También incluida en Especialización en Datos, Ciencia de Datos y Agentes de IA
Edición de esta ficha
Inicio 2 nov 2026
2, 4, 9, 11, 16, 18, 23 y 25 de noviembre de 2026
Lunes y miércoles, 20:00 a 21:30 hora de Chile
Inscripciones abiertasCurso individualCiencia de Datos aplicadaOnline en vivo
Ciencia de Datos Aplicada con Python
Diseña, entrena y evalúa un modelo de ciencia de datos de punta a punta, con decisiones justificadas y resultados reproducibles.
Inscribirme en este curso
Inversión
$249.990 CLP · IVA incluido
US$300 para pagos internacionales
Precio final.
Primero completas los datos del estudiante y después eliges Mercado Pago, PayPal cuando esté disponible o transferencia.
Ciclo del modelo
01
Diseñar
Target, población, ventanas y métrica.
02
Modelar
Features, algoritmos y validación.
03
Explicar
Errores, límites, decisión y documentación.
El mejor modelo no es el más complejo: es el que generaliza, puede explicarse y mejora una decisión concreta.
Compra individual · Fecha principal
2, 4, 9, 11, 16, 18, 23 y 25 de noviembre de 2026
Puedes comprar este curso por separado. No exige seguir los cursos anteriores de la especialización.
Matrícula de especialización · Ruta completa
Cohorte noviembre 2026 · 2 nov–25 nov 2026
El mismo curso también forma parte de Especialización en Datos, Ciencia de Datos y Agentes de IA. Cuando eliges una cohorte compartida, las clases, cupos y aula son los mismos.
Ver ruta y calendario completoPróxima fecha
2, 4, 9, 11, 16, 18, 23 y 25 de noviembre de 2026
Horario
Lunes y miércoles, 20:00 a 21:30 hora de Chile
Duración
24 horas totales
Inversión
$249.990 CLP · IVA incluido · US$300
Carga académica real
Las competencias requieren práctica entre clases.
24 horas totales: 8 clases · 12 horas online en vivo y 12 horas de trabajo autónomo recomendado.
Conocimientos de entrada
SQL básico. La ruta completa entrega esa base y el curso comienza con un puente práctico de Python y pandas; el ingreso independiente contempla diagnóstico o nivelación cuando sea necesaria.
Entregable aplicado
Un proyecto reproducible en Python con problema definido, preparación de datos, modelos comparados, validación, regla de decisión, model card y presentación ejecutiva.
Respaldo académico
Programa diseñado y operado por Academia Bayes. Operación comercial: NEXO LABS SPA · RUT 78.197.007-7.
Modalidad
Clases online en vivo con fechas y horario informados.
Aula y materiales
Acceso privado a enlaces, materiales y grabaciones cuando la edición las incluya.
Certificación
Certificado según las condiciones de participación de la edición.
Inscripción individual
Elige entre las próximas ediciones.
Mostramos los próximos inicios, sin desplegar todo el calendario del año. La compra cubre solo este curso. Si una fecha también forma parte de una especialización, los estudiantes comparten la misma cohorte, clases, cupos y aula.
Máximo 25 estudiantes por cohorte
Edición diciembre 2026 · Curso individual
Inicio 1 dic 2026
1, 3, 10, 15, 17, 22, 24 y 29 de diciembre de 2026
Martes y jueves, 20:00 a 21:30 hora de Chile (America/Santiago)
Machine learning aplicado
Modelos que responden una pregunta y resisten revisión.
El curso une estadística, programación y criterio de negocio dentro de un único proyecto supervisado reproducible en Python.
01
Propensión y clasificación
Elegir clasificación como proyecto central para estimar una probabilidad y priorizar acciones; regresión se revisa como contraste.
02
Predicción numérica
Elegir regresión como proyecto central para estimar demanda, valor o duración; clasificación se revisa como contraste.
03
Comparación de modelos
Contrastar una línea base y modelos supervisados con una métrica coherente con la decisión de negocio.
