1 import pandas as pd
2 df = pd.read_csv("ventas_retail.csv")
3 df.groupby("mes").ingresos.mean()KeyError: 'mes'
La columna no existe: la fecha viene en texto.Evidencia
Tres entregables reales, con dataset, pregunta y hallazgo. Cada notebook se revisó con la rúbrica publicada en el programa.
01 · Análisis de datos
02 · Visualización
03 · ML introductorio
Ver un análisis completo celda por celda en la demo de notebook y cómo se corrige cada entregable en la nota metodológica.
Evidencia · Celda de notebook
Dataset ventas_retail.csv, 12.480 filas. Tiempo estimado de resolución: 25 minutos. Salida anonimizada de un trabajo corregido en la cohorte anterior.
1 import pandas as pd
2 df = pd.read_csv("ventas_retail.csv")
3 df.groupby("mes").ingresos.mean()KeyError: 'mes'
La columna no existe: la fecha viene en texto.1 df["fecha"] = pd.to_datetime(df["fecha"])
2 mensual = (df.set_index("fecha")
3 .resample("ME")["ingresos"].sum())
4 print(mensual.round(2).tail(3))2024-01-31 4.982.310,00
2024-02-29 5.271.845,50
2024-03-31 6.104.902,00Nota metodológica
Todos los notebooks publicados en esta página fueron entregados por estudiantes de cohortes anteriores y se comparten con autorización escrita de cada autor. Reemplazamos nombres, correos y rutas locales por etiquetas genéricas; el código, el dataset y los resultados numéricos quedaron intactos.
Los proyectos que ves fueron elegidos por la claridad de su proceso, no porque representen el promedio del curso. Un notebook destacado muestra hasta dónde llega un recorrido completo con acompañamiento docente; no describe el resultado típico ni garantiza un desempeño equivalente en otra persona.
Cohorte
El cupo es de 30 personas porque cada notebook recibe devolución docente escrita. La cohorte de abril ya tiene fecha de inicio publicada y el cronograma completo de entregas.