herramientas similares:

• 🌾 Plataforma SAVIIA para datos científicos de campo
• ⚕️ Ciencia de datos en listas de espera oncológicas
• 📈 Monitoreo y análisis de microredes energéticas

Este curso es una puerta de entrada al mundo de la ciencia de datos: riguroso, ético, creativo y con impacto real. Si quieres aprender a pensar con datos y usarlos para transformar decisiones, este es tu punto de partida.