Preparar los datos
Preparar, limpiar y explorar datos con Python y Pandas.
Nueva edición
Septiembre - noviembre 2026
Formación práctica y progresiva
Bootcamp de Ciencia de Datos con Python
Aprende a preparar, analizar y visualizar datos, aplicar estadística y construir modelos de Machine Learning mediante casos y laboratorios prácticos.
Antes de abrir el formulario te mostraremos el proceso de pago y matrícula.
Conoce todos los detalles del programaInformación esencial
Dos meses para construir bases sólidas
Del 26/09 al 21/11 de 2026
5:00 p. m. - 7:00 p. m. · Hora Perú
- 34
- horas de formación
- 17
- sesiones
- 11
- laboratorios
- 2 h
- por sesión
AL FINALIZAR EL BOOTCAMP PODRÁS
Transformar datos crudos en decisiones y modelos predictivos
Olvídate de la teoría aislada. Hemos diseñado un camino paso a paso para que construyas bases sólidas y apliques cada concepto en datasets del mundo real. Descubre a continuación las habilidades clave que serás capaz de dominar:
Fundamentos
Interpretar con estadística
Aplicar estadística descriptiva e inferencial a casos reales.
Análisis y comunicación
Comunicar hallazgos
Comunicar hallazgos mediante visualizaciones y dashboards.
Resolver problemas
Resolver problemas de clasificación, regresión y segmentación.
Modelado y horizonte
Construir modelos
Entrenar y evaluar modelos de Machine Learning.
Entender lo que sigue
Comprender los fundamentos de redes neuronales y herramientas actuales.
Lo aprendido se pondrá en práctica en 11 laboratorios de código y en un proyecto integrador que irá tomando forma paso a paso, desde las primeras sesiones hasta el cierre del programa.
¿Quién puede tomar este Bootcamp?
No importa de dónde vengas, sino adónde quieres llegar
Sabemos que dar el primer paso en el mundo de los datos puede intimidar. Por eso, hemos diseñado un espacio donde no necesitas saberlo todo desde el día uno, solo tener las ganas de aprender. Descubre si este bootcamp hace match con tu momento actual:
Estudiantes y egresados
Que quieran construir fundamentos sólidos y un recorrido práctico en datos.
Profesionales
Que necesiten analizar información o incorporar nuevas herramientas a su trabajo.
Personas en transición
Que estén explorando oportunidades académicas o profesionales en Ciencia de Datos.
Público en general
Con interés genuino por aprender cómo convertir datos en decisiones.
TU RUTA DE APRENDIZAJE
Aprende por etapas, no por atajos
Diseñamos este temario como bloques de construcción. Empezarás dominando las bases de Python y estadística, para luego escalar con seguridad hacia Machine Learning y redes neuronales. Cada módulo se apoya en el anterior para que no memorices herramientas sueltas, sino que entiendas el flujo completo. Explora el detalle de cada semana aquí.
11 laboratorios prácticos
01 Fundamentos de Data Science y Pandas
Introducción a Data Science
Sábado 26/09/2026- Qué es Data Science, casos de uso y tendencias.
- Equipos, metodologías y ciclo de vida de un proyecto.
- Herramientas, lenguajes, tipos de datos, Python y Google Colab.
- Laboratorio 1: primeras líneas de código en Google Colab.
Pandas y preparación de datos
Domingo 27/09/2026- Series, DataFrames y carga de archivos CSV/Excel.
- Exploración con head, info, describe y shape.
- Datos nulos, duplicados, indexación y filtrado.
- Laboratorio 2: limpieza de un dataset real.
02 Estadística descriptiva y análisis exploratorio
Análisis exploratorio y estadística descriptiva
Sábado 03/10/2026- Medidas de tendencia central y dispersión.
- Distribuciones y correlación entre variables.
- Identificación de outliers y anomalías.
- Laboratorio 3: EDA con un dataset real.
03 Visualización de datos
Matplotlib y Seaborn
Domingo 04/10/2026- Líneas, barras y gráficos de dispersión.
