Curso Introducción a la Ciencia de Datos

Introduccion a la ciencia de datos

Presentación del curso y motivación

El curso “Introducción a la Ciencia de Datos” es la puerta de entrada a uno de los campos más apasionantes, transformadores y estratégicos del siglo XXI. Dirigido a estudiantes que inician su camino en esta disciplina, el curso no requiere conocimientos previos de programación ni matemáticas avanzadas. Por el contrario, está diseñado para despertar la curiosidad, generar entusiasmo y brindar una comprensión clara, accesible y motivadora sobre el impacto real que la ciencia de datos puede tener en el mundo. Desde la predicción del clima hasta el análisis de redes sociales, pasando por la mejora de la atención médica, la eficiencia en el transporte o la toma de decisiones inteligentes en negocios, la ciencia de datos está presente en casi todos los aspectos de nuestra vida. Este curso busca maravillar a los estudiantes con ejemplos concretos, soluciones inspiradoras y herramientas visuales que les permitan ver, desde el primer día, el poder que tiene esta disciplina para transformar realidades y generar conocimiento a partir de los datos.

Objetivos del curso

  • Comprender los fundamentos conceptuales de la ciencia de datos y su rol en la sociedad contemporánea.
  • Explorar, sin barreras técnicas, las etapas clave del ciclo de vida de los datos: recolección, limpieza, visualización, modelado y comunicación.
  • Conocer aplicaciones reales en diversas áreas como salud, medio ambiente, educación, negocios, justicia, sostenibilidad, y más.
  • Desarrollar la capacidad crítica para identificar problemas donde los datos pueden ser parte de la solución.
  • Motivar el aprendizaje autónomo, la creatividad y el deseo de profundizar en herramientas técnicas en cursos posteriores.

Metodología del curso

La metodología de este curso está basada en el aprendizaje exploratorio, activo y guiado por el asombro. A través de estudios de caso, dinámicas participativas, juegos de datos, visualizaciones interactivas, simulaciones y herramientas de análisis accesibles, los estudiantes vivirán experiencias que les permitan pensar como científicos de datos desde el inicio, incluso sin escribir una sola línea de código. Se privilegiará el uso de herramientas visuales y plataformas intuitivas (como Power BI, Tableau, Google Sheets, Datawrapper, Python Profiling o Alteryx en su modo visual), con sesiones en las que los estudiantes puedan analizar datos reales, construir reportes, interpretar gráficas y discutir implicaciones sociales, éticas y profesionales del trabajo con datos.

El curso se apoya en exposiciones breves, videos explicativos, conversaciones guiadas y trabajo colaborativo. Se promoverán ejercicios que estimulen la curiosidad, el pensamiento crítico y la conciencia del potencial transformador de los datos en la toma de decisiones informadas.

Proyecto final y feria de ciencia de datos

Como culminación del proceso formativo, al final del curso los estudiantes desarrollarán un proyecto grupal integrador, en el que deberán diseñar, ejecutar y analizar un experimento original que combine sensado físico, recolección rigurosa de datos y técnicas avanzadas de análisis y modelado. Este proyecto representa una oportunidad para aplicar de forma creativa e independiente los conocimientos adquiridos a lo largo del semestre, enfrentándose a un problema abierto que requiere pensamiento crítico, autonomía y colaboración efectiva. Los proyectos serán presentados públicamente en la Feria de Proyectos de Ciencia de Datos, un espacio institucional de socialización académica donde los estudiantes podrán compartir sus resultados con sus compañeros, docentes e invitados. Algunos proyectos también podrán ser seleccionados para participar en la Feria de Ciencias de la Universidad, ampliando el alcance del trabajo y fomentando la apropiación social del conocimiento generado. Este cierre busca reforzar las competencias de comunicación científica, el trabajo interdisciplinario y el compromiso con la calidad en todas las etapas del ciclo de análisis de datos.

