Data Science | 1
Data Science
Descubre el poder de los datos y transforma tu perfil profesional.
Este programa te prepara para analizar, modelar y visualizar datos
provenientes de diversas fuentes, generando soluciones con
impacto real en el negocio. Aprenderás a construir modelos
predictivos, manipular grandes volúmenes de datos y llevar
modelos a producción utilizando herramientas de vanguardia.
Potenciarás tus capacidades con prácticas guiadas, proyectos
aplicados y recursos de inteligencia artificial. Nuestro enfoque
práctico y progresivo, orientado a la empleabilidad, te permitirá
destacarte en el mundo tech.
¿Qué vas a aprender?
Fundamentos de ciencia de datos, estadística y programación
con Python.
Limpieza, análisis y transformación de datos con Pandas, Numpy
y SQL.
Desarrollo de dashboards interactivos con Power BI y narrativa
con datos (Data Storytelling).
Construcción y evaluación de modelos de machine learning
supervisado y no supervisado.
Análisis de series temporales y creación de sistemas de
recomendación.
Arquitectura de datos: bases relacionales y NoSQL, modelado
dimensional, Snowflake.
Implementación de pipelines de datos, entrenamiento con
PySpark y despliegue de modelos con APIs (FastAPI, Streamlit).
Principios de MLOps: versionado, automatización, monitoreo y
buenas prácticas de desarrollo en proyectos de ML.
2025
Data Science | 2
Stack Tech
Trabajarás con las herramientas y tecnologías más demandadas:
Análisis y modelado: Python (Pandas, NumPy, Scikit-learn,
Seaborn, Matplotlib), SQL (MySQL, PostgreSQL), MongoDB,
Power Query
Visualización: Power BI, Streamlit, Matplotlib, Seaborn
Machine Learning: Scikit-learn, PyCaret, MLflow, Prophet,
XGBoost, DBSCAN, Optuna
Data Engineering: Airflow, SQLAlchemy, Docker, Snowflake,
FastAPI
Cloud Computing: Cloud, GitHub Actions, Git.
Requisitos
No se requieren conocimientos técnicos previos
Se espera contar con experiencia laboral de, al menos, un año en
áreas de negocio o ser estudiante avanzado de carreras
universitarias en disciplinas STEM
Habilidades comunicacionales e inglés básico serán valorados.
¿A quién va dirigido?
→ Profesionales de economía, negocios, ingeniería, estadística,
matemática, física o afines que quieran desarrollar habilidades
técnicas en ciencia de datos.
→Analistas de datos que busquen profundizar en estadística,
visualización o machine learning.
→Perfiles de negocio que quieran evolucionar hacia roles técnicos y
estratégicos, orientados al uso de datos en la toma de decisiones.
2025
Data Science | 3
Bootcamp Data Science
Dedicación: 45 clases + Labs
Part-Time 32 semanas (8 meses) Full-Time 15 semanas (4 meses)
Módulo 1 | Fundamentos de Ciencia de Datos, estadística y programación
Part-Time 6 semanas Full-Time 3 semanas
Objetivo de aprendizaje
Comprender los fundamentos de la ciencia de datos, adquirir habilidades de
programación en Python, y aplicar conceptos clave de estadística descriptiva e
inferencial. Llevar adelante proyectos iniciales de análisis y exploración de datos
a partir de múltiples fuentes.
Temas
Ciencia de datos: definición, roles y metodologías; Introducción a Python y principios
básicos; Expresiones iterativas y manejo de excepciones; Funciones; Programación
orientada a objetos (POO); Manipulación de datos con Python; Estadística
descriptiva con Python; Análisis exploratorio de datos y visualizaciones básicas con
Python; Estadística inferencial y probabilidad con Python; Web scrapping.
Proyecto aplicado al sector de marketing
Aplicar web scraping para extraer datos de reseñas, precios, ubicaciones de
restaurantes, realizar limpieza y manipulación con Python, y generar estadísticas
descriptivas. Énfasis en el desarrollo de propuestas e insights significativos.
Módulo 2 | Bases de datos y arquitectura
Part-Time 6 semanas Full-Time 3 semanas
Objetivo de aprendizaje
Diseñar y gestionar modelos de datos relacionales y NoSQL, aplicar técnicas de
modelado dimensional y comprender arquitecturas de datos modernas. Usar
herramientas para almacenamiento y procesamiento eficiente en la nube.
