Ejercicios​‌​‌​‌​​‍​‌​​​‌​‌‍​​‌‌‌​‌​‍​​‌‌​‌​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​‌​​‍​​‌‌‌​​‌‍​‌‌​​​‌​‍​​‌‌​​​‌‍​‌‌​​​​‌‍​​‌‌​‌​‌‍​‌‌​​‌‌​‍​​‌‌​‌‌​‍​‌‌​​‌​‌‍​​‌‌​‌‌‌‍​‌‌​​​‌‌‍​​‌‌​​‌‌‍​‌‌​​‌​​‍​​‌‌‌​‌​‍​​‌‌​​‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​‌‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​​​‌‍​​‌‌​​‌‌‍​​‌‌‌​‌​‍​‌‌​​‌​​‍​​‌‌​‌‌​‍​​‌‌‌​​​‍​​‌‌​​​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​​​‌‍​​‌‌‌​​​¶

Lista completa de todos los ejercicios disponibles en el curso.​‌​‌​‌​​‍​‌​​​‌​‌‍​​‌‌‌​‌​‍​​‌‌​‌​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​‌​​‍​​‌‌‌​​‌‍​‌‌​​​‌​‍​​‌‌​​​‌‍​‌‌​​​​‌‍​​‌‌​‌​‌‍​‌‌​​‌‌​‍​​‌‌​‌‌​‍​‌‌​​‌​‌‍​​‌‌​‌‌‌‍​‌‌​​​‌‌‍​​‌‌​​‌‌‍​‌‌​​‌​​‍​​‌‌‌​‌​‍​​‌‌​​‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​‌‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​​​‌‍​​‌‌​​‌‌‍​​‌‌‌​‌​‍​‌‌​​‌​​‍​​‌‌​‌‌​‍​​‌‌‌​​​‍​​‌‌​​​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​​​‌‍​​‌‌‌​​​

Roadmap de Ejercicios¶

Modulo 1: Bases de Datos¶

Modulo 2: Limpieza de Datos y ETL¶

Modulo 3: Procesamiento Distribuido¶

Modulo 4: Machine Learning¶

Modulo 5: NLP y Text Mining¶

Modulo 6: Analisis de Datos de Panel¶

Modulo 7: Infraestructura Big Data¶

Modulo 8: Streaming con Kafka¶

Modulo 9: Cloud con LocalStack¶

Trabajo Final¶

MODULO 1: Bases de Datos¶

Ejercicio 1.1: Introduccion a SQLite¶

Que aprenderas:

• Cargar datos CSV a base de datos SQLite
• Queries SQL basicas (SELECT, WHERE, GROUP BY)
• Optimizacion con indices
• Exportar resultados a CSV

Ver Ejercicio Completo

Ejercicio 2.1: PostgreSQL con BD HR¶

Que aprenderas:

• Instalar y configurar PostgreSQL
• Cargar bases de datos desde scripts SQL
• Consultas complejas con multiples JOINs
• Funciones especificas de PostgreSQL

Ver Ejercicio Completo

Ejercicio 2.2: PostgreSQL Jardineria¶

Que aprenderas:

• Analisis de ventas con SQL
• Agregaciones complejas (GROUP BY, HAVING)
• Window Functions para rankings
• Vistas materializadas

Ver Ejercicio Completo

Ejercicio 2.3: Migracion SQLite a PostgreSQL¶

Que aprenderas:

• Diferencias entre motores de BD
• Migrar esquemas y datos
• Adaptar tipos de datos
• Validar integridad

Ver Ejercicio Completo

Ejercicio 3.1: Oracle con BD HR¶

Que aprenderas:

• Instalar Oracle Database XE
• Sintaxis especifica de Oracle
• PL/SQL (procedimientos, funciones)
• Secuencias y triggers

Ver Ejercicio Completo

Ejercicio 5.1: Analisis Excel/Python¶

Que aprenderas:

• Leer archivos Excel con Python
• Analisis exploratorio de datos (EDA)
• Visualizaciones con matplotlib/seaborn
• Automatizar analisis

Ver Ejercicio Completo

MODULO 2: Limpieza de Datos y ETL¶

Pipeline ETL Profesional - Quality of Government¶

Que aprenderas:

• Disenar arquitectura ETL modular
• Trabajar con PostgreSQL para analisis longitudinal
• Limpiar datasets complejos (>1000 variables)
• Preparar datos de panel para econometria

Ver Ejercicio Completo

MODULO 3: Procesamiento Distribuido¶

Procesamiento Distribuido con Dask¶

Que aprenderas:

• Configurar un Cluster Local con Dask
• Leer archivos Parquet de forma particionada
• Ejecutar agregaciones complejas en paralelo
• Comparar rendimiento vs Pandas

Ver Ejercicio Completo

MODULO 4: Machine Learning¶

Machine Learning en Big Data¶

Que aprenderas:

• Reduccion de dimensionalidad con PCA
• Clustering con K-Means y Hierarchical Clustering
• Interpretacion de componentes principales
• Perfilado de clusters

Ver Ejercicio Completo

Transfer Learning: Clasificacion de Flores¶

Que aprenderas:

• Transfer Learning con redes pre-entrenadas (ImageNet)
• Extraccion de embeddings con CNNs
• Clasificacion de imagenes con ML tradicional (KNN, SVM, Random Forest)
• Visualizacion t-SNE de espacios de alta dimension

Ver Dashboard Interactivo

Series Temporales: ARIMA/SARIMA¶

Que aprenderas:

• Metodologia Box-Jenkins completa (Identificacion, Estimacion, Diagnostico, Pronostico)
• Modelos ARIMA y SARIMA con estacionalidad
• ACF/PACF para identificacion de ordenes
• Diagnostico de residuos y pronosticos

Ver Ejercicio Completo

MODULO 5: NLP y Text Mining¶

NLP y Text Mining¶

Que aprenderas:

• Tokenizacion y limpieza de texto
• Eliminacion de stopwords
• Similitud de Jaccard entre documentos
• Analisis de sentimiento por lexicon

Ver Ejercicio Completo

MODULO 6: Analisis de Datos de Panel¶

Analisis de Datos de Panel¶

Que aprenderas:

• Datos de panel: estructura pais x anio
• Efectos Fijos vs Efectos Aleatorios
• Two-Way Fixed Effects
• Test de Hausman para seleccion de modelo
• Odds Ratios y Efectos Marginales

Ver Ejercicio Completo

MODULO 7: Infraestructura Big Data¶

Infraestructura Big Data: Docker y Spark¶

Que aprenderas:

• Docker: contenedores, imagenes, Dockerfile, orquestacion con Compose
• Redes, volumenes, healthchecks, patrones de produccion
• Apache Spark: arquitectura Master-Worker, cluster con Docker
• SparkSession, Lazy Evaluation, DAG, optimizador Catalyst
• Spark + PostgreSQL via JDBC
• De Standalone a produccion (Kubernetes, EMR, Dataproc)

Ver Ejercicio Completo

MODULO 8: Streaming con Kafka¶

Streaming con Apache Kafka¶

Que aprenderas:

• Arquitectura de Kafka: Brokers, Topics, Partitions
• Modo KRaft (sin ZooKeeper)
• Productores y Consumidores en Python
• Spark Structured Streaming
• Sistema de alertas en tiempo real

Ver Ejercicio Completo

MODULO 9: Cloud con LocalStack¶

Cloud con LocalStack y Terraform¶

Que aprenderas:

• Cloud Computing: IaaS, PaaS, SaaS
• Simular AWS localmente con LocalStack
• Infraestructura como Codigo con Terraform
• Funciones Lambda serverless
• Arquitectura Data Lake (Medallion)

Ver Ejercicio Completo

TRABAJO FINAL¶

Proyecto Final: Pipeline de Big Data con Docker¶

Que haras:

• Construir infraestructura Docker (Spark + PostgreSQL)
• Disenar y ejecutar un pipeline ETL con Apache Spark
• Analizar datos QoG con pregunta de investigacion propia
• Documentar tu proceso de aprendizaje con IA

Ver Enunciado Completo

Datasets Utilizados¶

NYC Taxi & Limousine Commission (TLC)¶

• Fuente: NYC Open Data
• Periodo: 2021
• Registros: 10M+ viajes

Quality of Government (QoG)¶

• Fuente: Universidad de Gotemburgo
• Variables: 1289 indicadores de calidad institucional
• Paises: 194+ con datos desde 1946

AirPassengers¶

• Fuente: Box & Jenkins (1976)
• Periodo: 1949-1960 (144 observaciones mensuales)
• Uso: Series temporales ARIMA/SARIMA

Como Trabajar los Ejercicios¶

Flujo Recomendado¶

1. Leer el enunciado completo - No empieces a codear sin leer todo
2. Entender los objetivos - Que se espera que logres?
3. Crear rama de trabajo - git checkout -b tu-apellido-ejercicio-XX
4. Trabajar en pasos pequenos - No intentes hacerlo todo de una vez
5. Probar frecuentemente - Ejecuta tu codigo cada vez que completes una parte
6. Hacer commits regulares - Guarda tu progreso frecuentemente
7. Subir con git push - Cuando completes, el sistema evalua tu PROMPTS.md

​‌​‌​‌​​‍​‌​​​‌​‌‍​​‌‌‌​‌​‍​​‌‌​‌​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​‌​​‍​​‌‌‌​​‌‍​‌‌​​​‌​‍​​‌‌​​​‌‍​‌‌​​​​‌‍​​‌‌​‌​‌‍​‌‌​​‌‌​‍​​‌‌​‌‌​‍​‌‌​​‌​‌‍​​‌‌​‌‌‌‍​‌‌​​​‌‌‍​​‌‌​​‌‌‍​‌‌​​‌​​‍​​‌‌‌​‌​‍​​‌‌​​‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​‌‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​​​‌‍​​‌‌​​‌‌‍​​‌‌‌​‌​‍​‌‌​​‌​​‍​​‌‌​‌‌​‍​​‌‌‌​​​‍​​‌‌​​​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​​​‌‍​​‌‌‌​​​---

Proximos Pasos¶

Empieza con el primer ejercicio:

Ejercicio 01: Introduccion SQLite

O salta al proyecto final:

Trabajo Final: Pipeline Big Data