Programación del curso por cortes — Introducción a la Ciencia de Datos - Periodo 202520/202610

Corte 1 · Mini-dashboard (HTML + CSS) con World Happiness Report

  • Objetivo. Construir una página web estática (un solo index.html con <style> embebido) que muestre la evolución de la felicidad de Colombia por año, sus variables asociadas y comparaciones con países mejor y peor posicionados.
  • Datos.
  • Requisitos mínimos.
    • Título y breve explicación (3–5 líneas) del indicador.
    • Tabla/lista con Colombia por año (últimos 10–12 años disponibles).
    • Dos comparaciones: Top (un país por encima) y Bottom (uno por debajo).
    • Un gráfico simple sin librerías JS (p. ej., barras con <div> y width: en CSS o <svg> nativo).
    • Citas y fecha de acceso.
  • Entregable. index.html (más imágenes si usas).
  • Evaluación (100 pts). 30 datos correctos · 30 diseño/legibilidad · 25 narrativa · 15 limpieza del código.
Materiales Varios Descripción ¿Donde?
Notebook para reproducir Figura 2.1 de WHR2025 Una pequeña introducción que nos va a durar un par de semanas HappinessReport2025.ipynb
Conjunto de Datos del WHR2025 Datos para el notebook anterior WHR25_Data_Figure_2.1.xlsx

Corte 2 · Mini-unidad: dashboards automatizados con Power BI (4 semanas)

  • Objetivo. Diseñar un dashboard interactivo y automatizable en Power BI a partir de datos reales, para explorar indicadores clave, apoyar la toma de decisiones y comunicar hallazgos de forma clara y visual.
  • Datos.
  • ¿Qué haremos?
    • Semana 1. Qué es un dashboard, KPI, audiencia y preguntas de análisis. Cargar un CSV/Excel en Power BI Desktop. Power BI Desktop sigue disponible gratis para crear reportes, y Looker Studio sigue siendo una alternativa web sin costo.
    • Semana 2. Limpieza básica y modelado: tipos de datos, fechas, categorías, relaciones simples y columnas calculadas básicas.
    • Semana 3. Construcción del dashboard: tarjetas, barras, líneas, segmentadores, filtros y diseño visual.
    • Semana 4. Automatización básica: conectar a una fuente actualizable, refrescar datos y entregar un dashboard con una historia clara.
  • Entregable. index.html (más imágenes si usas).
Materiales Varios Descripción ¿Donde?
Notebook para transformar datos Un notebook inicial que nos ayudará a dejar un dataset listo para PowerBI Notebook, Transformar datos… (powerbi_education_gender_prep.ipynb)
Conjunto de Datos: Excel transformado (Para PowerBI) Datos exportados del notebook anterior gender_gap_education_2020_2024_powerbi.csv

Actividad final de corte: Dashboard de Importaciones de Colombia en Power BI

Objetivos El dataset ¿Donde?
Construir un dashboard interactivo en Power BI que permita explorar las importaciones de Colombia desde 1980 hasta 2026, utilizando un dataset real del DANE/DIAN. La actividad busca que el estudiante practique la carga y transformación de datos, domine los principales tipos de visualización de Power BI, y desarrolle la capacidad de formular y responder preguntas analíticas a partir de datos reales. El archivo importaciones_colombia_unificado.csv contiene 12,865 registros de importaciones colombianas con las siguientes columnas: codigo_pais_m49: Código numérico UN M49I, codigo_iso3: Código ISO 3166 alfa-3 (COL, USA, CHN…), pais_origen: Nombre del país en español, anio: Año (1980–2026), capitulo: Capítulo arancelario o Categoría de producto, valor_dolares_cif: Valor importado en USD, log_valor: log₁₀ del valor, continente: África, América, Asia, Europa, Oceanía, region: (Sudamérica, Asia Oriental…), bloque_economico: OCDE, BRICS, CAN, Alianza del Pacífico Ve a: importaciones_colombia_unificado.csv. Nota sobre los datos: Los datos provienen de los anexos estadísticos de importaciones publicados por el DANE y la DIAN, actualizados a enero de 2026. Los valores están expresados en dólares CIF. Los años 2025 y 2026 contienen cifras provisionales y parciales. Todo lo saqué de: https://www.dane.gov.co/index.php/estadisticas-por-tema/comercio-internacional (Abril 2026)

¿Qué hacer?

