Learn Data Analysis with Python - Full Course
por Santiago Basulto
Recorre el análisis de datos con Python: lectura de CSV, SQL y Excel, NumPy, Pandas, visualización con Matplotlib y Seaborn, y limpieza de datos, con ejercicios.
Recomendado, valoración editorial 4 de 5
verificado 2026-09-08 — sigue siendo gratis en YouTube
Empezar en YouTubeRespuesta rápida
Curso gratis de Datos e IA de nivel principiante en YouTube impartido por Santiago Basulto (4 h 22 min). Nuestra valoración: 4/5, recomendado. Comprobamos que sigue siendo gratis el 8 de septiembre de 2026.
- Veredicto
- 4/5 · Recomendado
- Para quién
- Principiantes que quieren aprender el proceso completo de análisis de datos con Python, desde leer datos hasta crear informes.
- Nivel
- Principiante
- Duración
- 4 h 22 min
- Precio
- Gratis en YouTube
- Autor
- Santiago Basulto
- Publicado
- 2020
- Plan sugerido
- 6 sem. · 6 h/sem.
- Verificado
- el 8 de septiembre de 2026
Nuestro veredicto
Recomendado, valoración editorial 4 de 5Curso amplio y orientado a principiantes que recorre el proceso completo de análisis de datos con Python, con ejercicios según la descripción. Es una buena base práctica, aunque es de 2020, está en inglés y sin capítulos publicados.
Puntos fuertes
- Cubre el proceso completo de análisis de datos en una sola propuesta.
- La descripción indica que incluye ejercicios y cuadernos para practicar.
- Incluye un tutorial de Jupyter y un repaso de Python para quien lo necesite.
A tener en cuenta
- Publicado en 2020: algunas librerías o herramientas pueden haber cambiado.
- El curso es en inglés.
- No hay capítulos publicados, y la descripción solo detalla las dos primeras partes.
- La descripción indica usar Google Colab en lugar de notebooks.ai, lo que exige algo de configuración.
De qué trata
Curso de unas 4 horas y 22 minutos que recorre el proceso completo de análisis de datos con Python. Empieza con una introducción sobre qué es el análisis de datos, por qué usar Python, el ciclo de un proyecto y la diferencia con la ciencia de datos.
Después muestra un ejemplo real con Python, Pandas, SQL y Seaborn, y profundiza en la lectura de datos de CSV, SQL y Excel, el procesamiento con NumPy y Pandas, la visualización con Matplotlib y Seaborn, y la limpieza de datos para crear informes. Incluye un tutorial de Jupyter Notebook, un repaso de Python y ejercicios.
- Ciclo de un proyecto de análisis de datos
- Lectura de datos desde CSV, SQL y Excel
- Procesamiento con NumPy y Pandas
- Visualización con Matplotlib y Seaborn
- Tutorial de Jupyter Notebook y repaso de Python
Para quién es este curso
- Principiantes que quieren aprender el proceso completo de análisis de datos con Python, desde leer datos hasta crear informes.
- Personas que vienen de Excel o herramientas similares y quieren pasar a NumPy, Pandas y visualización con Python.
- Quien busca un curso con ejercicios y cuadernos de Jupyter para practicar.
Mejor busca otro si…
- Quien ya maneja Pandas, Matplotlib y Seaborn con soltura y busca contenido avanzado.
- Quien prefiera un curso en español, ya que la instrucción es en inglés.
Antes de empezar
- Según la descripción, está pensado para principiantes; incluye una referencia rápida de Python para repasar.
Qué sabrás hacer al terminar
- Entender el ciclo de un proyecto de análisis de datos y la diferencia entre análisis y ciencia de datos.
- Leer datos de varias fuentes como CSV, SQL y Excel.
- Procesar datos con NumPy y Pandas.
- Visualizar datos con Matplotlib y Seaborn.
- Limpiar y procesar datos para crear informes.
- Usar Jupyter Notebook para trabajar con el análisis.
Estructura del curso
- 01
Parte 1: Introducción
Qué es el análisis de datos, por qué usar Python, qué alternativas existen, el ciclo de un proyecto y la diferencia con la ciencia de datos.
- 02
Parte 2: Ejemplo real con Python y Pandas (desde 0:11:11)
Demostración de un proyecto real con Python, Pandas, SQL y Seaborn, como adelanto de lo que se verá en detalle.
