Introducción 141. La era de los datos y la inteligencia artificial. 142. Por qué los datos son el punto de partida. 153. Las piezas del rompecabezas 15Estadística 171. Conceptos básicos de estadística. 181.1. Qué es la estadística y para qué sirve. 181.2. Población y muestra. 181.3. Observaciones, variables y valores. 191.4. Estadística descriptiva: explorar antes de modelar. 202. Tipos de variables y escalas de medida. 212.1. Por qué importa el tipo de variable. 212.2. Variables cuantitativas y cualitativas. 212.3. Escalas de medida. 222.4. Variables binarias. 232.5. Codificación de variables categóricas. 233. Medidas de tendencia central. 253.1. Qué es una medida de tendencia central. 253.2. La media aritmética. 253.3. La mediana. 263.4. La moda. 263.5. Relación entre media, mediana y moda según la forma de la distribución. 274. Medidas de dispersión. 294.1. Por qué no basta con la tendencia central. 294.2. El rango. 294.3. La varianza. 304.4. La desviación típica o desviación estándar. 304.5. El coeficiente de variación. 304.6. Los cuartiles y el rango intercuartílico. 314.7. Detección de outliers con la desviación típica. 325. Distribuciones de probabilidad básicas. 335.1. Qué es una distribución de probabilidad. 335.2. La distribución normal o gaussiana. 335.3. La distribución binomial. 345.4. La distribución de Poisson. 355.5. Distribuciones sesgadas y colas. 356. Introducción a la inferencia estadística. 376.1. De la muestra a la población. 376.2. Estimación puntual e intervalos de confianza. 376.3. Contraste de hipótesis. 386.4. El p-valor y sus limitaciones. 386.5. Correlación y causalidad. 397. Caso práctico integrador. 418. Resumen. 449. Actividades de autoevaluación. 4510. Verdadero o falso. 4611. Evaluación tipo test. 47Programación 491. Python. 501.1. Por qué Python domina la ciencia de datos. 501.2. Instalación y entorno de trabajo. 501.3. Sintaxis básica de Python. 512. R. 512.1. Qué es R y cuándo elegirlo. 512.2. El entorno RStudio. 522.3. Sintaxis básica de R. 522.4. Paquetes más importantes de R para análisis de datos 533. Otros. 543.1. SQL: el lenguaje de las bases de datos. 543.2. Scala y Spark. 553.3. Julia. 553.4. Herramientas de bajo código y no código. 563.5. Estructuras básicas de programación. 573.6. Librerías habituales para ciencia de datos. 604. Caso práctico integrador. 655. Resumen. 686. Actividades de autoevaluación. 697. Verdadero o falso. 708. Evaluación tipo test. 71ETL y preparación de datos 731. Concepto de ETL: extracción, transformación y carga. 741.1. Qué significa ETL. 741.2. El proceso ETL en la práctica. 751.3. ETL vs. ELT. 751.4. Automatización del proceso ETL. 762. Fuentes de datos: archivos, bases de datos y APIs. 782.1. La diversidad de las fuentes de datos. 782.2. Archivos planos: CSV, Excel y JSON. 782.3. Bases de datos relacionales. 792.4. APIs web. 802.5. Web scraping 812.6. Bases de datos no relacionales (NoSQL). 813. Limpieza de datos: valores nulos, duplicados y errores. 833.1. Por qu...