Guía base para estudiantes que usan el programa por primera vez. Este documento no reemplaza la clase: ordena expectativas, reduce ansiedad y explica como aprovechar el material sin depender de copiar pasos.
Este programa mezcla cuatro cosas:
- clases modulares de Python y Data Science;
- notebooks con ejercicios guiados;
- datasets para practicar;
- una ruta pública de apoyo para revisar recursos y recordatorios.
La meta no es memorizar comandos. La meta es que puedas leer un problema, probar una idea, interpretar un resultado y explicar lo que hiciste.
flowchart LR
A["Mirar el objetivo"] --> B["Seguir el ejemplo guiado"]
B --> C["Practicar con apoyo"]
C --> D["Probar una variacion"]
D --> E["Explicar el resultado"]
Cada clase tiene una lógica simple:
- entender para que sirve la herramienta;
- ver un ejemplo corto;
- practicar paso a paso;
- corregir errores;
- sacar una conclusion.
Si solo copias código, avanzas poco. Si modificas, preguntas y justificas, avanzas de verdad.
- Python 3.10 o superior;
- navegador moderno;
- acceso para instalar dependencias al menos una vez;
- ganas de equivocarte y corregir sin bloquearte.
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
jupyter notebookpython3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
jupyter notebookSi trabajas desde el laboratorio local del repo, el docente puede indicarte abrir http://127.0.0.1:8000.
| Paso | Qué haces | Para qué sirve |
|---|---|---|
| 1 | leer el README.md de la clase |
entender objetivo, contexto y entregable |
| 2 | abrir el notebook correspondiente | seguir la ruta de práctica |
| 3 | ejecutar celda por celda | ver cambios pequenos y no perder el hilo |
| 4 | resolver ejercicios antes de mirar soluciones | construir autonomia |
| 5 | escribir una conclusion breve | transformar código en aprendizaje |
- trabaja una idea a la vez;
- cambia valores pequenos y mira que ocurre;
- anota dudas concretas, no solo "no me funciona";
- guarda tus avances antes de experimentar de más;
- si algo te sale, intenta explicarlo con tus palabras.
Este programa no se posiciona contra una tecnología puntual. Puedes usar buscadores, videos, asistentes de IA, documentación o notas externas. Lo importante es como las usas.
- piensa primero que deberia pasar;
- consulta la herramienta;
- verifica si la respuesta sirve para tu objetivo;
- adapta el resultado;
- explica por que lo dejaste asi.
- usas la tecnología para destrabarte, no para apagar tu criterio;
- cambias el código recibido y entiendes la diferencia;
- puedes explicar una línea clave;
- detectas cuando una respuesta se pasa de complejidad para la clase.
- pegas código sin leerlo;
- no sabes de donde salen las columnas, variables o gráficos;
- la respuesta usa conceptos que aun no viste y no puedes justificar;
- si cambia el ejercicio, te quedas sin punto de partida.
| Se espera | No se espera |
|---|---|
| participar aunque no tengas todo resuelto | saber programar perfecto desde el dia uno |
| preguntar con contexto | esconder errores por verguenza |
| intentar antes de pedir la solución completa | acertar siempre al primer intento |
| corregir y volver a probar | trabajar en silencio sin mostrar bloqueos |
Cuando te bloquees, intenta decir:
- que estabas intentando hacer;
- que línea o paso te genero el problema;
- que mensaje de error viste;
- que probaste antes de pedir apoyo.
Eso ayuda a que la clase avance contigo y no por encima tuyo.
| Problema | Revision rápida |
|---|---|
| no abre el notebook | revisar entorno virtual y dependencias |
| un archivo no se encuentra | confirmar carpeta actual y nombre del archivo |
| aparece un error raro en Python | leer la ultima línea del mensaje con calma |
| un gráfico no sale como esperabas | revisar columnas, tipos de datos y orden del código |
| no entiendes una solución | volver al objetivo y pedir que la expliquen por bloques |
También puedes usar:
python examples/validate_program.pyVas bien cuando puedes:
- leer un CSV y revisar sus primeras filas;
- filtrar o agrupar datos sin perderte;
- construir un gráfico simple;
- explicar un hallazgo en lenguaje claro;
- corregir un error pequeno con cada vez menos ayuda.
El enlace oficial esperado para estudiantes es:
https://vladimiracunadev-create.github.io/python-data-science-program/
Ese portal sirve para:
- revisar la ruta del programa;
- encontrar recursos base;
- entender normas de trabajo;
- seguir una versión ligera desde celular.
El portal no reemplaza el laboratorio ni los notebooks. Es la entrada ordenada al curso.
Tu objetivo no es "hacer que corra". Tu objetivo es entender que pregunta respondiste, con que datos trabajaste y que significa el resultado.