- 03
Resto del curso (según la descripción)
La descripción menciona un tutorial de Jupyter Notebook, una referencia rápida de Python, NumPy, Pandas, Matplotlib, Seaborn y limpieza de datos, pero no detalla el orden ni los tiempos.
Plan de estudio sugerido
6 semanas · unas 6 h por semana
- 1.Semana 1: introducción y ejemplo real (Partes 1 y 2); abre el cuaderno en Google Colab.
- 2.Semana 2: repaso de Python y tutorial de Jupyter; practica con los ejemplos.
- 3.Semanas 3-4: NumPy y Pandas; repite los ejercicios con tus propios datos.
- 4.Semana 5: lectura de datos de CSV, SQL y Excel, y visualización con Matplotlib y Seaborn.
- 5.Semana 6: limpieza de datos e informe final; repasa los ejercicios pendientes.
El plan cuenta con tiempo para pausar y practicar, no solo con la duración del vídeo. Si quieres adaptarlo a tu semana, lee cómo montar tu plan de estudio semanal.
Consejos para seguirlo
- Busca en la descripción los enlaces actualizados de los cuadernos y ábrelos en Google Colab, como indica el autor.
- Como no hay capítulos, anota tus propios marcadores de tiempo al avanzar para poder volver a cada tema.
- Pausa y ejecuta cada celda del cuaderno tú mismo antes de seguir.
- Si tienes un CSV propio, úsalo para repetir los análisis de Pandas.
Antes y después de este curso
- Después de este cursoAprende Ciencia de datos - Curso completo para principiantes [Tutorial]Natural continuación para ampliar hacia ciencia de datos tras aprender el análisis.
- Después de este cursoMachine Learning Course for BeginnersSiguiente paso posible una vez cómodo con el análisis de datos.
- Antes de este cursoSQL Tutorial - Full Database Course for BeginnersÚtil para reforzar SQL, una de las fuentes de datos que se usan en el curso.
Cómo lo presenta Santiago Basulto
Learn Data Analysis with Python in this comprehensive tutorial for beginners, with exercises included! NOTE: Check description for updated Notebook links.
Data Analysis has been around for a long time, but up until a few years ago, it was practiced using closed, expensive and limited tools like Excel or Tableau. Python, SQL and other open libraries have changed Data Analysis forever.
In this…
Extracto de la descripción original en YouTube.
Preguntas frecuentes
+¿Necesito saber Python antes?
La descripción lo presenta para principiantes e incluye una referencia rápida de Python para repasar. Aun así, conviene tener nociones básicas de programación.
+¿Cuánto tiempo lleva?
El vídeo dura unas 4 horas y 22 minutos. Con pausas y práctica, cuenta con unas 6 semanas a 6 horas semanales.
+¿Qué herramientas se usan?
Según la descripción: Python, NumPy, Pandas, Matplotlib, Seaborn, SQL y Jupyter Notebook. Para los cuadernos, el autor recomienda Google Colab.
+¿Está actualizado?
Se publicó en 2020. Los conceptos siguen siendo útiles, pero las librerías pueden haber cambiado, así que consulta la documentación actual si algo falla.
Análisis editorial elaborado con ayuda de IA a partir de la descripción, los capítulos y la duración publicados en YouTube, y revisado según nuestro método. El contenido del curso es obra de Santiago Basulto; si ves algún error, avísanos.
Guías para sacarle partido
Más cursos de Datos e IA
CURSO COMPLETO de SQL y BASES DE DATOS Desde Cero (8 horas)
Curso desde cero de SQL y bases de datos con MySQL: instalación, modelado, consultas, agregaciones, JOINs, subconsultas, normalización y ejercicios integradores.
Curso COMPLETO de SQL y BASES DE DATOS Desde Cero para PRINCIPIANTES
Recorre SQL y bases de datos relacionales desde cero: consultas, escritura de datos, tablas, relaciones y joins, hasta índices, triggers y transacciones.
CURSO de MACHINE LEARNING desde CERO | (COMPLETO)
Recorre los principales algoritmos de regresión y clasificación con scikit-learn, con un caso práctico de precios de viviendas en California.
Curso de SQL desde CERO (Completo)
Recorre SQL desde cero: modelo ER, instalación, consultas, filtros, agregaciones, subconsultas y joins, hasta índices, transacciones y procedimientos almacenados, con un ejercicio final SQL + Python.