04
Modelo explicable
Traducir variables, contribuciones y limitaciones a evidencia que negocio pueda revisar y utilizar.
Contenido previsto
Del target a un modelo explicable
Un proyecto supervisado para preparar datos, comparar algoritmos, validar resultados y documentar una solución predictiva.
Pensado para
Analistas y profesionales que ya trabajan con datos y quieren avanzar desde análisis descriptivo hacia modelos predictivos aplicados.
Puente práctico de Python, entorno y pandas
Sintaxis esencial, notebooks, entornos, estructura de proyecto, carga de datos, perfiles y transformaciones básicas con pandas.
Definición del problema y prevención de fuga de información
Pregunta de negocio, unidad de análisis, población, target, ventanas, baseline, leakage y estrategia de partición.
Exploración, limpieza e ingeniería de variables
Valores faltantes, outliers, codificación, escalamiento, creación de variables y pipeline de preparación.
Modelos base y métricas
Clasificación o regresión, modelo ingenuo, línea base, métricas y relación entre error y decisión de negocio.
Árboles, ensambles y comparación de modelos
Árboles, random forest, boosting, hiperparámetros y comparación controlada de modelos candidatos.
Validación y análisis de errores
Train, validation y test, validación cruzada, desbalance, calibración, curvas y segmentación de errores.
Explicabilidad, sesgos y regla de decisión
Importancias, explicaciones globales y locales, sesgos, umbrales, trazabilidad y model card.
Proyecto aplicado de Ciencia de Datos
Integración del ciclo completo, demostración técnica, resultados reproducibles y presentación ejecutiva.
Enfoque profesional
Una métrica alta no corrige un problema mal definido
Target, ventanas, muestras y uso esperado deben quedar resueltos antes de entrenar el primer algoritmo.
Particiones y métrica definidas antes de comparar modelos.
Pipeline reproducible desde datos hasta predicción.
Errores, sesgos y limitaciones documentados.
Resultado conectado con una acción de negocio.
Resultado esperado
Un proyecto reproducible en Python con problema definido, preparación de datos, modelos comparados, validación, regla de decisión, model card y presentación ejecutiva.
No garantiza empleabilidad, desempeño productivo inmediato ni dominio de toda la estadística o ingeniería de machine learning.
Inscripciones abiertas
Reserva tu cupo en esta edición.
Completa tus datos, elige tu forma de pago y conserva el código de inscripción. El acceso al aula se habilita cuando el pago queda confirmado.
Inversión
$249.990 CLP · IVA incluido
US$300 para pagos internacionales. El medio exacto disponible se mostrará antes de salir de Academia Bayes.
Precio final.
Preguntas frecuentes
Antes de inscribirte
La fecha, el horario y el valor están definidos. Antes de pagar verás el resumen completo de tu inscripción.
¿Cuándo se abrirá una nueva edición?
La próxima edición ya tiene calendario: 2, 4, 9, 11, 16, 18, 23 y 25 de noviembre de 2026, Lunes y miércoles, 20:00 a 21:30 hora de Chile. La inscripción y el pago están disponibles en esta página.
¿Registrarme implica pagar?
No. Primero completas tus datos y luego eliges el medio de pago. El cupo se confirma una vez que el pago queda aprobado o verificado.
¿Qué conocimientos previos necesito?
SQL básico. La ruta completa entrega esa base y el curso comienza con un puente práctico de Python y pandas; el ingreso independiente contempla diagnóstico o nivelación cuando sea necesaria.
¿Cuánto tiempo debo dedicar además de las clases?
24 horas totales: 8 clases · 12 horas online en vivo y 12 horas de trabajo autónomo recomendado. La competencia esperada supone completar los laboratorios y el entregable aplicado entre clases.
¿Puedo cursarlo sin completar la especialización?
Sí. Puedes matricular este curso de manera individual sin comprar la especialización completa.
¿Debo seguir el orden de la especialización?
No si lo tomas de forma individual y cumples sus requisitos de entrada. La especialización sí conecta los tres proyectos y exige aprobar los tres cursos.