- Histogramas, boxplots y heatmaps de correlación.
- Personalización de títulos, colores y etiquetas.
- Laboratorio 4: visualización con Matplotlib.
Visualización avanzada y dashboards
Sábado 10/10/2026- Laboratorio 5: análisis exploratorio visual.
- Mini-dashboard combinando múltiples gráficos.
- Introducción a gráficos interactivos con Plotly.
04 Estadística inferencial
Estadística inferencial en Python
Domingo 11/10/2026- Población, muestra y tipos de muestreo.
- Distribuciones normal y binomial.
- Teorema central del límite e intervalos de confianza.
- Laboratorio 6: análisis inferencial con datos reales.
Pruebas de hipótesis
Sábado 17/10/2026- Hipótesis H0/H1 y p-valor.
- Introducción práctica a t-test, chi-cuadrado y ANOVA.
- Laboratorio 7: A/B testing o comparación de grupos.
05 Fundamentos de Machine Learning y primeros modelos
Fundamentos de Machine Learning
Domingo 18/10/2026- Aprendizaje supervisado, no supervisado, semisupervisado y por refuerzo.
- Clasificación, regresión, clustering y predicción.
- Train/test split y métricas de evaluación.
Primeros modelos
Sábado 24/10/2026- Laboratorio 8: flujo completo de entrenamiento, predicción y evaluación.
06 Machine Learning supervisado y validación
Enfoque lineal y temporal
Domingo 25/10/2026- Regresión lineal.
- Regresión logística.
- Series de tiempo.
Árboles y ensambles
Sábado 31/10/2026- Árboles de decisión y Random Forest.
- Boosting con XGBoost, LightGBM y CatBoost.
Validación y modelos predictivos
Domingo 01/11/2026- Introducción a validación cruzada.
- Laboratorio 9: modelo predictivo con datos reales.
07 Machine Learning no supervisado
Clustering y reducción de dimensiones
Sábado 07/11/2026- K-Means, DBSCAN y clustering jerárquico.
- PCA para reducción de dimensiones.
Evaluación y segmentación
Domingo 08/11/2026- Evaluación con silhouette score.
- Laboratorio 10: segmentación de clientes.
08 Introducción a redes neuronales
Fundamentos de Deep Learning
Sábado 14/11/2026- Neurona artificial, pesos, sesgo y funciones de activación.
- Capas, función de pérdida, forward propagation y backpropagation.
- Introducción conceptual a CNN, RNN/LSTM y Transformers.
Laboratorio y avances
Domingo 15/11/2026- Laboratorio 11: clasificación de imágenes con redes neuronales.
- Checkpoint del proyecto final.
09 IA Generativa Aplicada a la Ciencia de Datos
IA Generativa Aplicada a la Ciencia de Datos
Sábado 21/11/2026- Nuevos enfoques y tendencias del mercado.
- Herramientas emergentes para limpieza, código y reportes.
- Casos de uso aplicados a Ciencia de Datos.
- Laboratorio práctico: flujo inteligente para un caso de negocio.
Metodología y acompañamiento
Construimos tu conocimiento paso a paso, con el respaldo que necesitas
Los módulos se complementan y avanzan de manera progresiva: comenzarás por los fundamentos de la Ciencia de Datos y desarrollarás las bases necesarias para aplicar Machine Learning y comprender las tecnologías que hoy forman parte del trabajo con datos.
Práctica aplicada en cada etapa
La teoría cobra sentido al ponerla en práctica. A lo largo del programa desarrollarás 11 laboratorios con datos y situaciones concretas para conectar lo aprendido con desafíos similares a los del entorno laboral.
Acompañamiento experto a dos voces
Frank Villafuerte conducirá las sesiones regulares del programa, mientras que la Dra. Gladys Choque Ulloa estará a cargo de los espacios de mentoría y apoyo académico.