2025
Data Science| 4
Temas
Introducción a las bases de datos y sublenguaje DDL; Sublenguaje DML; Consultas
compuestas y gestión de bases de datos; Subconsultas y funciones de ventana;
Introducción al Modelado de datos; Modelado de datos Avanzado; Fundamentos
de NoSQL (MongoDB, Vector Database); Data warehousing con Snowflake;
Fundamentos de arquitectura de datos; Arquitectura de datos avanzada.
Proyecto aplicado al sector de transporte
Se buscará que el estudiante realice un modelo relacional desde cero, partiendo de
una comprensión del negocio. Posteriormente, se le pedirá crear la base de datos,
generar datos dummies y profundizar en el manejo de la arquitectura para
disponibilizar los servicios.
Módulo 3 | Business Intelligence y visualización de datos
Part-Time 3 semanas Full-Time 1 semana
Objetivo de aprendizaje
Diseñar visualizaciones efectivas, construir dashboards interactivos y aplicar estrategias
de data storytelling para comunicar hallazgos relevantes en contextos de negocio.
Temas
Data Storytelling y estrategias de presentación de información; Creación de
Visualizaciones y Dashboards en Power BI; Power Query; Modelo relacional en
Power BI; DAX y Creación de KPIs en Power BI.
Proyecto aplicado al sector de análisis de ventas
Realización de tablero en Power BI con la creación de KPIs, medidas calculadas,
parámetros, entre otros aspectos.
Módulo 4 | Machine Learning (7 semanas)
Part-Time 6 semanas Full-Time 3 semanas
Objetivo de aprendizaje
Construir, entrenar y evaluar modelos de machine learning supervisado y no
supervisado, aplicar técnicas de optimización, validación cruzada y análisis de series
temporales. Implementar sistemas de recomendación y modelos predictivos robustos.
2025
Data Science| 5
Temas
Introducción al Machine Learning; Aprendizaje supervisado I: Regresión; Aprendizaje
supervisado II: Regresión logística; Aprendizaje supervisado II: Modelos clasificación y
métricas de evaluación; Modelos de ensamble; Optimización de modelos; Aprendizaje
no supervisado I; Aprendizaje no supervisado II; Análisis de series temporales;
Introducción al Deep Learning.
Proyecto aplicado al sector de finanzas
Análisis de churn, fuga de clientes en el sector financiero. Acá se pretende hacer
todo el proceso de modelamiento, evaluación. Se entregará un notebook completo
con la optimización de hiperparámetros, entre otros.
Módulo 5 | Fundamentos de nube y Ciencia de Datos de producción
Part-Time 5 semanas Full-Time 2 semanas
Objetivo de aprendizaje
Llevar modelos a producción mediante buenas prácticas de ingeniería, MLOps y
DevOps. Automatizar pipelines, contenerizar modelos y disponibilizarlos vía APIs
utilizando herramientas modernas en la nube.
Temas
Gestión de experimentos; Control de versiones; Introducción a la computación en la
nube; Entrenamiento de modelos con Big Data; Pipeline de un modelo de ML;
Disponibilización de un modelo de ML; Introducción al MLOps; CI/CD para ML;
Estructuración de proyectos de ML; Aplicaciones Basadas en Contenedores en
Docker.
Proyecto aplicado al sector de finanzas
Desarrollo de un sistema completo para entrenamiento, validación y puesta en
producción de modelos de machine learning. Incluye scripts en Python, pruebas
unitarias e integración, validación de datos y modelos, experiment tracking y
construcción de pipelines para features, entrenamiento y predicción.
2025
Data Science | 6
Proyecto final
Implementarán todo lo aprendido en el programa en un proyecto
integrador final, basado en casos de la vida real, para que amplíen su
experiencia y aplicación práctica, bajo metodología ágil SCRUM y
simulando un ambiente laboral y de trabajo en equipo.
Foco en empleabilidad
Este programa no solo te brinda conocimientos técnicos, sino que
también te prepara para el mercado laboral con
Career Coaching personalizado
Job Preparation para entrevistas y pruebas técnicas
Networking con la comunidad tech de Henry
Potencia tu aprendizaje con herramientas de Inteligencia Artificial a lo
largo de toda la carrera.
2025