  • Parte 1 — Carga y preparación de datos. Al importar el CSV en Power BI, el estudiante debe verificar en el Editor de Power Query que:
    • Los tipos de datos estén correctamente asignados (texto, número entero, número decimal).
    • La columna anio se reconozca como número entero, no como fecha.
    • Los valores nulos en bloque_economico se mantengan tal cual (representan países que no pertenecen a ninguno de los bloques definidos).
  • Parte 2 — Visualizaciones requeridas:
    • 2.1 Mapa coroplético: ¿De dónde importa Colombia? Crear un mapa que muestre la distribución geográfica de las importaciones usando codigo_iso3 como campo de ubicación y valor_dolares_cif (o log_valor para mejor contraste visual) como métrica de color. Agregar un slicer de anio para que el mapa sea dinámico en el tiempo. Pregunta guía: ¿La concentración geográfica de proveedores ha cambiado entre 1990 y 2024?
    • 2.2 Línea de tiempo: evolución total de importaciones. Gráfico de líneas con anio en el eje X y la suma de valor_dolares_cif en el eje Y, filtrando solo los registros donde capitulo = “TOTAL”. El estudiante debe poder identificar visualmente al menos tres eventos macroeconómicos en la serie: la apertura económica de los años 90, la crisis financiera de 2008–2009, y la caída por COVID-19 en 2020. Pregunta guía: ¿Cuánto tardó Colombia en recuperar el nivel de importaciones previo al COVID?
    • 2.3 Barras apiladas: composición por continente. Gráfico de barras apiladas con anio en el eje y valor_dolares_cif sumado, desglosado por continente. Esto permite observar cómo Asia ha ganado participación frente a América y Europa a lo largo de las décadas. Pregunta guía: ¿En qué año Asia superó a Europa como origen de importaciones?
    • 2.4 Treemap: ¿Qué importa Colombia? Treemap usando los 25 capítulos arancelarios (excluyendo “TOTAL”), con el tamaño proporcional al valor_dolares_cif para un año reciente (2024). Usar capitulo como categoría. Pregunta guía: ¿Qué tres capítulos representan la mayor parte de las importaciones y qué implica eso sobre la estructura productiva del país?
    • 2.5 Gráfico de líneas comparativo: China vs. Estados Unidos. Filtrar dos países y graficar su evolución en el mismo chart. En 1990, China exportaba prácticamente $0 a Colombia; en 2024 ya está casi a la par con Estados Unidos (~$16B cada uno). Esta es probablemente la historia más impactante del dataset. Pregunta guía: ¿En qué año China superó a cada uno de los socios europeos tradicionales (Alemania, Francia, España)?
    • 2.6 Tabla matricial con drill-down: capítulo × país. Crear una matriz con capitulo en filas, pais_origen en columnas y valor_dolares_cif como valor, para un año seleccionado. Esto permite responder preguntas como “¿de dónde vienen los vehículos?” o “¿quién domina el mercado farmacéutico?”. Pregunta guía: ¿Hay capítulos donde un solo país concentra más del 50% de las importaciones?
    • 2.7 Gráfico de anillo o dona: participación por bloque económico. Usando la columna bloque_economico, mostrar qué proporción del valor importado proviene de países OCDE, BRICS, CAN o Alianza del Pacífico. El segmento sin bloque asignado también es informativo. Pregunta guía: ¿Qué proporción de las importaciones colombianas proviene de países con los que Colombia comparte un acuerdo comercial o bloque?
  • Parte 3 — Interactividad. El dashboard debe incluir al menos:
    • Un slicer de año (o rango de años) que filtre todas las visualizaciones.
    • Un slicer de continente para exploración geográfica.
    • Cross-filtering entre visualizaciones: al hacer clic en un país del mapa, las demás gráficas deben actualizarse.
  • Parte 4 — Análisis escrito (mínimo una página). El estudiante debe acompañar su dashboard con un texto analítico que responda al menos tres de las siguientes preguntas usando evidencia de sus propias visualizaciones:
    • ¿Cómo ha cambiado la dependencia comercial de Colombia respecto a Estados Unidos en las últimas cuatro décadas?
    • ¿Qué papel juega China hoy en la estructura de importaciones y cómo se compara con su papel hace 20 años?
    • ¿Qué impacto visible tuvo la pandemia de 2020 en las importaciones, y la recuperación fue uniforme por sector?
    • ¿Existe diversificación real en los proveedores de Colombia, o el comercio está concentrado en pocos países?
    • ¿Qué diferencias se observan en la composición de importaciones por tipo de producto entre los proveedores asiáticos y los americanos?
  • Entregables: Archivo .pbix con el dashboard completo y Documento con el análisis escrito (PDF o Word).