Monitorías según el avance
Si el grupo necesita reforzar algún concepto, habilitaremos sesiones de apoyo para resolver dudas. Son espacios opcionales: no se consideran para la asistencia obligatoria ni se suman a las horas del certificado.
Sesiones grabadas
Tendrás acceso a las grabaciones de las sesiones para repasar los contenidos a tu propio ritmo y volver a consultarlos cuando lo necesites.
Sistema de evaluación
Un proyecto que se evalúa mientras lo construyes
El proyecto integrador se desarrolla durante todo el programa y se revisa en dos momentos. Así podrás conocer tu avance antes de la entrega final y aplicar las observaciones recibidas.
A mitad del programa
Primera etapa: avance intermedio
Se revisará el avance alcanzado hasta ese momento y recibirás observaciones para orientar el desarrollo de la segunda etapa.
Al finalizar el programa
Segunda etapa: entrega final
Se evaluará el proyecto integrador completo, considerando el trabajo desarrollado y los aprendizajes aplicados durante el programa.
11/20
Nota mínima de aprobación
70%
Asistencia mínima requerida
Para recibir el certificado de aprobación, deberás cumplir tanto con la nota mínima como con el porcentaje de asistencia.
Certificación verificable
Un logro que puede comprobarse
Al cumplir los criterios de aprobación recibirás un certificado emitido por Women in DataLab, preparado para verificar su autenticidad en línea.
- Identificador único del certificado
- Código QR con página de verificación
- Información del programa y horas cursadas
Equipo docente
Experiencia aplicada y acompañamiento académico
El programa combina experiencia profesional en proyectos de datos con una orientación cercana para conectar los fundamentos con su aplicación.
Docente principal
Frank Villafuerte
Data Scientist y Licenciado en Estadística por la Universidad Nacional Mayor de San Marcos, con más de 7 años de experiencia desarrollando soluciones de analítica avanzada, Machine Learning y Ciencia de Datos en organizaciones como BBVA, Caja Arequipa, Rímac Seguros y SGS. Actualmente se desempeña como Data Scientist Associate en BBVA, liderando proyectos que involucran el desarrollo de modelos predictivos, modelos de recomendación y agentes de IA a través del uso de cloud computing en AWS. Es un entusiasta de los retos de ciencia de datos, logrando el Top 3 en la Datathon UNI Pichincha 2019 (reto de regresión) y el Top 2 en la Datathon Entel 2022 (reto de clasificación), además de ser un activo difusor de contenido relacionado a ciencia de datos con R.
Ver perfil en LinkedIn
Ver perfil en LinkedIn
Mentorias | Fundadora y directora académica
Gladys Choque Ulloa
Investigadora doctoral en la Universidad de São Paulo (USP), especializada en el desarrollo y aplicación de métodos avanzados en estadística, Ciencia de Datos e Inteligencia Artificial. Como Fundadora y Directora Académica de Women in DataLab, cuenta con una sólida trayectoria liderando la formación técnica, la mentoría y el desarrollo de proyectos aplicados con impacto real. Además, participa activamente impulsando iniciativas académicas y de divulgación orientadas a fortalecer y expandir las comunidades de datos en toda Latinoamérica. Su enfoque pedagógico y profesional se distingue por combinar el rigor científico con la aplicación práctica, garantizando un acompañamiento cercano. Se enfoca en revisar a profundidad los conceptos técnicos y resolver dudas estratégicas, adaptándose constantemente al ritmo del grupo para asegurar un aprendizaje integral.
Ver perfil en LinkedInINVERSIÓN Y MATRÍCULA
Selecciona tu ubicación para consultar el pago
Tu matrícula, paso a paso
- 01
Realiza el pago
Selecciona tu ubicación y paga mediante el método disponible de tu preferencia.
- 02
Guarda tu comprobante
Asegúrate de que el comprobante conserve claramente los datos de la operación.
- 03
Registra tu matrícula
Completa el formulario de matrícula y adjunta allí el comprobante de pago.
