Todo el vocabulario que vas a necesitar en este curso — sin código, sin matemáticas, sin experiencia previaAll the vocabulary you'll need in this course — no code, no math, no prior experience
Este curso no te va a pedir programar ni hacer matemáticas avanzadas. Lo que importa aquí es cómo se planea, organiza y controla un proyecto — en este caso, uno de ciencia de datos. Pero para seguir los ejemplos vas a encontrarte con algunas palabras técnicas una y otra vez. Esta página te las explica todas, en lenguaje simple, de una sola vez. This course won't ask you to code or do advanced math. What matters here is how a project is planned, organized, and controlled — in this case, a data science one. But to follow the examples you'll run into a handful of technical words again and again. This page explains all of them, in plain language, once and for all.
Una tabla gigante de información — piensa en un Excel enorme con miles o millones de filas.A giant table of information — think of a huge Excel spreadsheet with thousands or millions of rows.
Un programa que aprendió a detectar un patrón en los datos y puede usarlo para hacer predicciones sobre datos nuevos.A program that learned to spot a pattern in the data and can use it to make predictions about new data.
Mostrarle al modelo muchísimos ejemplos ya resueltos para que "aprenda" el patrón — como enseñarle a alguien a reconocer perros mostrándole miles de fotos ya etiquetadas.Showing the model tons of already-solved examples so it "learns" the pattern — like teaching someone to recognize dogs by showing them thousands of already-labeled photos.
Cuando un cliente deja de comprar o de usar un servicio. "Predecir el churn" es predecir quién se va a ir.When a customer stops buying or using a service. "Predicting churn" means predicting who's about to leave.
De todos los clientes que de verdad se iban a ir, ¿a cuántos "atrapó" el modelo a tiempo? Es una forma de medir qué tan bueno es el modelo.Of all the customers who actually were about to leave, how many did the model "catch" in time? It's one way of measuring how good the model is.
La "línea de producción" que limpia, ordena y prepara los datos crudos antes de que el modelo pueda usarlos.The "assembly line" that cleans, organizes, and prepares raw data before the model can use it.
La "puerta" por la que otros programas le piden una predicción al modelo, sin tener que entender cómo funciona por dentro.The "door" through which other programs ask the model for a prediction, without needing to understand how it works inside.
Una pantalla con gráficas y tablas para que personas que no programan puedan ver los resultados del modelo fácilmente.A screen with charts and tables so people who don't code can easily see the model's results.
Rentar "computadoras poderosas" por internet (por minuto u hora), en vez de comprar hardware propio.Renting "powerful computers" over the internet (by the minute or hour), instead of buying your own hardware.
No necesitas entender cómo se entrena un modelo por dentro. Solo necesitas saber que es un proceso que toma tiempo, cuesta dinero, y tiene un resultado medible (como el recall) — porque eso es exactamente lo que se planea, se presupuesta y se controla en este curso. You don't need to understand how a model gets trained on the inside. You just need to know that it's a process that takes time, costs money, and has a measurable result (like recall) — because that's exactly what gets planned, budgeted, and controlled in this course.
En un proyecto de ciencia de datos hay 3 roles técnicos que verás mencionados todo el curso: A data science project has 3 technical roles you'll see mentioned throughout the course:
Construye el pipeline — consigue, limpia y ordena los datos.Builds the pipeline — gets, cleans, and organizes the data.
Entrena el modelo y mide qué tan bien predice.Trains the model and measures how well it predicts.
Coordina alcance, tiempo, costo y riesgos — no necesita saber programar.Coordinates scope, time, cost, and risk — doesn't need to know how to code.
Este curso te enseña a pensar como el PM — la persona que organiza el trabajo de los otros dos roles, sin necesitar el conocimiento técnico profundo que ellos tienen. Es exactamente el mismo tipo de habilidad que usarías para dirigir cualquier otro proyecto de ingeniería. This course teaches you to think like the PM — the person who organizes the other two roles' work, without needing their deep technical knowledge. It's the exact same skill you'd use to lead any other engineering project.
NovaRetail tiene un dataset con el historial de sus clientes. Un Data Engineer construye un pipeline para limpiarlo. Una Data Scientist usa esos datos para entrenar un modelo que aprende a predecir el churn. NovaRetail has a dataset with its customer history. A Data Engineer builds a pipeline to clean it. A Data Scientist uses that data to train a model that learns to predict churn.
El equipo mide el recall del modelo para saber si es lo bastante bueno. Una vez listo, el modelo queda detrás de una API, y sus resultados se muestran en un dashboard para el equipo de retención. The team measures the model's recall to know if it's good enough. Once ready, the model sits behind an API, and its results show up on a dashboard for the retention team.
Y ahí es donde entras tú: alguien tiene que planear cuánto va a tardar todo esto, cuánto va a costar (incluyendo el cómputo en la nube), qué puede salir mal, y a quién hay que mantener informado. Ese "alguien" eres tú, el PM — y de eso trata el resto del curso. And that's where you come in: someone has to plan how long all this will take, how much it will cost (including cloud compute), what could go wrong, and who needs to stay informed. That "someone" is you, the PM — and that's what the rest of the course is about.
A partir de aquí, cada vez que veas uno de estos términos, ya sabes de qué se trata. Sigue con Fundamentos.From here on, every time you see one of these terms, you'll already know what it means. Continue to Fundamentals.
📚 Ir a FundamentosGo to Fundamentals →