Convierte datos en información útil: prepara y explora conjuntos de datos, interpreta resultados y comunica conclusiones con ayuda de ChatGPT.
Características principales
DURACIÓN60 horas
MODALIDADTeleformación
ENFOQUEAplicado a empresas
PRECIOA consultar
PROGRAMA10 bloques · 139 apartados
FORMACIÓN BONIFICADAConsulta las condiciones
Curso disponible en el campus virtual. Las fechas de inicio y las condiciones se confirman antes de la matrícula. La bonificación depende del crédito disponible y de los requisitos aplicables.
APRENDER PARA APLICAR
Objetivos del curso
Desarrollar un método de análisis que permita utilizar ChatGPT como apoyo para preparar datos, explorar información e interpretar resultados con criterio. El recorrido abarca desde la definición de una pregunta hasta la elaboración de un informe para la empresa.
Objetivos para el alumnado
Transformar una necesidad de negocio en preguntas e indicadores concretos.
Preparar conjuntos de datos y comprobar su calidad antes de analizarlos.
Explorar patrones, diferencias y relaciones entre variables.
Interpretar análisis estadísticos, modelos predictivos y series temporales, atendiendo a sus límites.
Elegir visualizaciones y explicar los resultados a distintos destinatarios.
Organizar informes repetibles con controles de revisión.
Aplicar buenas prácticas de privacidad, verificación y uso responsable de IA.
Objetivos para la empresa
Mejorar la lectura de los datos de actividad y disponer de informes claros que ayuden a valorar decisiones. El proyecto final reunirá el proceso de análisis, las comprobaciones realizadas y las conclusiones que pueden sostenerse con los datos disponibles.
CONTENIDOS FORMATIVOS
Programa de Análisis de datos con ChatGPT
Este es el índice completo del curso tal como está montado en el campus: diez bloques con todos sus apartados.
BLOQUE 1Fundamentos del análisis de datos y rol de ChatGPT
¿Qué es el análisis de datos y por qué es importante?
Los cuatro tipos de análisis: descriptivo, diagnóstico, predictivo y prescriptivo
El antes y el después de ChatGPT en el análisis de datos
¿Qué es exactamente ChatGPT y cómo funciona?
Limitaciones críticas de ChatGPT para el análisis de datos
La ingeniería de prompts: el arte de preguntar bien
Ejemplo práctico de prompt bien construido
ChatGPT web versus API: diferencias para el analista de datos
El papel del analista humano en la era de la IA
Ejercicios prácticos del módulo 1
La alfabetización de datos o data literacy
Actividad final de reflexión documentada
BLOQUE 2Preparación y limpieza de datos con ChatGPT
Por qué la limpieza de datos es la etapa más importante y más tediosa
Tipos comunes de suciedad en los datos
Dos estrategias para limpiar datos con ChatGPT
Cómo pedir a ChatGPT que identifique problemas en los datos antes de limpiar
Limpieza de valores faltantes: imputación, eliminación y otras estrategias
Detección y eliminación de duplicados
Estandarización de formatos: fechas, números y textos
Unificación de categorías: cómo limpiar variables categóricas sucias
Detección y tratamiento de outliers
Manejo de datos mal codificados y fuera de rango
Ejercicios prácticos del módulo 2
Buenas prácticas documentación de la limpieza
Limitaciones de ChatGPT en la limpieza de datos y cómo superarlas
BLOQUE 3Análisis exploratorio de datos (EDA) asistido por ChatGPT
Qué es el análisis exploratorio de datos y por qué es fundamental
Los objetivos del EDA: cuatro preguntas clave
Estadística descriptiva: el primer vistazo a los datos
Visualización de distribuciones: histogramas, boxplots y diagramas de violín
Análisis de relaciones entre variables: correlación y diagramas de dispersión
Análisis de variables categóricas: tablas de frecuencia y gráficos de barras
Análisis multivariado: más allá de dos variables
Interpretación de resultados con ChatGPT: de los números a las historias
Detección de patrones y anomalías en el EDA
Generación de hipótesis a partir del EDA
Ejercicios prácticos del módulo 3
Automatización del EDA con ChatGPT
Limitaciones de ChatGPT en el EDA y cómo manejarlas
BLOQUE 4Estadística y pruebas de hipótesis con ayuda de ChatGPT
De la exploración a la inferencia: el salto necesario
Conceptos fundamentales: población, muestra, parámetro y estadístico
Hipótesis nula e hipótesis alternativa
Error tipo I, error tipo II y nivel de significancia
El valor p: qué es y qué no es
Prueba t para una muestra: ¿la media es diferente de un valor de referencia?