Corte 3 · Reel tipo Instagram: “Si la UTB tuviera 100 estudiantes…”

  • Objetivo. Crear un video corto (30–60 s) que comunique datos de una encuesta propia como si la población total fueran 100 estudiantes. Aquí hay un ejemplo de lo que queremos: Video de Instagram - https://www.instagram.com/reel/DN4A3Z9gOkp/?igsh=djhjNWdlMm1pd3kx
  • Ejemplos de variables. Programa, semestre, jornada, becas, acceso a internet/dispositivo, tiempo de estudio, empleo, transporte, bienestar (sueño, actividad física, apoyo).
  • Requisitos mínimos.
    • Guion + storyboard (5–8 cuadros).
    • Normalización a “100 personas” (proporciones claras).
    • Gráficos/íconos consistentes (barras, pictogramas, mosaico 10×10).
    • Texto conciso (≤ 12–15 palabras/pantalla), música libre de derechos o propia, créditos (autores, fecha, aviso ético).
  • Entregables. guion.pdf, storyboard (PDF/PNG), datos.csv, reel.mp4 (1080×1920 vertical).
  • Evaluación (100 pts). 35 rigor de datos · 35 claridad visual/ritmo · 20 creatividad/insight · 10 ética y créditos.

Para rematar · Mini-proyecto final (elige 1)

  • Objetivo. Integrar el ciclo pregunta → datos → análisis → visualización → comunicación en un entregable breve y reproducible.
  • Opciones.
    1) EDA reproducible (notebook). Limpieza básica, 2–3 gráficos con matplotlib, hallazgos en 8–12 líneas.
    2) Scraping ligero + limpieza. Extraer 1 tabla pública, guardar CSV, limpiar 3–4 campos y visualizar 1 gráfico.
    3) Mini-clasificación baseline. CSV tabular, train/test, modelo simple (p. ej., regresión logística), accuracy/F1 y 1 gráfico de coeficientes/importancia.
  • Entregables. README.md (pregunta, datos, pasos), datos (.csv) o script, notebook.ipynb, 1 visual final (.png/.svg).
  • Evaluación (100 pts). 30 reproducibilidad · 30 calidad del análisis · 25 comunicación del insight · 15 orden del repo.

Criterios transversales

  • Versionado y orden: carpetas claras, nombres consistentes, README.md.
  • Ética y citas: anonimización cuando aplique, enlaces a fuentes y fecha de acceso.
  • Presentación breve: cada proyecto abre con una pregunta y cierra con una frase-insight.

Materiales y prácticas

Algunos materiales y guías para el curso las pueden encontrar en las siguientes secciones.