- 04
Recibe la confirmación
Verificaremos el pago en aproximadamente 24 horas y te asignaremos los canales de comunicación y el acceso al ambiente de recursos académicos.
Selecciona desde dónde realizarás el pago
Instrucciones para
Participantes en Perú
Método de pago
Yape
Número
+51 931 996 885
Verifica antes de pagar: esta cuenta debe aparecer a nombre de Yuliana Indira Choque Ulloa.
Método de pago
BCP
Cuenta en soles
28594201883082
CCI
00228519420188308250
Verifica antes de pagar: esta cuenta debe aparecer a nombre de Yuliana Indira Choque Ulloa.
Instrucciones para
Participantes del extranjero
Método de pago
PayPal
Correo
yulianaindira1@gmail.com
Verifica antes de pagar: esta cuenta debe aparecer a nombre de Yuliana Indira Choque Ulloa.
Preguntas frecuentes
Antes de inscribirte
Resolvemos las dudas más importantes para que puedas tomar una decisión informada.
¿El bootcamp es exclusivo para mujeres?
No, el programa está abierto a todo el mundo. Aunque nuestra misión principal es impulsar la participación de mujeres en carreras STEM, creemos que el conocimiento debe ser accesible para todos. Por eso, tanto nuestros espacios gratuitos como los programas de pago son inclusivos. ¡Cualquier persona con ganas de aprender es bienvenida!
¿Necesito experiencia previa?
El programa inicia desde los fundamentos y avanza de forma progresiva. Es recomendable tener disposición para practicar y familiaridad básica con el uso de una computadora.
¿Tendré acceso a las grabaciones?
Sí. Las personas inscritas tendrán acceso a las sesiones grabadas para revisar los contenidos del programa.
¿Cómo funcionan las monitorías?
Cuando sea necesario, se coordinarán sesiones de monitoría para aclarar dudas que surjan durante el programa.
¿Cómo confirmo mi inscripción?
Realiza el pago mediante el método que te corresponda y completa el formulario de inscripción adjuntando tu comprobante.
¿Qué certificado recibiré?
Al obtener una nota mínima de 11 sobre 20 en el proyecto integrador y registrar al menos 70% de asistencia, recibirás un certificado de aprobación emitido por Women in DataLab, con identificador único y código QR para verificar su autenticidad.
¿Puedo pagar desde otro país?
Sí. La inversión internacional es de USD 42 y el pago se realiza mediante PayPal.
¿El certificado tiene validez internacional?
Tu certificado cuenta con un sistema de verificación en línea (ID único y QR) que le permite a cualquier empleador internacional validar las horas cursadas, las tecnologías que dominas y los proyectos prácticos que desarrollaste con nosotras. A mediano plazo, estamos trabajando en alianzas estratégicas para seguir sumando valor a nuestros programas.
Sobre nosotros
Conocimiento que abre oportunidades
Women in DataLab es una organización que trabaja para impulsar la formación y participación laboral de mujeres en carreras STEM. Queremos que más mujeres encuentren herramientas, comunidad y oportunidades para desarrollar su camino en ciencia, tecnología, ingeniería y matemáticas.
Nuestra misión
Acercar formación práctica, orientación y oportunidades que ayuden a más mujeres a iniciar o fortalecer su trayectoria en áreas STEM. Este propósito no limita quién puede aprender con nosotros: creemos que el conocimiento debe ser accesible para todas las personas y nuestros espacios están abiertos a quienes quieran formarse y compartir en comunidad.
Nuestra visión
Construir una comunidad cada vez más amplia, capaz de conectar aprendizaje con oportunidades académicas y laborales. Trabajamos para crecer de manera responsable, ampliar nuestro impacto y sostener un entorno donde todas las personas sean bienvenidas.
Para avanzar hacia esa visión, combinamos webinars, charlas y talleres gratuitos con programas de costo accesible. Así podemos mantener propuestas formativas de calidad y facilitar que la mayor cantidad posible de personas pueda participar.
Conocer la comunidad