Prueba t para dos muestras independientes: comparando dos grupos
Prueba t para muestras pareadas: comparación antes y después
ANOVA de un factor: comparando más de dos grupos
Pruebas no paramétricas: cuando los datos no son normales
Pruebas de proporciones y chi-cuadrado para datos categóricos
Interpretación de resultados y redacción de conclusiones con ChatGPT
Ejercicios prácticos del módulo 4
Tamaño del efecto: más allá del valor p
Potencia estadística y tamaño de muestra
Limitaciones de ChatGPT en pruebas de hipótesis
BLOQUE 5Modelos predictivos y machine learning con ChatGPT
De la descripción a la predicción: un salto de complejidad
Regresión lineal simple: la base de todo
Regresión lineal múltiple: más predictores, mejor predicción
Clasificación binaria con regresión logística
Árboles de decisión: modelos interpretables y no lineales
Random Forest: la fuerza del ensamble
Gradient Boosting: el estado del arte en muchos problemas
Validación y métricas de evaluación de modelos
Ingeniería de variables: mejorar los modelos con mejores predictores
Selección de variables y regularización
Manejo de clases desbalanceadas
Predicción con nuevos datos y despliegue básico
Ejercicios prácticos del módulo 5
Interpretabilidad y explicabilidad de los modelos
Limitaciones de ChatGPT en modelado predictivo
BLOQUE 6Análisis de series temporales con ChatGPT
La dimensión del tiempo: un tipo especial de datos
Componentes de una serie temporal: tendencia, estacionalidad y ruido
Visualización de series temporales: gráficos de líneas y más allá
Estacionariedad: el concepto clave en series temporales
Diferenciación y transformaciones para lograr estacionariedad
Autocorrelación y autocorrelación parcial
Modelo ARIMA: la joya de las series temporales
Validación de modelos de series temporales
Predicción con modelos ARIMA y SARIMA
Modelos alternativos: Prophet de Facebook y suavizamiento exponencial
Detección de anomalías en series temporales
Ejercicios prácticos del módulo 6
Series temporales con múltiples variables: modelos VAR y transferencia
Limitaciones de ChatGPT en series temporales
BLOQUE 7Visualización avanzada y storytelling de datos con ChatGPT
Por qué los gráficos no son suficientes: el arte de contar historias con datos
Principios de visualización efectiva: más allá del gráfico por defecto
Gráficos avanzados para relaciones complejas
Mapas de calor y matrices de correlación mejorados
Visualización de datos geográficos con mapas
Visualización de datos jerárquicos y de red
Dashboards interactivos con herramientas de código bajo
El storytelling de datos: estructura narrativa y arco dramático
Cómo ChatGPT puede redactar explicaciones de gráficos
Paletas de colores, tipografía y accesibilidad
Storytelling con datos en diferentes formatos: informe, presentación, dashboard
Ejercicios prácticos del módulo 7
Evitar trampas comunes: gráficos engañosos y malas prácticas
Integrando ChatGPT en el flujo de trabajo de visualización
Limitaciones de ChatGPT en visualización y storytelling
BLOQUE 8Automatización de informes y flujos de trabajo con ChatGPT
El valor de la automatización en el análisis de datos
Estructura de un flujo de trabajo automatizado
Automatización de la ingesta de datos
Automatización de la limpieza y el análisis recurrente
Generación automática de gráficos
Redacción automática de informes con ChatGPT mediante la API
Generación de informes en HTML, PDF y Word
Programación de tareas con cron o el planificador de Windows
Automatización del envío de informes por correo electrónico
Automatización con Google Sheets y Google Apps Script
Manejo de errores y logging en flujos automatizados
Ejercicios prácticos del módulo 8
Buenas prácticas para scripts automatizados mantenibles
Limitaciones de ChatGPT en automatización
BLOQUE 9Ética, privacidad y buenas prácticas en análisis con IA
El poder conlleva responsabilidad
Principios éticos fundamentales en análisis de datos
Regulaciones de privacidad: GDPR, CCPA y otras
Anonimización, seudonimización y datos sintéticos
Sesgos en los datos y en los modelos
Transparencia y explicabilidad en modelos de IA
Riesgos específicos de usar ChatGPT en análisis de datos
Reproducibilidad: el sello de la buena ciencia
Buenas prácticas para el uso ético de ChatGPT en datos
La responsabilidad legal del analista
Ejercicios prácticos del módulo 9
El futuro de la ética en la IA generativa
Limitaciones de ChatGPT en cuestiones éticas
BLOQUE 10Proyecto final integrador
Propósito del proyecto final
Descripción del conjunto de datos
Fases del proyecto final
Fase 1: Planteamiento del problema y limpieza inicial
Fase 2: Análisis exploratorio de datos completo
Fase 3: Modelización predictiva
Fase 4: Visualización avanzada y storytelling
Fase 5: Automatización y entrega final
Criterios de evaluación del proyecto final
Ejemplo de proyecto: predicción de abandono de clientes
Consejos para el éxito en el proyecto final
Posibles extensiones para proyectos avanzados
Presentación del proyecto
Autoevaluación y reflexión final
10 bloques · 139 apartados60 horas de teleformación
CONOCE LA FORMACIÓN
Sobre el curso
Descripción general
Un recorrido por las etapas del análisis de datos con apoyo de ChatGPT: preparación, exploración, estadística, predicción, visualización y comunicación. El programa incorpora también la organización de informes y la revisión ética del proceso.
¿A quién va dirigido?
A profesionales de administración, ventas, operaciones y gestión, responsables de equipo y personas que trabajan con tablas e informes y quieren profundizar en el análisis de información empresarial.
Conocimientos y medios recomendados
Se recomienda manejar hojas de cálculo y comprender operaciones y porcentajes. Los bloques de estadística y modelos predictivos introducen contenidos de mayor complejidad.
Para las prácticas se recomienda ordenador, conexión a internet y acceso a ChatGPT autorizado para el trabajo previsto. Los accesos y herramientas concretos se confirmarán antes de comenzar.
Beneficios profesionales
Preparar datos de forma ordenada y documentar las correcciones.
Revisar cálculos e interpretaciones antes de incorporarlos a un informe.
Comunicar resultados mediante gráficos y explicaciones claras.
Disponer de un proceso de análisis que pueda repetirse y mejorarse.
METODOLOGÍA
De los datos al informe
Modalidad de teleformación. El temario se estudia en el campus virtual, al ritmo de cada alumno y desde cualquier dispositivo, combinando contenidos explicativos, ejemplos y actividades sobre datos ficticios o anonimizados, hasta el proyecto integrador del último bloque. La plataforma registra el avance y el tiempo de conexión, y cada alumno dispone de un tutor asignado.
60 horas. Las fechas de cada grupo se concretan antes del inicio.
COMPROBAR LO APRENDIDO
Evaluación propuesta
Ejercicios de aplicación durante los bloques y un proyecto final que reúna el análisis y su comunicación. Los criterios de calificación se concretarán antes del inicio.
Calidad de los datos y trazabilidad de las transformaciones.
Adecuación del análisis a la pregunta planteada.
Verificación de resultados y reconocimiento de limitaciones.
Claridad de los gráficos, conclusiones y recomendaciones.
Sobre FIEX
Formación orientada a aplicar lo aprendido en las tareas de las empresas. Nuestro equipo te informará sobre disponibilidad, accesos y condiciones del curso.
FORMACIÓN BONIFICADA
¿Qué opciones tiene tu empresa?
Revisamos tu caso antes de concretar las condiciones del curso.
Esta web solo usa cookies necesarias
Sirven para que funcione el acceso al campus y poco más. No hay publicidad ni seguimiento, ni
compartimos nada con terceros. Puedes leerlo todo en la
política de cookies.
